opencv中读取图片、视频以及对其基本操作
一、清华TUNA提供的Anaconda仓库镜像
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/conda config --set show_channel_urls yes二、图像读取与基本操作
在执行下述代码时，出现的问题有：
If you are on Ubuntu or Debian, install libgtk2.0-dev and pkg-config, then re-run cmake or config解决的办法是，降低opencv-contrib-python==3.4.3.18.的版本：
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple --trusted-host pypi.tuna.tsinghua.edu.cn opencv-contrib-python==3.4.3.18在解决问题中，大多是说，由于没有安装opencv-python或者是没有安装opencv-opencv-contrib-python,但是这两个模块均已近安装。
执行代码：
import cv2
import matplotlib.pyplot as plt
import numpy as np
# %matplotlib inline = plt.show
img = cv2.imread('cat.png')
print(img)
cv2.imshow("image",img)
# 等待时间，毫秒级，0表示任意键终止
cv2.waitKey(0)
cv2.destroyAllWindows()
输出：
[[[255 255 255]
[220 219 223]
[109 116 131]....
并读取到图片：
# 每次写上述的三行就比较的麻烦，于是定义如下的函数
def cv_show(name, img):
cv2.imshow(name, img)
cv2.waitKey(1000)
cv2.destroyAllWindows()
# 获取图像的属性，HWC
print(img.shape)
# 运行结果(158, 226, 3) 读取到的是一个RGB的彩色图
# 读取灰度图像
img = cv2.imread('cat.png', cv2.IMREAD_GRAYSCALE)
print(img)
print(img.shape)
# 运行结果：[[255 220 119 ... 255 255 255]
# [167 66 67 ... 186 255 255]
# [ 65 65 67 ... 117 175 255]
# ...
# [ 97 96 97 ... 112 173 255]
# [178 91 92 ... 186 255 255]
# [255 224 135 ... 255 255 255]]
# (158, 226) 此处可以看到的是，只有了HW，变成灰度图像，只有两个中括号
# 展示显示结果
或者：
cv_show('image',img)
cv2.imshow('image',img)
cv2.waitKey(1000)
cv2.destroyAllWindows()
显示的灰度图像：
# 保存
cv2.imwrite('mycat.png', img)
print(type(img))
# 保存成功，运行结果：<class 'numpy.ndarray'>，注意在mycat中要加上.png
# 展示尺寸 结果为：35708
print(img.size)
# 数据类型 uint8
print(img.dtype)
三、视频的读取与基本操作
视频是图像静止的时间变化的。所以视频的处理就是一张一张的图像连接起来的。
第一步。将视频拆分成图像。
实例代码：
import cv2
import matplotlib.pyplot as plt
# # 对视频的读取
vc =cv2.VideoCapture('test.mp4')
#
# # 每次写上述的三行就比较的麻烦，于是定义如下的函数
def cv_show(name, img):
cv2.imshow(name, img)
cv2.waitKey(1000)
cv2.destroyAllWindows()
# 检查打开是否是正确的，vc.read()循环检查每一张图像
if vc.isOpened():
# open打开图像返回True，frame打开结果
open, frame = vc.read()
else:
open = False
# 遍历每一帧，组成一个视频
while open:
# 读取图片
ret, frame = vc.read()
# 若视频只有10秒，十秒之后，就为空，所以，如果读取为空，就跳出循环
if frame is None:
break
# 如果读取的这一帧图像正确
if ret ==True:
# 将当前图像（frame）图像转化成黑白的
gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
# 展示结果
cv2.imshow('result', gray)
# 操作完视频的速度
if cv2.waitKey(50) & 0xFF ==27:
break
vc.release()
cv2.destroyAllWindows()
# 截取部分图像数据 ，结果就是显示部分的图像
img = cv2.imread('cat.png')
cat = img[0:100,0:200] # H=100,W=200
cv_show('cat',cat)
# 颜色通道的提取
b,g,r = cv2.split(img)
print(b)
print(b.shape)
# 运行结果：[[255 220 109 ... 255 255 255]
# [163 47 44 ... 178 255 255]
# [ 43 45 44 ... 87 164 255]
# ...
# [ 66 62 63 ... 76 158 255]
# [170 59 59 ... 175 255 255]
# [255 222 118 ... 255 255 255]]
# (158, 226) shape 的结果都是一样的无论是哪一个通道
# 拆开后组合在一起
img = cv2.merge((b, g, r))
print(img.shape)
# 结果：(158, 226, 3)
# 只保留R R的索引值为2，GBR
cur_img = img.copy()
cur_img[:,:,0] = 0
cur_img[:,:,1] = 0
cv_show('R', cur_img)
# 只保留G G的索引值为0，GBR
cur_img = img.copy()
cur_img[:,:,1] = 0
cur_img[:,:,2] = 0
cv_show('G', cur_img)
# 只保留B B的索引值为1，GBR
cur_img = img.copy()
cur_img[:,:,0] = 0
cur_img[:,:,2] = 0
cv_show('B', cur_img)
# 边界填充
top_size, bottom_size, left_size, right_size = (50, 50, 50, 50)
# BORDER_REPLICATE：复制发，复制的最边缘的像素
replicate = cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size, borderType=cv2.BORDER_REPLICATE)
# BORDER_REFLECT： 反射法，对感兴趣的图像图像中的像素，在两边进行复制
reflect = cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size, cv2.BORDER_REFLECT)
# BORDER_REFLECT_101： 以最边缘像素为轴，对称
reflect101 = cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size, cv2.BORDER_REFLECT_101)
# BORDER_WRAP：外包装法
wrap = cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size, cv2.BORDER_WRAP)
# BORDER_CONSTANT： 常数法，常数值填充
constant = cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size, cv2.BORDER_CONSTANT,value=0)
plt.subplot(231), plt.imshow(img,'gray'), plt.title('ORIGINAL')
plt.subplot(232), plt.imshow(replicate,'gray'), plt.title('replicate')
plt.subplot(233), plt.imshow(reflect,'gray'), plt.title('reflect')
plt.subplot(234), plt.imshow(reflect101,'gray'), plt.title('reflect101')
plt.subplot(235), plt.imshow(wrap,'gray'), plt.title('wrap')
plt.subplot(236), plt.imshow(constant,'gray'), plt.title('CONSTANT')
plt.show()
# 数值计算
img_cat = cv2.imread('cat.png')
img_dog = cv2.imread('dog.png')
# 三个通道上，每一个都加10
img_cat2 = img_cat + 10
# 打印前五行
print(img_cat[:5, :, 0])
print(img_cat2[:5,: ,0])
# 运行结果：[[255 220 109 ... 255 255 255]
# [163 47 44 ... 178 255 255]
# [ 43 45 44 ... 87 164 255]
# [ 46 46 45 ... 94 89 181]
# [ 46 45 46 ... 95 94 93]]
# [[ 9 230 119 ... 9 9 9]
# [173 57 54 ... 188 9 9]
# [ 53 55 54 ... 97 174 9]
# [ 56 56 55 ... 104 99 191]
# [ 56 55 56 ... 105 104 103]]
print((img_cat+img_cat2)[:5,: ,0])
# 运行结果：[[ 8 194 228 ... 8 8 8]
# [ 80 104 98 ... 110 8 8]
# [ 96 100 98 ... 184 82 8]
# [102 102 100 ... 198 188 116]
# [102 100 102 ... 200 198 196]] 超过255的用大数%255得8
print(cv2.add(img_cat,img_cat2)[:5,: ,0]) #超过255取255，没有超过则取本身
# 图像融合
# print(img_cat + img_dog) 图像得GBR不匹配
print(img_cat.shape)
print(img_dog.shape)
# (158, 226, 3)
# (371, 500, 3)
img_dog = cv2.resize(img_dog,(226,158))
print(img_dog.shape)
# R=ax1+bx2+b 0.4就是权重a,0.6就是权重b，0就是偏置 res = cv2.addWeighted(img_cat,0.4, img_dog, 0.6, 0) plt.imshow(cv2.cvtColor(res, cv2.COLOR_BGR2RGB)) plt.show() # 拉伸 res = cv2.resize(img_dog, (0,0),fx = 3, fy=1) plt.imshow(cv2.cvtColor(res, cv2.COLOR_BGR2RGB)) plt.show() res = cv2.resize(img_dog,(0,0),fx = 1, fy=3) plt.imshow(cv2.cvtColor(res, cv2.COLOR_BGR2RGB)) plt.show()