在這里插入圖片描述

📢📢📢📣📣📣
🌻🌻🌻Hello，大家好我叫是Dream呀，一個有趣的Python博主，小白一枚，多多關照😜😜😜
🏅🏅🏅CSDN Python領域新星創作者，大二在讀，歡迎大家找我合作學習
💕入門須知：這片樂園從不缺乏天才，努力才是你的最終入場券！🚀🚀🚀
💓最后，愿我們都能在看不到的地方閃閃發光，一起加油進步🍺🍺🍺
🍉🍉🍉“一萬次悲傷，依然會有Dream，我一直在最溫暖的地方等你”，唱的就是我！哈哈哈~🌈🌈🌈
🌟🌟🌟???

前言：

學習了Python OpenCV這么久了，來看點有意思的吧??????

Python OpenCV影像實戰：顏色轉換 + 幾何變換

一、改變顏色空間
- 1.獲取顏色轉化型別
- - 1.1 dir(cv)函式
  - 1.2 startswith（）函式
- 2.物件追蹤
- - 2.1只取藍色區域：
  - 2.2不取藍色區域：
二、影像的幾何變換
- 1.影像的旋轉變換
- - 1.1 影像平移 cv.warpAffine()函式用法:
  - 1.2 cv2.getRotationMatrix2D()實作影像旋轉
- 2.影像的仿射變換
- - 2.1 函式詳析
- 3.影像的透視變換
- - 3.1 cv.warpPerspective（）函式
📢📢📢最后的福利

一、改變顏色空間

1.獲取顏色轉化型別

OpenCV中有超過150種顏色空間轉換方法，但是我們將研究只有兩個最廣泛使用的,BGR?灰色和BGR?HSV，
對于顏色轉換，我們使用cv函式，cvtColor(input_image, flag)，其中flag決定轉換的型別，
對于BGR→灰度轉換，我們使用標志cv.COLOR_BGR2GRAY，類似地，對于BGR→HSV，我們使用標志cv.COLOR_BGR2HSV，要獲取其他標記，只需在Python終端中運行以下命令:

import cv2 as cv
flags = [i for i in dir(cv) if i.startswith('COLOR_')]
print(flags)

1.1 dir(cv)函式

dir 語法：**
dir([object])
引數說明：object – 物件、變數、型別，
回傳值：回傳模塊的屬性串列，
即回傳cv模塊所有的屬性串列
在這里插入圖片描述

1.2 startswith（）函式

startswith()函式是Python的字串函式，startswitch()用于檢測字串是否以指定字串開頭，如果是則回傳True，否則回傳False.
語法及引數：

str.startswith(str2)

str 待檢測的字串
str2 檢測str2字串是否是str字串的開頭不可省略的引數

舉例說明：

>>> pro.startswith("Chi")
True
>>> pro.startswith("hi")
False

在這里插入圖片描述

注意： HSV的色相范圍為[0,179]，飽和度范圍為[0,255]，值范圍為[0,255]，不同的軟體使用不同的規模，因此，如果你要將OpenCV值和它們比較，你需要將這些范圍標準化，

2.物件追蹤

現在我們知道了如何將BGR影像轉換成HSV，我們可以使用它來提取一個有顏色的物件，在HSV中比在BGR顏色空間中更容易表示顏色，在我們的應用程式中，我們將嘗試提取一個藍色的物件，方法如下: - 取視頻的每一幀 - 轉換從BGR到HSV顏色空間 - 我們對HSV影像設定藍色范圍的閾值 - 現在單獨提取藍色物件，我們可以對影像做任何我們想做的事情，
在這里插入圖片描述
藍色
lower_blue = np.array([110,50,50])
upper_blue = np.array([130,255,255])
或者藍色
low_blue = np.array([94, 80, 2])
high_blue = np.array([126, 255, 255])
紅色
low_red = np.array([161, 155, 84])
high_red = np.array([179, 255, 255])
綠色
low_green = np.array([25, 52, 72])
high_green = np.array([102, 255, 255])
除白色之外的顏色
low = np.array([0, 42, 0])
high = np.array([179, 255, 255])
在這里插入圖片描述

2.1只取藍色區域：

import cv2 as cv
import numpy as np
cap = cv.VideoCapture(0)
while(1):
    # 讀取幀
    ret, frame = cap.read()
    # 轉換顏色空間 BGR 到 HSV
    hsv = cv.cvtColor(frame, cv.COLOR_BGR2HSV)
    # 定義HSV中藍色的范圍
    lower_blue = np.array([110,50,50])
    upper_blue = np.array([130,255,255])
    # 設定HSV的閾值使得只取藍色
    mask = cv.inRange(hsv, lower_blue, upper_blue)
    mask_inv = cv.bitwise_not(mask)

    # 將掩膜和影像逐像素相加
    res = cv.bitwise_and(frame,frame, mask= mask)
    cv.imshow('frame',frame)
    cv.imshow('mask',mask)
    cv.imshow('res',res)
    k = cv.waitKey(5) & 0xFF
    if k == 27:
        break
cv.destroyAllWindows()

在這里插入圖片描述

2.2不取藍色區域：

import cv2 as cv
import numpy as np
cap = cv.VideoCapture(0)
while(1):
    # 讀取幀
    ret, frame = cap.read()
    # 轉換顏色空間 BGR 到 HSV
    hsv = cv.cvtColor(frame, cv.COLOR_BGR2HSV)
    # 定義HSV中藍色的范圍
    lower_blue = np.array([110,50,50])
    upper_blue = np.array([130,255,255])
    # 設定HSV的閾值使得只取藍色
    mask = cv.inRange(hsv, lower_blue, upper_blue)
    mask_inv = cv.bitwise_not(mask)

    # 將掩膜和影像逐像素相加
    res = cv.bitwise_and(frame,frame, mask= mask_inv)
    cv.imshow('frame',frame)
    cv.imshow('mask',mask)
    cv.imshow('res',res)
    k = cv.waitKey(5) & 0xFF
    if k == 27:
        break
cv.destroyAllWindows()

在這里插入圖片描述

二、影像的幾何變換

1.影像的旋轉變換

import numpy as np
import cv2 as cv
import matplotlib.pyplot as plt
img = cv.imread('haojin.jpg',0)
rows,cols = img.shape
print(rows,cols)
# cols-1 和 rows-1 是坐標限制
M = cv.getRotationMatrix2D(((cols-1)/2.0,(rows-1)/2.0),-60,1)
dst = cv.warpAffine(img,M,(cols,rows))
plt.subplot(122),plt.imshow(dst),plt.title('Output')
plt.show()

1.1 影像平移 cv.warpAffine()函式用法:

放射變換函式，可實作旋轉，平移，縮放；變換后的平行線依舊平行
dst = cv.warpAffine(img,M,(cols,rows))中，img為需要變換的影像，M為需要平移的位置，（cols,rows）為平移后影像尺寸，

1.2 cv2.getRotationMatrix2D()實作影像旋轉

M=cv2.getRotationMatrix2D(center, angle, scale)中引數含義：

center：圖片的旋轉中心
angle：旋轉角度
scale：旋轉后影像相比原來的縮放比例
M:計算得到的旋轉矩陣

效果展示：
在這里插入圖片描述

2.影像的仿射變換

影像的旋轉加上拉升就是影像仿射變換，仿射變化也是需要一個M矩陣就可以，但是由于仿射變換比較復雜，一般直接找很難找到這個矩陣，OpenCV提供了根據變換前后三個點的對應關系來自動求解M，這個函式是
M=cv2.getAffineTransform(pos1,pos2),其中兩個位置就是變換前后的對應位置關系，輸出的就是仿射矩陣M，然后再使用函式cv2.warpAffine()，

import cv2 as cv
import numpy as np
import matplotlib.pyplot as plt
img = cv.imread('haojin.jpg')
rows,cols,ch = img.shape  # 行數、列數、通道數
print(rows,cols,ch)
pts1 = np.float32([[50,50],[200,50],[100,200]])
pts2 = np.float32([[100,100],[200,50],[100,200]])
M = cv.getAffineTransform(pts1,pts2)  # pts1原始影像，三個點 pts2目標影像，三個點
dst = cv.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()

2.1 函式詳析

rows,cols,ch = img.shape 行數、列數、通道數
M = cv.getAffineTransform(pts1,pts2) pts1：原始影像，三個點； pts2：目標影像，三個點，
效果展示：
在這里插入圖片描述

3.影像的透視變換

透視需要的是一個3*3的矩陣，同理opencv在構造這個矩陣的時候還是采用一種點對應的關系來通過函式自己尋找的，因為我們自己很難計算出來，這個函式是M = cv2.getPerspectiveTransform(pts1,pts2)，其中pts需要變換前后的4個點對應位置，得到M后在通過函式cv2.warpPerspective(img,M,(200,200))進行，

import cv2 as cv
import numpy as np
import matplotlib.pyplot as plt
img = cv.imread('haojin.jpg')
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 = cv.getPerspectiveTransform(pts1,pts2)  # pts1原始影像，四個點 pts2目標影像，四個點
dst = cv.warpPerspective(img,M,(1080,1080))
plt.subplot(121),plt.imshow(img),plt.title('Input')
plt.subplot(122),plt.imshow(dst),plt.title('Output')
plt.show()

3.1 cv.warpPerspective（）函式

透視變換函式，可保持直線不變形，但是平行線可能不再平行
其相關引數和cv2.warpAffine函式的類似，不再做介紹
效果展示：
在這里插入圖片描述

📢📢📢最后的福利

??????最后一點小福利帶給大家：如果想快速上手python的小伙伴們，這個詳細整理PPT可以迅速幫助大家打牢python基礎，需要的小伙伴們可以下載一下 Python入門基礎教程全套+小白速成+學不會來找我！ 🍻🍻🍻
還有自制表白神器，需要自取：
Python表白神器，原始碼+決議+各種完美配置+浪漫新穎 🍻🍻🍻
在這里插入圖片描述
🌲🌲🌲 好啦，這就是今天要分享給大家的全部內容了
??????如果你喜歡的話，就不要吝惜你的一鍵三連了~