Apabila Python digunakan sebagai alat penyunting foto, saya mendapati bahawa ia sangat mudah untuk digunakan! !

Hari ini saya akan berkongsi dengan anda aplikasi khusus Python dalam pemprosesan imej Oleh kerana ia adalah pemprosesan imej, kami mesti menyebut modul opencv ini menyokong banyak algoritma yang berkaitan dengan penglihatan komputer dan bidang aplikasi semakin berkembang hari demi hari, dan terdapat kira-kira medan berikut.

• Pengecaman objek: menilai objek melalui penglihatan dan storan dalaman
• Pembahagian imej
• Pengecaman muka
• Pemanduan kereta yang selamat
• Interaksi manusia-komputer
• Tunggu

Sudah tentu, kali ini editor tidak berhasrat untuk mengupas kandungan lanjutan tersebut Hari ini, saya akan mulakan dengan modul opencv yang paling asas dan asas imej. Mari kita mulakan dengan operasi.

Pemasangan modul​

Kami semua memasang modul melalui arahan pip.

pip install opencv-python
pip install opencv-contrib-python

Pelbagai operasi pada gambar

Setelah mempelajari algebra linear, matriks positif bukanlah sesuatu yang asing. Imej pada asasnya ialah matriks Imej skala kelabu ialah matriks biasa, manakala imej berwarna ialah matriks berbilang dimensi.

Baca imej

Mula-mula kita membaca imej, memanggil kaedah cv2.imread(), format sintaksnya adalah seperti berikut:

cv2.imread(filename, flag=1)

di mana Parameter bendera digunakan untuk menetapkan format membaca imej. Lalai ialah 1, yang bermaksud membaca dalam format tiga saluran RGB Jika ditetapkan kepada 0, ini bermakna membaca dalam format saluran tunggal skala kelabu Paparkan imej

import cv2
import numpy as np
img=cv2.imread('1.jpg', 0)

Selepas membaca imej, kami berharap dapat memaparkannya Kaedah fungsi yang digunakan di sini ialah cv2.imshow(), dan format sintaksnya adalah seperti berikut

Penjelasan parameter. adalah seperti berikut:

cv2.imshow(name, img)

nama: mewakili nama tetingkap paparan

img: bentuk matriks imej
• Kami cuba memaparkan gambar yang dibaca di atas. Kodnya adalah seperti berikut

Selepas kita menjalankan kod di atas, kita dapati gambar itu muncul dalam seketika, tetapi belum lagi , kami menutupnya secara langsung Sebabnya ialah kaedah fungsi cv2.imshow() tidak mempunyai kesan kelewatan Kami menambah fungsi kelewatan adalah seperti berikut

cv2.imshow("grey_img", img)
## 如果使用了cv2.imshow()函数，下面一定要跟着一个摧毁窗口的函数
cv2.destroyAllWindows()

output

<. . >Penjelasan parameter adalah seperti berikut:

import cv2
import numpy as np


img = cv2.imread('1.jpg')
cv2.imshow("grey_img", img)
cv2.waitKey(0)
cv2.destroyAllWindows()

imgname: nama gambar yang hendak disimpan

img: bentuk matriks gambar

Contoh Kod adalah seperti berikut:

cv2.imwrite(imgname, img)

Pelbagai atribut gambar

Kadang-kadang kita ingin mengetahui saiz piksel gambar, dan intipati gambar adalah matriks, untuk contoh, piksel 1024 * 960 piksel Gambar bermaksud bilangan baris dalam matriks ialah 960 dan bilangan lajur ialah 1024. Kaedah fungsi shape() yang dipanggil dalam modul opencv mempunyai kod berikut:

output

Anda boleh melihat bahawa piksel imej ialah 340*380 dan bilangan saluran ialah 3. Untuk imej skala kelabu, mari kita lihat sifat-sifat imej. Kodnya adalah seperti berikut:

import cv2
import numpy as np


img = cv2.imread('1.jpg')
cv2.imshow("grey_img", img)
cv2.waitKey(0)
cv2.imwrite('1.png', img)
cv2.destroyAllWindows()

output

Anda boleh melihat bahawa untuk imej skala kelabu, kami tidak melihat bilangan saluran, hanya bilangan baris dan lajur

import cv2


img = cv2.imread('1.jpg')
print(img.shape[0]) # 行数
print(img.shape[1]) # 列数
print(img.shape[2]) # 通道数

Operasi asas pada imej​

Akhir sekali, mari kita lakukan beberapa operasi asas pada imej, yang tidak lebih daripada menukar beberapa nilai piksel Kami mengimport imej kosong dan menambah titik hitam ia dengan mengubah suai nilai piksel. Kodnya adalah seperti berikut

308
340
3

output

img = cv2.imread('1_grey.png', 0)
print(img.shape)

(308, 340)

Atas ialah kandungan terperinci Apabila Python digunakan sebagai alat penyunting foto, saya mendapati bahawa ia sangat mudah untuk digunakan! !. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!