python+opencv3图像处理学习记录

概括

本文主要用于记录图像处理学习过程中的笔记与疑问，使用pycharm IDE python语言和opencv工具。

第一章 简单的图像处理方式

1.图片、视频资源读取

import cv2 as cv
import numpy as np
src = cv.imread("C:/Users/H/Desktop/13d98c6f3117f0a19b9d40c44ac7a30f.jpg")
cv.imshow("src",src)
cv.waitKey(0)
cv.destroyAllWindows()

运行结果：

视频读取：

import cv2 as cv
import numpy as np
def video_demo():
    capture = cv.VideoCapture(0)# 0代表开启摄像头获取视频，可使用视频路径代替
    while True:
        ret, frame = capture.read()
        if cv.waitKey(100) == 27:
            break
        cv.imshow("frame", frame)
video_demo()
cv.waitKey(0)
cv.destroyAllWindows()

视频读取的处理需要截取每一帧图片对图片进行处理后组合展示，呈现视频效果。

2.色彩空间的转换、对比度、亮度调整

HSV图像空间 HSV色彩空间（Hue-色调、Saturation-饱和度、Value-值）将亮度从色彩中分解出来，在图像增强算法中用途很广，在很多图像处理任务中，经常将图像从RGB色彩空间转换到了HSV色彩空间，以便更好地感知图像颜色，利用HSV分量从图像中提取感兴趣的区域。

YUV YCrCb该颜色空间主要是基于人眼对亮度比对色度敏感这一特性而来的，将颜色分量和亮度分量分离开来。
HSV图像空间表

# HSV图像色彩空间转换
def color_space_demo(image):
    gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
    cv.imshow("gray", gray)
    hsv = cv.cvtColor(image, cv.COLOR_RGB2HSV)
    cv.imshow("hsv", hsv)
    yuv = cv.cvtColor(image, cv.COLOR_RGB2YUV)
    cv.imshow("yuv", yuv)
    Ycrcb = cv.cvtColor(image, cv.COLOR_BGR2YCrCb)
    cv.imshow("Ycrcb", Ycrcb)


# 调整图像的亮度与对比度，本函数中c代表对比度,b代表亮度
def contrast_brightness_demo(image, c, b):
    h, w, ch = image.shape
    blank = np.zeros([h, w, ch], image.dtype)
    dst = cv.addWeighted(image, c, blank, 1 - c, b)
    cv.imshow("con-bri-demo", dst)

3.像素运算

图像的像素运算：加减乘除、均值 、方差。

import cv2 as cv
import numpy as np
 
 
# 像素相加
def add_demo(m1, m2):
    dst = cv.add(m1, m2)
    cv.imshow("add_demo", dst)  # 显示图片
 
 
# 像素相减
def subtract_demo(m1, m2):
    dst = cv.subtract(m1, m2)
    cv.imshow("subtract_demo", dst)
 
 
# 像素相除
def divide_demo(m1, m2):
    dst = cv.divide(m1, m2)
    cv.imshow("divide_demo", dst)
 
 
# 像素相乘
def multiply_demo(m1, m2):
    dst = cv.multiply(m1, m2)
    cv.imshow("multiply_demo", dst)
 
 
# 其他操作
def others(m1, m2):
    M1, dev1 = cv.meanStdDev(m1) # M1均值，dev1方差
    M2, dev2 = cv.meanStdDev(m2) # M2均值，dev2方差
    h, w = m1.shape[:2]
    print(M1)                    # 打印均值M1
    print(M2)                    # 打印均值M2
    print(dev1)                  # 打印方差
    print(dev2)                  # 打印方差
    img = np.zeros([h, w], np.uint8)    # 产生一个所有像素都为0的图片
    m, dev = cv.meanStdDev(img)   # 获取该图片的均值和方差
    print(m)                      # 打印均值：[[0.]]
    print(dev)                    # 打印方差：[[0.]]
# 说明：可通过均值和方差判断图片中是否有有用信息
 
 
src1 = cv.imread("C:/Users/H/Desktop/92e8823ecc933f05edbfe5f9186e42c2.jpg")
src2 = cv.imread("C:/Users/H/Desktop/13d98c6f3117f0a19b9d40c44ac7a30f.jpg")
print(src1.shape)
print(src2.shape)
cv.namedWindow("input image1", cv.WINDOW_AUTOSIZE)  # 设置图片尺寸，自动
cv.imshow("input image1", src1)  # 显示图像
cv.namedWindow("input image2", cv.WINDOW_AUTOSIZE)  # 设置图片尺寸，自动
cv.imshow("input image2", src2)  # 显示图像
add_demo(src1, src2)
subtract_demo(src1, src2)
divide_demo(src1, src2)
multiply_demo(src1, src2)
others(src1, src2)
cv.waitKey(0)
cv.destroyAllWindows()
    

4.泛洪填充 ROI

ROI 是指对图像提取出有用的部分，利用mask(掩模)技术提取纯色背景图像ROI区域中的人和物，并将提取出来的人或物添加在其他图像上。
如下将利用该方式实现对某些色彩的提取并得到想要的部分

import cv2 as cv
import numpy as np
def getRoi(image):
    hsv = cv.cvtColor(image, cv.COLOR_BGR2HSV)  # 转换成hsv色彩风格
    cv.imshow('hsv', hsv)
    mask = cv.inRange(hsv, (26, 43, 46), (155, 255, 255))  # 利用inRange产生mask
    mask = cv.bitwise_not(mask) #取反
    dst = cv.bitwise_and(image, image, mask=mask)
    
    print(dst.shape)
    cv.imshow('mask1', mask)
    cv.imshow('dst', dst)


src = cv.imread("C:/Users/H/Desktop/13d98c6f3117f0a19b9d40c44ac7a30f.jpg")
cv.imshow('src', src)
getRoi(src)

cv.waitKey(0)
cv.destroyAllWindows()

运行结果：

5.模糊操作

模糊分为均值模糊，中值模糊，高斯模糊，双边模糊，
如下是中值模糊，均值模糊和锐化操作的代码实现：

def custom_blur_demo(image