Python OpenCV 上手

发表于 | 更新于: | 分类于 | |

为了从dan哥获取答案，在答题卡中找到答案的位置，所以有了本篇openCV的学习笔记。记录遇到的坑和解决方法。

前置

目前openCV已经到了2.0版本，据说语法简单了很多，所以我们就用这个版本。

import cv2


因为图片是由一个个像素点组成，而像素点又是rgb值来表示，所以图片在python中就是一堆rgb值。
恰好Numpy可以很好的处理这堆像素点，所以还要

import numpy as np

打开图像

打开图片一句话搞定：

1
img = cv2.imread(r'img\\img.png')

显示图像需要几个步骤▼

1
2
3
4
5
def display_im(img): 
    cv2.namedWindow("Image", cv2.WINDOW_NORMAL)   # 创建图像窗口,默认cv2.WINDOW_AUTOSIZE，不可调窗口大小。cv2.WINDOW_NORMAL可调节大小。
    cv2.imshow("Image", img)   # 显示指定图像
    cv2.waitKey (0)            # 暂停并等待键盘输入；0表示你不输入它就一直等。不等的话图片一闪就过去了，啥都看不到）
    cv2.destroyAllWindows()    # #释放窗口，简单暴力释放掉所有的窗口

查看图像大小

一句话~

1
print(img.shape[:2])

输出结果是(38, 80)，记好了一会还会提到这个数。

保存图像

同样是一句话搞定

1
cv2.imwrite('target.png', img)

处理图像（基础版）

python中的图像

比如这张简单的图像

用cv2打开，然后直接打印出来▼

1
2
img = cv2.imread(r'img.png')
print(img)

结果是这样的一坨数组，为了方便观察，我这里手动转换一下。

  • 数据量比较大，只显示了首尾的内容
  • 图片四角都是白色的，所以这里只能看到255
  • 通过np.set_printoptions(threshold=np.inf)可以打印所有值

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
[[[255 255 255]
  [255 255 255]
  [255 255 255]
  ..., 
  [255 255 255]
  [255 255 255]
  [255 255 255]]

 [[255 255 255]
  [255 255 255]
  [255 255 255]
  ..., 
  [255 255 255]
  [255 255 255]
  [255 255 255]]

这样看起来好多了▼

1
2
3
4
5
6
7
[
 [[255 255 255]  [255 255 255]  [255 255 255]  ...,   [255 255 255]  [255 255 255]  [255 255 255]]
 [[255 255 255]  [255 255 255]  [255 255 255]  ...,   [255 255 255]  [255 255 255]  [255 255 255]]
 ..., 
 [[255 255 255]  [255 255 255]  [255 255 255]  ...,   [255 255 255]  [255 255 255]  [255 255 255]]
 [[255 255 255]  [255 255 255]  [255 255 255]  ...,   [255 255 255]  [255 255 255]  [255 255 255]]
]

让洒家来简单分析一下这个数组吧▼

1
2
3
4
print(len(img)) #告诉洒家你这个数组一共有几行？
print(len(img[0])) # 第一行有几列？
print(len(img[0][0])) # 第一列有几个元素？
print(len(img[0][0][0]))# 第一个元素里有几个东西？

结果如下▼

1
2
3
4
5
38
80
3
---------------------------------------------------------------------------
TypeError

数组有38行80列，眼不眼熟？和上面的(38, 80)对上了！所以▼

  • 3是什么？是[255 255 255]，熟悉RGB的都知道是红绿蓝3种颜色的值。然而CV里是BGR，不要搞混哟。图片是由一行一行的彩色像素点组成的，所以我们可以用一个三维数组来表示图片中的每一个点。
  • 最里面的数组[255 255 255]是一个BGR表示的像素点颜色
  • 一行[[255 255 255] ..., [255 255 255]]就表示图片的一行像素点，一行有80个这样的点
  • 所有行放在一起一共38行，就是一副完整的图片了。这也是为什么我们可以用numpy来处理图片了。
    最后的TypeError是什么鬼？
  • 图片的最小单位就是像素里的三个颜色。颜色是个数值而不是数组，对数值用len()就报错了。

转换成灰度图像

灰度图像有助提升复杂操作的速度哦~
还是一句话：

1
img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

来看一下结果，红字变成灰字了。

1
2
3
4
5
6
7
[[255 255 255 ..., 255 255 255]
 [255 255 255 ..., 255 255 255]
 [255 255 255 ..., 255 255 255]
 ..., 
 [255 255 255 ..., 255 255 255]
 [255 255 255 ..., 255 255 255]
 [255 255 255 ..., 255 255 255]]

  • 可以看到由3维数组变成了2位数组（啊，受到了降维攻击！）。
  • 这是因为灰度图像的像素点只有一种颜色，用0到255的值就能表示了。
  • uint8（无符号整形变量）的范围正好是0-255，所以numpy处理图像通常都用这个格式。
  • 这里打印依然是图像的四个角，所以还是255.。。。

截取图像

借助python的切片器可以很优雅的截取像素，洒家截一块不是纯白的给你们看看▼

1
img_cut = img[10:30, 30:40]  # 截取high,width

截取第11到29行，30到40列。总算有些不一样值出现了▼

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
[[255 255 255 255 255 250 234 255 255 255]
 [255 255 255 255 255 184 128 223 255 255]
 [255 255 255 255 255 239 147 128 231 255]
 [255 255 255 255 255 255 243 144 223 255]
 [255 255 255 255 255 255 255 250 255 250]
 [255 255 255 255 255 255 255 255 255 250]
 [255 255 255 255 252 221 221 221 240 213]
 [255 255 255 255 246 120 120 120 205 200]
 [255 255 255 255 255 252 252 126 205 255]
 [255 255 255 255 255 255 255 126 205 255]
 [255 255 255 255 255 255 255 126 205 255]
 [255 255 255 255 255 255 255 126 205 255]
 [255 255 255 255 255 255 255 126 205 208]
 [255 255 255 255 255 255 253 125 186 242]
 [255 255 255 255 252 200 140 174 166 128]
 [255 255 255 255 255 172 179 254 255 226]
 [255 255 255 255 255 248 254 255 255 255]
 [255 255 255 255 255 255 255 255 255 255]
 [255 255 255 255 255 255 255 255 255 255]
 [255 255 255 255 255 255 255 255 255 255]]

处理图像(高级版)

给你们来点高级货~

搜索图像

先上代码▼

1
res = cv2.matchTemplate(target, img, cv2.TM_CCOEFF_NORMED)

意思就是从target图片中找到img图片，找到后给出一个。。。。
偶，时间不早了，下次接着写吧~

-------------本文结束，感谢您的阅读。如有疑问请及时提出-------------