Detaillierte Erläuterung der grundlegenden Betriebsmethoden von Python-OpenCV_python

Der unten stehende Herausgeber wird Ihnen eine detaillierte Erklärung der grundlegenden Betriebsmethoden von Python-OpenCV geben. Es hat einen guten Referenzwert und ich hoffe, dass es für alle hilfreich ist. Folgen wir dem Editor, um einen Blick darauf zu werfen

Grundlegende Attribute

cv2.imread (Dateiname, Attribute) Bild lesen

Attribut: Geben Sie an, wie das Bild aus der Datei gelesen wird

cv2.IMREAD_COLOR: Farbbilder einlesen, Standardparameter, Opencv liest Farbbilder im BGR-Modus! ! ! Hinweis

cv2.IMREAD_GRAYSCALE: Graustufenbilder einlesen.

cv2.imshow (Fenstername, Bilddatei) Bild anzeigen

Kann mehrere Fenster erstellen

cv2.waitKey() Tastaturbindungsfunktion

Die Funktion wartet eine bestimmte Anzahl von Millisekunden, um zu sehen, ob eine Eingabe über die Tastatur erfolgt.

cv2.namedWindow (Fenstername, Attribute) Erstellen Sie ein Fenster

Attribute: Geben Sie den Fenstergrößenmodus an

cv2.WINDOW_AUTOSIZE: Automatisch basierend auf dem Bild size Größe erstellen

cv2.WINDOW_NORMAL: Fenstergröße kann angepasst werden

cv2.destoryAllWindows(window name) Alle erstellten Fenster löschen

Codebeispiel:

import cv2
 img=cv2.imread('test.py',cv2.IMREAD_COLOR)
 cv2.namedWindow('image',cv2.WINDOW_NORMAL)
 cv2.imshow('image',img)
 cv2.waitKey(0)
 cv2.destoryAllWindows()

cv2.imwrite (Bildname speichern, Bild muss gespeichert werden) Bild speichern

Codebeispiel :

 import cv2
 img=cv2.imread('test.png',0)
 cv2.imshow('image',img)
 k=cv2.waitKey(0)
 if k==27: #等待 ESC 键
  cv2.destoryAllWindows()
 elif k==ord('s') #等待 's' 键来保存和退出
  cv2.imwrite('messigray.png',img)
  cv2.destoryAllWindows()

Einige Operationen an Bildern

0x01 Bildattribute abrufen

import cv2
img=img.imread('test.png')
print img.shape
#(768,1024,3)
print img.size
#2359296 768*1024*3
print img.dtype
#uint8

0x02. Ausgabetext

Bei der Verarbeitung von Bildern geben Sie einige Informationen direkt ein Ausgabe auf dem Bild in Form von Text

cv2.putText (Bildname, Text, Koordinaten, Textfarbe)

0x03. Bild vergrößern

Bilder realisieren und speichern, ein häufiger Vorgang bei der Verwendung von OpenCV. cv2.resize() unterstützt eine Vielzahl von Interpolationsalgorithmen. Standardmäßig wird cv2.INTER_LINEAR verwendet. Der am besten geeignete zum Vergrößern ist cv2.INTER_CUBIC.

res=cv2.resize(image,(2*width,2*height),interpolation=cv2.INTER_CUBIC)

Oder:

res=cv2.resize(image,None,fx=2,fy=2,interpolation=cv2.INTER_CUBIC)

Keine hier sollte die Größe haben des Ausgabebildes, da der Skalierungsfaktor

0x04 später eingestellt wird 🎜 >Die Übersetzung dient dazu, die Position des Bildes zu ändern. Wenn Sie sich in (x, y)-Richtung bewegen möchten und die Bewegungsentfernung (tx, ty) beträgt, müssen Sie eine Versatzmatrix M erstellen.

cv2.warpAffine(src, M, dsize[, dst[, flags[, borderMode[, borderValue]]]])

Schwenken Sie beispielsweise das Bild (100,50)

Wobei (Spalten, Zeilen) die Größe des Ausgabebilds darstellen, M die Transformationsmatrix ist, 100 den Versatz von x und 50 den Versatz von y in Pixeln darstellt.

0x05. Bilddrehung

 import cv2
 img=cv2.imread('test.png',1)
 rows,cols,channel=img.shape
 M=np.float32([[1,0,100],[0,1,50]])
 dst=cv2.warpAffine(img,M,(cols,rows))
 cv2.imshow('img',dst)
 cv2.waitKey(0)
 cv2.destoryALLWindows()

In OpenCV müssen Sie zunächst eine Rotationsmatrix erstellen, die über cv2.getRotationMatrix2D erhalten wird.

0x06. Affine Transformation

import cv2
img=cv2.imread('test.png',0)
rows,cols=img.shape
#第一个参数为旋转中心，第二个为旋转角度，第三个为旋转后的缩放因子
M=cv2.getRotationMatrix2D((cols/2,rows/2),45,0.6)
#第三个参数为图像的尺寸中心
dst=cv2.warpAffine(img,M,(2*cols,2*rows))
cv2.imshow('img',dst)
cv2.waitKey(0)
cv2.destoryALLWindows()

Bei der affinen Transformation alle parallelen Linien im Originalbild sind auch im resultierenden Bild parallel. Um die Offset-Matrix zu erstellen, müssen Sie drei Punkte im Originalbild und ihre Positionen im Ausgabebild finden. Anschließend stellt OpenCV cv2.getAffineTransform bereit, um eine 2 * 3-Matrix zu erstellen, und übergibt die Matrix schließlich an die Funktion cv2.warpAffine.

import cv2
import matplotlib.pyplot as plt
import numpy as np
img=cv2.imread('test.png')
rows,cols,ch=img.shape
pts1=np.float32([[50,50],[200,50],[50,200]])
pts2=np.float32([[10,100],[200,50],[100,250]])
M=cv2.getAffineTransform(pts1,pts2)
dst=cv2.warpAffine(img,M,(cols,rows))
plt.subplot(121),plt.imshow(img),plt.title('Input')
plt.subplot(122),plt.imshow(dst),plt.title('Output')
plt.show()

0x07. Perspektivische Transformation

Perspektivische Transformation erfordert eine 3*3-Transformationsmatrix. Stellen Sie sicher, dass die gerade Linie vor und nach der Transformation immer noch gerade ist. Um diese Matrix zu erstellen, müssen 4 Punkte im Eingabebild und ihre entsprechenden Positionen im Ausgabebild gefunden werden. Drei dieser vier Punkte können nicht kollinear sein. Die Transformationsmatrix OpenCV bietet die Konstruktion cv2.getPerspectiveTransform(). Die Matrix wird dann an die Funktion cv2.warpPerspective übergeben.

import cv2
import numpy as np
import matplotlib.pyplot as plt
img=cv2.imread('test.png')
rows,cols,ch=img.shape
pts1=np.float32([[56,65],[368,52],[28,387],[389,390]])
pts2=np.float32([[0,0],[300,0],[0,300],[300,300]])
M=cv2.getPerspectiveTransform(pts1,pts2)
dst=cv2.warpPerspective(img,M,(300,300))
plt.subplot(121),plt.imshow(img),plt.title('Input')
plt.subplot(122),plt.imshow(dst),plt.title('Output')
plt.show()

0x09. Bildregionen von Interesse

Manchmal ist es notwendig, einen bestimmten Bereich eines Bildes zu bearbeiten, und der ROI wird mithilfe des Numpy-Index ermittelt.

import cv2
import numpy as np
import matplotlib.pyplot as plt

image=cv2.imread('test.png')
rows,cols,ch=image.shape
tall=image[0:100,300:700]
image[0:100,600:1000]=tallall
cv2.imshow("image",image)
cv2.waitKey(0)
cv2.destoryALLWindows()

0x10. Kanalaufteilung/-zusammenführung

Manchmal ist es notwendig, die drei BGR-Kanäle separat zu betreiben. Zu diesem Zeitpunkt muss der BGR in einen einzelnen Kanal aufgeteilt werden. Gleichzeitig ist es manchmal notwendig, unabhängige Kanalbilder zu einem BGR-Bild zusammenzuführen.

Funktionsversion der OpenCV-Bibliothek verwenden

Numpy-Indexversion verwenden:

import cv2
import numpy as np
import matplotlib.pyplot as plt

image=cv2.imread('pitt1.jpg')
rows,cols,ch=image.shape
#拆分通道，cv2.split()是一个比较耗时的操作。只有需要时使用，尽量Numpy
b,g,r=cv2.split(image)
print b.shape
#(768,1024)
#合并通道
image=cv2.merge(b,g,r)

import cv2
import numpy as np
import matplotlib.pyplot as plt

image=cv2.imread('pitt1.jpg')
rows,cols,ch=image.shape
#直接获取
b=img[:,:,0]

Das obige ist der detaillierte Inhalt vonDetaillierte Erläuterung der grundlegenden Betriebsmethoden von Python-OpenCV_python. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!