Skip to Content

图像控制

读取图像

  • cv.imread()
(function) def imread(  
	filename: str,  // 文件路径（注意不要包含中文）
	flags: int = 1 | 0 | -1 // 彩色(不含alpha通道) | 灰度 | 彩色 
) -> MatLike

显示图像

  • cv.imshow()：会自动创建窗口并在其中显示图像
(function) def imshow(  
	winname: str,  // 窗口名称
	mat: MatLike  //读取的图片链接
) -> None

保存图像

  • cv.imwrite()：图像保存在工作目录
(function) def imwrite(  
	filename: str,  // 保存后的图像命名
	img: MatLike,  // 要保存图像
	params: Sequence[int] = ...  
) -> bool

图像属性

  • img.shape：获取图片尺寸
h,w,c = img.shape // 高度，宽度，通道数
  • img[h,w ?,c]：获取图片像素在(w,h)处c通道的颜色信息，读取顺序为B，G，R
  • img[h1:h2,w1:w2]：获取图片像素在(w1:w2,h1:h2)处所有颜色信息
  • img[:,:,c]：获取所有图片像素在c通道的颜色信息
  • img.size：获取图片像素数量
  • img.dtype：获取图像数据类型

图像操作

  • cv.resize()：改变图像大小
  • cv.spilt()：拆分图像通道
(function) def split(  
	m: MatLike,  
	mv: Sequence[MatLike] | None = ...  
) -> Sequence[MatLike]
  • cv.merge()：合并图像通道
(function) def merge(  
	mv: Sequence[MatLike],  
	dst: MatLike | None = ...  
) -> MatLike
  • cv.addWeighted()：融合图像
  • cv.copyMakeBorder()：对图像进行边界填充
  • np.hstack：图像水平堆叠

图像处理

色彩空间转化

  • cv.cvtColor()
  • HSV：容易跟踪某种颜色的物体，常用于分割指定颜色的物体
    • Hue（色调、色相）
    • Saturation（饱和度、色彩纯净度）
    • Value（明度）

阈值处理

  • 功能：加强图像特定部分
  • cv.threshold()

图像平滑

  • cv.blur：均值滤波
  • cv.boxFilter：盒式滤波
  • cv.GaussianBlur：高斯滤波
  • cv.medianBlur：中值滤波

形态学操作

  • 腐蚀：去除边界点，图像变暗
    • cv.erode()
  • 膨胀：扩张边界点，图像变亮
    • cv.dilate()
  • 开操作：先腐蚀后膨胀，去除噪点，平滑轮廓
    • cv.morphologyEx(img, cv.MORPH_OPEN, kernel)
  • 闭操作：先膨胀后腐蚀，填充小洞，连接近邻轮廓
    • cv.morphologyEx(img, cv.MORPH_CLOSE, kernel)
  • 梯度：膨胀-腐蚀，显示边缘轮廓
    •  cv.morphologyEx(img, cv.MORPH_GRADIENT, kernel)
  • 顶帽：原图像 - 开操作，突出比原图更亮的区域
    • cv.morphologyEx(img, cv.MORPH_TOPHAT, kernel)
  • 黑帽：闭操作 - 原图像，突出比原图更暗的区域
    • cv.morphologyEx(img, cv.MORPH_BLACKHAT, kernel)
# 读取图像
img = cv.imread("D:/pic/113220184_touxiang_bobopic.jpg", cv.IMREAD_GRAYSCALE)
 
# 创建结构元素
kernel = np.ones((5,5),np.uint8)
 
# 形态学操作
erosion = cv.erode(img, kernel, iterations = 1)        # 腐蚀
dilation = cv.dilate(img, kernel, iterations = 1)      # 膨胀
opening = cv.morphologyEx(img, cv.MORPH_OPEN, kernel)  # 开运算 (先腐蚀后膨胀)
closing = cv.morphologyEx(img, cv.MORPH_CLOSE, kernel) # 闭运算 (先膨胀后腐蚀)
gradient = cv.morphologyEx(img, cv.MORPH_GRADIENT, kernel) # 形态学梯度(膨胀-腐蚀)
tophat = cv.morphologyEx(img, cv.MORPH_TOPHAT, kernel)    # 顶帽(原图像-开操作)
blackhat = cv.morphologyEx(img, cv.MORPH_BLACKHAT, kernel)# 黑帽(闭操作-原图像)
 
# 创建显示窗口
plt.figure(figsize=(12,8))
titles = ['Original', 'Erosion', 'Dilation', 'Opening', 
          'Closing', 'Gradient', 'Top Hat', 'Black Hat']
images = [img, erosion, dilation, opening, 
          closing, gradient, tophat, blackhat]
 
# 使用subplot显示所有结果
for i in range(8):
    plt.subplot(2,4,i+1)
    plt.imshow(images[i],'gray')
    plt.title(titles[i])
    plt.xticks([]),plt.yticks([])
 
plt.show()

边缘检测

  • Sobel 算子：计算图像中每个像素点的梯度值来检测边缘
    • cv.Sobel()
  • Scharr 算子：对 Sobel 算子的改进，通过加权平均来增强梯度计算的效果
    • cv.Scharr()
  • Canny 边缘检测：多阶段的边缘检测算法，旨在检测图像中最显著的边缘，同时减少噪声影响
    • cv.Canny()
  • Laplacian of Gaussian (LoG) 算法：结合了高斯滤波和平滑处理，首先对图像进行高斯平滑，然后使用拉普拉斯算子（Laplacian）计算图像的二阶导数，找出灰度变化率最大的点
    • cv.Laplacian()
sobelx = cv.Sobel(img, cv.CV_64F, 1, 0, ksize=3) # x方向梯度
sobely = cv.Sobel(img, cv.CV_64F, 0, 1, ksize=3) # y方向梯度
sobelx = cv.convertScaleAbs(sobelx) # 梯度值转换为绝对值，并转换为8位无符号整数类型
sobely = cv.convertScaleAbs(sobely)
sobelxy = cv.addWeighted(sobelx, 0.5, sobely, 0.5, 0) # 将x方向和y方向的梯度图像按照0.5的权重进行融合
 
scharrx = cv.Scharr(img, cv.CV_64F, 1, 0)
scharry = cv.Scharr(img, cv.CV_64F, 0, 1)
scharrx = cv.convertScaleAbs(scharrx)
scharry = cv.convertScaleAbs(scharry)
scharrxy = cv.addWeighted(scharrx, 0.5, scharry, 0.5, 0)
 
laplacian = cv.Laplacian(img, cv.CV_64F)
laplacian = cv.convertScaleAbs(laplacian)
 
canny = cv.Canny(img, 100, 200)

图像金字塔

图像轮廓

窗口控制

创建窗口

  • cv.namedWindow()
(function) def namedWindow(  
	winname: str,  //窗口名称
	flags: int = cv.WINDOW_NORMAL | cv.WINDOW_AUTOSIZE ... // 可调整大小 | 图片原尺寸
) -> None

销毁窗口

  • cv.destroyAllWindows()：销毁所有窗口
  • cv.destroyWindow()： 销毁指定窗口
(function) def destroyWindow(winname: str) -> None

交互控制

键盘交互

  • cv.waitKey()：阻塞函数，等待获取用户键盘输入
(function) def waitKey(delay: int = ...) -> int // 程序等待时间，输入`0`一直等待，单位毫秒
Last updated on
Map