opencv-python基礎用法詳細代碼-圖片加載-ROI-邊緣濾波-二值化-輪廓提取-膨脹腐蝕等-有解無憂

1.1影像的匯入和匯出

1.2像素運算

1.3ROI與填充

1.4模糊與銳化操作

1.5邊緣保留濾波

1.6影像二值化

1.7影像直方圖

1.8繪制外輪廓

1.9物件測量

1.10區分指定外輪廓

1.11腐蝕與膨脹

1.12開閉操作

可以下面代碼直接運行，也可以看我的b站視頻，有配套的教學，代碼演示，有問題的可以留言，b站視頻傳送門

廢話不多說，直接上代碼

1.1影像的匯入和匯出

import cv2                 #匯入opencv庫

def get_image_info(image):     #定義加載影像資訊函式
    print(type(image))         #讀取該圖片類別
    print(image.shape)         #加載影像的長寬和通道數
    print(image.size)          #加載影像的大小
    print(image.dtype)         #加載位元組位數占多少

img = cv2.imread('1.jpg')    #讀入圖片
cv2.imshow('image', img)     #圖片顯示
get_image_info(img)          #呼叫加載圖片資訊函式
cv2.waitKey(0)     #等待時間

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)   #灰度化
cv2.imwrite('./2.jpg', gray)      #寫出圖片到當前檔案夾下
cv2.waitKey(0)

加載并顯示圖片1.jpg，然后灰度化，并保存在本地

1.2像素運算

import cv2 as cv

def add_demo(m1, m2):   #定義像素相加函式
    dst = cv.add(m1, m2)     #對像素進行加法運算
    cv.imshow("add_demo", dst)   #顯示像素相加后的影像

def subtract_demo(m1, m2):
    dst = cv.subtract(m1, m2)
    cv.imshow("subtract_demo",dst)

scr1 = cv.imread("3.jpg")    #讀入當前檔案夾下名稱為3.jpg圖片
scr2 = cv.imread("4.jpg")    #讀入4.jpg圖片
print(scr1.shape)   #顯示圖片3的大小
print(scr2.shape)   #顯示圖片4的大小 進行像素加減乘除需要兩個圖片格式大小一樣
cv.imshow("image1",scr1)    #顯示原圖3
cv.imshow("image2",scr2)    #顯示原圖4

add_demo(scr1, scr2)   #呼叫加法運算
subtract_demo(scr1, scr2)   #呼叫減法運算
cv.waitKey(0)

影像直接的像素相加相減后合并成一張圖片

1.3ROI與填充

import cv2 as cv
import numpy as np

src = cv.imread('1.jpg')  #讀取圖片
cv.imshow("input image", src)    #顯示原圖片
face = src[250:450, 150:450]      #選擇區域
gray = cv.cvtColor(face, cv.COLOR_BGR2GRAY)    #選擇區域灰度化
backface = cv.cvtColor(gray, cv.COLOR_GRAY2BGR)    #將gray轉回BGR格式，因為下面圖片合并需要通道數一樣
src[250:450, 150:450] = backface   #合并影像
cv.imshow('face',src)    #顯示影像
cv.waitKey(0)           #等待時間

def fill_color_demo(image):   #定于彩色填充影像函式
    copyImg = image.copy()    #拷貝出新影像
    h,w = image.shape[:2]     #獲取長寬
    mask = np.zeros([h+2, w+2], np.uint8)   #創建mask大小,且必須是8位
    cv.floodFill(copyImg, mask, (30,30), (0, 255, 255), (50,50,50),(50,50,50),cv.FLOODFILL_FIXED_RANGE)
    #泛洪填充，第三個引數填充起始點，4重新填充像素值，5填充的最低像素范圍 6填充的最高范圍 7考慮當前像素與種子像素之差
    cv.imshow("fill_color_demo", copyImg)  #顯示圖片

src2 = cv.imread('1.jpg')
fill_color_demo(src2)
cv.waitKey(0)

選擇一個區域繼續顏色變化，或想PS油漆桶功能一樣點擊一個點進行泛宏填充，

1.4模糊與銳化操作

import cv2 as cv
import numpy as np

src = cv.imread('1.jpg')  #匯入圖片
cv.imshow('1.jpg',src)    #顯示原圖


def blur_demo(image):  #定義模糊函式
    dst = cv.blur(image,(15,15))    #水平和垂直方向各模糊15個單位
    cv.imshow('blur_image',dst)

def custom_blur_demo(image):   #自定義圖片卷積處理函式
    kernel = np.array([[0,-1,0],[-1,5,-1],[0,-1,0]],np.float32)    #定義3×3的卷積核
    dst = cv.filter2D(image, -1, kernel=kernel)  #呼叫卷積函式，第一個引數原圖片，第二引數目標影像所需深度，第三引數卷積核
    cv.imshow('custom_blur_demo',dst)          #顯示卷積后影像，卷積核的數不同效果不同，這里是銳化

blur_demo(src)   #呼叫模糊函式
custom_blur_demo(src)
cv.waitKey(0)

圖片變模糊和圖片變銳化更加清晰

1.5邊緣保留濾波

import cv2 as cv
import numpy as np

src = cv.imread('5.jpg')  #匯入圖片
cv.imshow('5.jpg',src)    #顯示原圖

def bi_demo(image):     #定義濾波函式
    dst = cv.bilateralFilter(image,0,100, 15)
#呼叫雙邊濾波函式，第一個引數原圖，第二個引數每個像素直徑范圍，第三個引數融合周邊像素顏色，第四個引數相似顏色像素相互影響
    cv.imshow('bi_demo', dst)  #輸出濾波后影像

bi_demo(src)
cv.waitKey(0)

效果類似美顏

1.6影像二值化

import cv2 as cv
import numpy as np

src = cv.imread('1.jpg')  #匯入圖片
cv.imshow('1.jpg',src)    #顯示原圖

def threshold_demo(image):                          #定義二值化函式
    gray = cv.cvtColor(image,cv.COLOR_BGR2GRAY)            #圖片灰度化處理
    ret,binary = cv.threshold(gray, 0, 255,cv.THRESH_BINARY|cv.THRESH_OTSU)
    #呼叫二值化函式 第一個引數為輸入影像，第二引數為進行分類的像素，第三個引數表示閾值，第四引數表示運算方法
    print("threshold value %s"%ret)     #輸出劃分像素點
    cv.imshow("binary",binary)           #顯示影像

threshold_demo(src)
cv.waitKey(0)

1.7影像直方圖

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

src = cv.imread('1.jpg')  #匯入圖片
cv.imshow('1.jpg',src)    #顯示原圖

def plot_demo(image):
    plt.hist(image.ravel(), 256, [0, 256])  # image.ravel()是將多維陣列降為一維陣列，256為bins數量，[0, 256]為范圍,計算像素個數
    plt.show()


def image_hist(image):
    color = ('blue', 'green', 'red')
    for i, color in enumerate(color):
        # 計算出直方圖，calcHist(images, channels, mask, histSize(有多少個bin), ranges[, hist[, accumulate]]) -> hist
        # hist 是一個 256x1 的陣列，每一個值代表了與該灰度值對應的像素點數目，
        hist = cv.calcHist(image, [i], None, [256], [0, 256])
        print(hist.shape)
        plt.plot(hist, color=color)
        plt.xlim([0, 256])
    plt.show()

image_hist(src)
plot_demo(src)
cv.waitKey(0)

1.8繪制外輪廓

import cv2 as cv
import numpy as np

src = cv.imread('6.jpg')  #匯入圖片
cv.imshow('6.jpg',src)    #顯示原圖
def contours_demo(image):                 #定義輪廓發現函式
    dst = cv.GaussianBlur(image, (3,3),0)    #呼叫高斯模糊，第二個引數內核大小，第三個引數高斯核標準偏差
    gray = cv.cvtColor(dst, cv.COLOR_BGR2GRAY)              #影像灰度化
    ret,binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY| cv.THRESH_OTSU)   #影像二值化
    cv.imshow("binary image", binary) #輸出影像

    contours,heriachy = cv.findContours(binary,cv.RETR_EXTERNAL,cv.CHAIN_APPROX_SIMPLE)
    #呼叫檢測物體輪廓函式，第一個引數尋找輪廓的影像，第二個引數表示輪廓的檢索模式，有 cv2.RETR_EXTERNAL表示只檢測外輪廓
    # cv2.RETR_LIST檢測的輪廓不建立等級關系 cv2.RETR_CCOMP建立兩個等級的輪廓cv2.RETR_TREE建立一個等級樹結構的輪廓，
    #第三個引數為輪廓的近似辦法，cv2.CHAIN_APPROX_SIMPLE壓縮各方向的元素
    #最后回傳影像、輪廓資訊、層次資訊
    for i ,contour in enumerate(contours):
        cv.drawContours(image,contours,i,(0,0,255),2)
        #第一個引數指在哪幅圖上繪制輪廓資訊，第二個引數是輪廓本身，第三個引數是指定繪制哪條輪廓
        #第四個引數是繪圖的顏色，第五個引數是繪制的線寬 輸入-1則表示填充
        print(i)
    cv.imshow("detect contours",image)


contours_demo(src)
cv.waitKey(0)

1.9物件測量-目標面積計算

import cv2 as cv
import numpy as np

src = cv.imread('8.jpg')  #匯入圖片
cv.imshow('8.jpg',src)    #顯示原圖

def measure_object(image):          #定義測量函式
    gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)                    #影像灰度化
    ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY_INV | cv.THRESH_OTSU)  # 影像二值化 cv.THRESH_BINARY_INV是取反
    print("threshold value:%s"%ret)    #輸出閾值
    cv.imshow("binary image", binary)  # 輸出影像
    contours, heriachy = cv.findContours(binary, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE)
    # 呼叫檢測物體輪廓函式
    for i ,contour in enumerate(contours):
        area = cv.contourArea(contour)           #求取面積
        x, y, w, h = cv.boundingRect(contour)          #輪廓外接矩形
        mm = cv.moments(contour)                 #計算影像中心矩
        rate = min(w, h)/max(w, h)            #計算寬高比
        print('rectangle rate:%s'%rate)         #輸出寬高比
        cx = mm['m10']/mm['m00']
        cy = mm['m01']/mm['m00']          #找出輪廓的中心位置
        cv.circle(image, (np.int(cx), np.int(cy)), 3, (0, 255, 255), -1)
        # 用個黃色小圓圈把幾何圖形的中心位置繪制出來， 第三個引數是半徑，第四個引數是顏色
        cv.rectangle(image, (x, y), (x + w, y + h), (0, 0, 255), 2)
        #用紅色框框把外接矩形繪制出來
        print("contour area %s"%area)
    cv.imshow("detect contours", image)
measure_object(src)
cv.waitKey(0)

1.10區分指定外輪廓

import cv2 as cv
import numpy as np

src = cv.imread('7.jpg')
cv.imshow('7.jpg',src)

def measure_object(image):
    gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
    ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY | cv.THRESH_OTSU)
    print("threshold value:%s"%ret)
    cv.imshow("binary image", binary)
    dst = cv.cvtColor(binary,cv.COLOR_GRAY2BGR)    #'''還原三通道圖片'''
    contours, heriachy = cv.findContours(binary, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE)

    for i ,contour in enumerate(contours):
        area = cv.contourArea(contour)
        x, y, w, h = cv.boundingRect(contour)
        mm = cv.moments(contour)
        rate = min(w, h)/max(w, h)
        print('rectangle rate:%s'%rate)
        cx = mm['m10']/mm['m00']
        cy = mm['m01']/mm['m00']
        cv.circle(dst, (np.int(cx), np.int(cy)), 3, (0, 255, 255), -1)

        approxCurve = cv.approxPolyDP(contour,4,True)
        #'''呼叫固定邊數精度函式 第二引數指定原始曲線與近似曲線之間最大距離精度 第三引數近似曲線閉合'''
        print(approxCurve.shape)
        if approxCurve.shape[0] > 4:     # '''判斷圖形邊數是否大于4'''
            cv.drawContours(dst, contours, i, (0,255,0),2)   #'''將符合要求的用綠色輪廓輸出'''

        print("contour area %s"%area)
    cv.imshow("detect contours", dst)
measure_object(src)
cv.waitKey(0)

1.11腐蝕與膨脹

import cv2 as cv
import numpy as np

src = cv.imread('9.jpg')  #匯入圖片
cv.imshow('9.jpg',src)    #顯示原圖

def erode_demo(image):                    #定義腐蝕函式
    print(image.shape)                    #顯示圖片格式
    gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)    #影像灰度化
    ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY | cv.THRESH_OTSU)  #二值化
    cv.imshow("binary",binary)        #顯示二值化后的圖片
    kernel = cv.getStructuringElement(cv.MORPH_RECT,(8,8))
    #建立指定結構 第一個引數定義形狀，這里是方形，第二個引數指定程度
    dst = cv.erode(binary,kernel)          #腐蝕
    cv.imshow("erode_demo", dst)          #輸出影像

def erode_dilate(image):          #定義膨脹函式
    print(image.shape)
    gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
    ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY | cv.THRESH_OTSU)
    cv.imshow("binary",binary)
    kernel = cv.getStructuringElement(cv.MORPH_RECT,(8,8))
    dst = cv.dilate(binary,kernel)              #膨脹
    cv.imshow("erode_dilate", dst)

erode_dilate(src)
erode_demo(src)
cv.waitKey(0)

1.12開閉操作

#先腐蝕再膨脹就是開操作，先膨脹再腐蝕就是閉操作
import cv2 as cv
import numpy as np

src = cv.imread('10.jpg')  #匯入圖片
cv.imshow('10.jpg',src)    #顯示原圖

def open_demo(image):                           #自定義開操作函式
    print(image.shape)                             #顯示圖片格式
    gray =  cv.cvtColor(image, cv.COLOR_BGR2GRAY)    #影像灰度化
    ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY | cv.THRESH_OTSU)  # 二值化
    cv.imshow("binary", binary)  # 顯示二值化后的圖片
    kernel = cv.getStructuringElement(cv.MORPH_RECT, (6, 6))
    # 建立指定結構 第一個引數定義形狀，這里是方形，第二個引數指定程度
    binary = cv.morphologyEx(binary, cv.MORPH_OPEN,kernel)
    #進行形態學操作，引數1傳入圖片，引數2進行開運算，引數3表示方框大小
    cv.imshow('open-result',binary)

def close_demo(image):                           #自定義閉操作函式
    print(image.shape)                             #顯示圖片格式
    gray =  cv.cvtColor(image, cv.COLOR_BGR2GRAY)    #影像灰度化
    ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY | cv.THRESH_OTSU)  # 二值化
    cv.imshow("binary", binary)  # 顯示二值化后的圖片
    kernel = cv.getStructuringElement(cv.MORPH_RECT, (10, 10))
    # 建立指定結構 第一個引數定義形狀，這里是方形，第二個引數指定程度
    binary = cv.morphologyEx(binary, cv.MORPH_CLOSE,kernel)   #引數2改成閉操作運算
    cv.imshow('close-result',binary)


open_demo(src)
close_demo(src)
cv.waitKey(0)

以上opencv-python的基本操作代碼更新完畢，下一章更新使用opencv-python進行人臉檢測，

轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/290983.html

標籤：其他

上一篇：【OpenCV】利用Flask+Python+OpenCV實作攝像頭讀取影像幀網頁視頻流

下一篇：復習Java網路編程.NET包&Java面試題Redis哨兵模式&生活【記錄一個咸魚大學生三個月的奮進生活】022