Python+OpenCV实现基本的图像处理操作,


目录
  • 模块的安装
  • 图片的各种操作
    • 读取图像
    • 展示图像
    • 图片保存
  • 图片的各种属性
    • 图像的基本操作

      今天小编来和大家分享一下Python在图像处理当中的具体应用,那既然是图像处理,那必然要提到opencv模块了,该模块支持与计算机视觉和机器学习相关的众多算法,并且应用领域正在日益扩展,大致有以下几种领域

      • 物体识别:通过视觉以及内部存储来进行物体的判断
      • 图像分割
      • 人脸识别
      • 汽车安全驾驶
      • 人机交互
      • 等等

      当然这次小编并不打算将这么高深的内容,今天就从最基本的opencv模块在图像的基本操作上说起

      模块的安装

      模块的安装我们通过都是通过pip命令来进行的

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

      图片的各种操作

      学过线性代数的肯定怼矩阵并不感到陌生。图像本质上来说就是矩阵,灰度图像是一个普通的矩阵,而彩色图像就是一个多维矩阵,我们对于图像的操作可以自然地转换成是对矩阵的操作

      读取图像

      首先我们先来读取图像,调用的是cv2.imread()方法,它的语法格式如下

      cv2.imread(filename, flag=1)

      其中的flag参数是用来设置读取图像的格式,默认的是1,表示为按照RGB三通道的格式来进行读取,如果设置成0,则表示以灰度图单通道的方式来进行读取,

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

      展示图像

      cv2.imshow(name, img)
      

      其参数解释分别如下:

      • name: 表示的是展示窗口的名字
      • img: 图片的矩阵形式

      我们尝试将上面读取的图片展示出来,代码如下

      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()

      当我们运行了上述的代码之后,可以发现在一瞬间当中图片弹了出来,但是还没有等我们看清楚图片的样子之后就直接关闭了,原因在于cv2.imshow()函数方法并没有延时的作用,我们添加一个延时的函数,代码如下

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

      output

      图片保存

      最后我们将图片保存下来,这里用到的函数是cv2.imwrite(),它的语法格式如下

      cv2.imwrite(imgname, img)
      

      其参数解释分别如下:

      • imgname: 要保存的图片的名字
      • img: 图片的矩阵形式

      示例代码如下

      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()

      图片的各种属性

      有时候我们想要知道图片的像素大小,而图片的本质是矩阵,例如一张1024像素*960像素的图片,就意味着在矩阵当中的行数就是960行,列数是1024列,在opencv模块当中调用的shape()函数方法,代码如下

      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

      output

      308
      340
      3

      可以看到该图片的像素是340*380,通道数是3,而针对灰度图像而言,我们来看一下图片的属性,代码如下

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

      output

      (308, 340)

      可以看到对于灰度图像而言,我们就没有看到通道数,只有行数和列数

      图像的基本操作

      最后我们来对图像进行一些基本操作,无非就是改变当中的一些像素值,我们导入一张空白的图片,通过修改当中的像素值来往里面添加一个黑点,代码如下

      import cv2
      import numpy as np
      
      img = cv2.imread('2.jpg')
      (x, y, z) = img.shape
      
      for i in range(-10, 10):
          for j in range(-10, 10):
              # 图片的正中心的位置来改变像素值,
              img[int(x/2) + i, int(y/2) + j] = (0, 0, 0)
      
      cv2.imshow("img", img)
      cv2.waitKey(0)
      cv2.destroyAllWindows()

      output

      到此这篇关于Python+OpenCV实现基本的图像处理操作的文章就介绍到这了,更多相关Python OpenCV图像处理内容请搜索3672js教程以前的文章或继续浏览下面的相关文章希望大家以后多多支持3672js教程!

      您可能感兴趣的文章:
      • Python Opencv图像处理基本操作代码详解
      • opencv-python基本图像处理详解
      • python opencv图像处理基本操作示例详解
      • Python+OpenCV六种实时图像处理详细讲解
      • opencv-python图像处理安装与基本操作方法

      评论关闭