- 前言
- 一、图片读写
- 二、调整大小和填充
- 三、滤波
- 四、边缘提取
- 五、腐蚀和膨胀，开闭运算
前言
本篇汇总了本人在OpenCV使用过程中总结的关于图片的一些函数使用经验及Bug处理经验，会根据后续使用情况逐步更新。
一、图片读写
import cv2 # 读取图片 img = cv2.imread(filename='./input.jpg', flag=1) ''' filename：打开的图像文件路径名 flag：打开方式，一般默认彩色图片，可以不写。支持以下参数： cv2.IMREAD_COLOR 加载彩色图片，这个是默认参数，可以直接写1。 cv2.IMREAD_GRAYSCALE 以灰度模式加载图片，可以直接写0。 cv2.IMREAD_UNCHANGED 包括alpha(包括透明度通道)，可以直接写-1 ''' # 展示图片 cv2.imshow(winname='img_show', img=img) cv2.waitKey(delay=0) # 没有该函数会无法看到展示图片 ''' delay：表示延迟时间。不设置或设为0表示直到用户按任意键才会继续，大于0的数字表示等待时间（ms）。 ''' # 保存图片 cv2.imwrite(filename='./output.jpg', img=img, paras=[cv2.CV_IMWRITE_JPEG_QUALITY, 95]) ''' filename：保存的文件路径名 img：要保存的图像数据 paras：可选参数，图片的编码参数，支持以下参数： cv2.CV_IMWRITE_JPEG_QUALITY：设置 .jpeg/.jpg 格式的图片质量，取值为 0-100（默认值 95），数值越大则图片质量越高； cv2.CV_IMWRITE_WEBP_QUALITY：设置 .webp 格式的图片质量，取值为 0-100； cv2.CV_IMWRITE_PNG_COMPRESSION：设置 .png 格式图片的压缩比，取值为 0-9（默认值 3），数值越大则压缩比越大。 返回值：函数可返回bool类型返回值，表示是否保存成功。 '''二、调整大小和填充
import cv2 # 读取图片 img = cv2.imread(filename='./input.jpg', flag=1) # 调整图片大小 img_resize = cv2.resize(src=img, dsize=(512, 512), dst=None, fx=None, fy=None, interpolation=cv2.INTER_LINEAR) ''' src：输入图片 dsize：输出图片尺寸，dsize和（fx，fy）选一赋值即可 dst：输出图片，也可以作为返回值输出 fx：水平轴缩放比例因子 fy：垂直轴缩放比例因子 interpolation：插值类型，可选以下参数： cv2.INTER_LINEAR 双线性插值（默认） cv2.INTER_NEAREST 最近邻插值 cv2.INTER_AREA 使用像素区域关系进行重采样 cv2.INTER_CUBIC 4x4像素领域的双三次插值 cv2.INTER_LANCZOS4 4x4像素领域的Lanczos插值 ''' # 填充图片 img_pad = cv2.copyMakeBorder(src=img_resize, top=10, bottom=10, left=10, right=10, borderType=cv2.BORDER_CONSTANT, dst=None, value=(0, 0, 0)) ''' src：输入图片 top：图片上方填充大小 bottom：图片下方填充大小 left：图片左侧填充大小 right：图片右侧填充大小 boarderType：填充方式，支持以下参数： cv2.BORDER_CONSTANT 常数填充，需要value值 cv2.BORDER_REFLECT 边界元素镜像填充 cv2.BORDER_DEFAULT 类似上面的边界元素镜像填充，略有改动 cv2.BORDER_REPLICATE 重复边界元素填充 cv2.BORDER_WRAP 镜像互换填充，类似图片平铺 dst：输出图片，也可以作为返回值输出 value：填充值，尽在borderType=cv2.BORDER_CONSTANT时需要。 ''' # 展示图片 cv2.imshow(winname='img_resize', img=img_resize) cv2.imshow(winname='img_pad', img=img_pad) cv2.waitKey(delay=0)三、滤波
import cv2 # 读取图片 img = cv2.imread(filename='./input.jpg', flag=1) # 均值滤波 img_blur = cv2.blur(src=img, ksize=(3, 3), dst=None, anchor=None, borderType=None) ''' src：输入图片 ksize：卷积核大小（元组） dst：输出图片，也可以作为返回值输出 anchor：锚点，默认值 Point(-1,-1) 表示锚点位于内核中央 borderType：计算图像外部像素的边界填充模式，参数类似上述填充的borderType参数，默认cv2.BORDER_DEFAULT ''' # 方盒滤波 img_box = boxFilter(src=img, ddepth=-1, ksize=(5, 5), dst=None, anchor=None, normalize=None, borderType=None) ''' src：输入图片 ddepth：输出图像深度，默认为-1，即和原图相同 ksize：卷积核大小（元组） dst：输出图片，也可以作为返回值输出 anchor：锚点，默认值 Point(-1,-1) 表示锚点位于核中央 normalize：是否进行核区域归一化，bool类型 borderType：计算图像外部像素的边界填充模式，参数类似上述填充的borderType参数，默认cv2.BORDER_DEFAULT ''' # 高斯滤波，去除高斯噪声 img_gaussian = cv2.Gaussianblur(src=img, ksize=(5, 5), sigmaX=None, dst=None, sigmaY=None, borderType=None) ''' src：输入图片 ksize：卷积核大小（元组） sigmaX：在水平轴上的标准差σ dst：输出图片，也可以作为返回值输出 sigmaY：在垂直轴上的标准差σ borderType：计算图像外部像素的边界填充模式，参数类似上述填充的borderType参数，默认cv2.BORDER_DEFAULT ''' # 中值滤波，去除椒盐噪声和斑点噪声 img_median = cv2.medianBlur(src=img, ksize=5, dst=None) ''' src：输入图片 ksize：卷积核大小（int） dst：输出图片，也可以作为返回值输出 ''' # 双边滤波 img_bilateral = cv2.bilateralFilter(src=img, d=3, sigmaColor=None, sigmaSpace=None, dst=None, borderType=None) ''' src：输入图片 d：像素的领域直径 sigmaColor：灰度值相似性高斯函数标准差σ sigmaSpace：空间高斯函数标准差σ dst：输出图片，也可以作为返回值输出 borderType：计算图像外部像素的边界填充模式，参数类似上述填充的borderType参数，默认cv2.BORDER_DEFAULT ''' # 展示图片 cv2.imshow(winname='img_blur', img=img_blur) cv2.imshow(winname='img_box', img=img_box) cv2.imshow(winname='img_gaussian', img=img_gaussian) cv2.imshow(winname='img_median', img=img_median) cv2.imshow(winname='img_bilateral', img=img_bilateral) cv2.waitKey(delay=0)四、边缘提取
import cv2 # 读取图片 img = cv2.imread(filename='./input.jpg', flag=1) # Canny 算子 img_canny = cv2.Canny(src=img, thresh1=50, thresh2=200) ''' src：输入图片 thresh1：最小阈值 thresh2：最大阈值 ''' # Sobel 算子 img_sobel = cv2.Sobel(src=img, ddepth=-1, dx=1, dy=0, ksize=3, scale=1, delta=0, borderType=None) ''' src：输入图片 ddepth：输出图像深度，默认为-1，即和原图相同 dx：在水平轴上的求导阶数 dy：在垂直轴上的求导阶数 ksize：卷积核大小（int），必须为奇数。-1表示使用Scharr算子 scale：梯度计算数值的放大系数，默认为1 delta：计算结果都加上delta，默认为0 borderType：计算图像外部像素的边界填充模式，参数类似上述填充的borderType参数，默认cv2.BORDER_DEFAULT ''' # Laplacian 算子 img_laplacian = cv2.Laplacian(src=img, ddepth=-1, ksize=3, scale=1, delta=0, borderType=None) ''' src：输入图片 ddepth：输出图像深度，默认为-1，即和原图相同 ksize：卷积核大小（int），必须为奇数。-1表示使用Scharr算子 scale：梯度计算数值的放大系数，默认为1 delta：计算结果都加上delta，默认为0 borderType：计算图像外部像素的边界填充模式，参数类似上述填充的borderType参数，默认cv2.BORDER_DEFAULT ''' # 展示图片 cv2.imshow(winname='img_canny', img=img_canny) cv2.imshow(winname='img_sobel', img=img_sobel) cv2.imshow(winname='img_laplacian', img=img_laplacian) cv2.waitKey(delay=0)五、腐蚀和膨胀，开闭运算
import cv2 # 读取图片 img = cv2.imread(filename='./input.jpg', flag=1) # 腐蚀操作 img_erode = cv2.erode(src=img, kernel=cv2.getStructuringElement(cv2.MORPH_RECT, (1,3)), anchor=None, iterations=1, borderType=None, borderValue=None) ''' src：输入图片 kernel：腐蚀所采用的结构类型，可使用cv2.getStructuringElement()生成，也可自定义numpy数组 anchor：锚点，默认值 Point(-1,-1) 表示锚点位于核中央 iterations：迭代次数，默认为1 borderType：计算图像外部像素的边界填充模式，参数类似上述填充的borderType参数，默认cv2.BORDER_DEFAULT borderValue：填充值 ''' ''' cv2.getStructuringElement(shape， ksize) shape：结构类型，支持以下参数： cv2. MORPH_RECT 矩形结构元素，所有元素值都是1 cv2. MORPH_CROSS 十字形结构元素，对角线元素值都是1 cv2. MORPH_ELLIPSE 椭圆形结构元素 ksize：卷积核大小（元组） ''' # 膨胀操作 img_dilate = cv2.dilate(src=img_erode, kernel=cv2.getStructuringElement(cv2.MORPH_RECT, (1,3)), anchor=None, iterations=1, borderType=None, borderValue=None) ''' 参数含义与erode相同 ''' ''' 开运算：先腐蚀再膨胀，去除白噪点 闭运算：先膨胀再腐蚀，去除黑噪点 也可使用cv2.morphologyEx函数实现 cv2.morphologyEx(src, op, kernel) src：输入图片 op：操作方式，支持以下参数： cv2.MORPH_OPEN 开运算(open) ,先腐蚀后膨胀的过程。开运算可以用来消除小黑点，在纤细点处分离物体、平滑较大物体的边界的 同时并不明显改变其面积。 cv2.MORPH_CLOSE 闭运算(close)，先膨胀后腐蚀的过程。闭运算可以用来排除小黑洞。 cv2.MORPH_GRADIENT 形态学梯度(morph-grad)，可以突出团块(blob)的边缘，保留物体的边缘轮廓。 cv2.MORPH_TOPHAT 顶帽(top-hat)，将突出比原轮廓亮的部分。 cv2.MORPH_BLACKHAT 黑帽(black-hat)，将突出比原轮廓暗的部分。 kernel：腐蚀所采用的结构类型，可使用cv2.getStructuringElement()生成，也可自定义numpy数组 ''' # 展示图片 cv2.imshow(winname='img_erode', img=img_erode) cv2.imshow(winname='img_dilate', img=img_dilate) cv2.waitKey(delay=0)
