python学opencv|读取图像

【1】引言

前序学习了使用matplotlib模块进行画图,今天开始我们逐步尝试探索使用opencv来处理图片。

【2】学习资源

官网的学习链接如下:

OpenCV: Getting Started with Images

不过读起来是英文版,可能略有难度,所以另推荐一个中文版本的教程,请点击下述链接:

2. GUI 功能 - 图像入门 - 《OpenCV 中文文档 4.0.0》 - 书栈网 · BookStack

作为图像入门的开始教程,英文的官网和中文的博客内容上大同小异,但核心目的都是学会使用三个函数:cv.imread()cv.imshow()cv.imwrite()

细心地同学会发下,imread()和imshow()函数在matplotlib模块中同样可以调用。

【3】 函数解读

【3.1】imread()函数

打开下述链接,可以直达opencv官网对imread()函数的解读:

OpenCV: Image file reading and writing

此处应该理解核心话语:Loads an image from a file.

打开下述链接,可以直达matplotlib官网对imread()函数的解读:

https://matplotlib.org/stable/api/_as_gen/matplotlib.pyplot.imread.html#matplotlib.pyplot.imread

这里的核心解释几乎完全一样: Read an image from a file into an array.

理解下来:imread()函数的功能是读取(read)图片。

【3.2】imshow()函数

打开下述链接,可以直达opencv官网对imshow()函数的解读:

OpenCV: High-level GUI

此处应该理解核心话语:

此处应该理解核心话语:Displays an image in the specified window.

打开下述链接,可以直达matplotlib官网对imread()函数的解读:

matplotlib.pyplot.imshow — Matplotlib 3.9.2 documentation

这里的核心解释略有不同,但实际上的效果几乎完全一样:Display data as an image, i.e., on a 2D regular raster.

理解下来:imread()函数的功能是显示(display)图片。

【3.3】imwrite()函数

打开下述链接,可以直达opencv官网对imwrite()函数的解读:

OpenCV: Image file reading and writing

此处应该理解核心话语:

此处应该理解核心话语:Saves an image to a specified file.

在matplotlib官网中没有找到该函数。

理解下来:imread()函数的功能是保存(write)图片。

【4】 代码解读 

在上述解读的基础上,我们尝试理解代码。

书栈网2. GUI 功能 - 图像入门 - 《OpenCV 中文文档 4.0.0》 - 书栈网 · BookStack

提供了一段非常简洁清晰的代码,我们对其进行解读。

    import numpy as npimport cv2 as cvfrom matplotlib import pyplot as pltimg = cv.imread('messi5.jpg',0)plt.imshow(img, cmap = 'gray', interpolation = 'bicubic')plt.xticks([]), plt.yticks([]) # 隐藏 X 和 Y 轴的刻度值plt.show()

首先是引入画图和opencv模块:

import numpy as np #引入计算模块
import cv2 as cv #引入opencv模块
from matplotlib import pyplot as plt #引入画图模块

然后是读取图片和显示图片:

img = cv.imread('messi5.jpg', 0) #读取图片
plt.imshow(img, cmap='gray', interpolation='bicubic') #显示图片

读取图片使用了opencv模块,显示图片使用了matplotlib模块。

然后是直接输出图片:

plt.xticks([]), plt.yticks([])  # 隐藏 X 和 Y 轴的刻度值
plt.show() #输出图片

不过这段代码不能直接读取和输出图片,因为我们没有messi5.jpg。所以我改了一下,使用了自己的图片。

请注意,如果是使用pycharm编辑器,图片的应该和python程序存在同一个位置,也就是对应的project里面。比如我的程序名为testcv,程序位于D盘的位置是:

D:\python\workspace\pythonProject20\testcv.py

则图片也应该放在这个位置。

以下述图片为例:

fc3d8ba753e940bb9a0f6da5e138b764.png

图1

把图片放在对应位置后,把读取图片的代码改成下述形式:

img = cv.imread('2d3d01.png', 0) #读取图片

此时运行代码会获得新图片:

b9bdfb113a77494d85e2f931ec6c3861.png

图2

【5】代码改写

为了测试图片保存函数cv.imwrite(),我们尝试增加下述代码:

cv.imwrite('2d3d01-cv.png', img) #保存图片

运行代码后,我们看到文件夹了果然多了一张图片:

0d0439baad224a5489859e8461402a7d.png

图3

可见,imwrite()函数成功保存了图片。

【6】总结

开启了入门学习opencv的新篇章,学习了三个函数:cv.imread()cv.imshow()cv.imwrite()

的基本功能。

 

 

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/diannao/62189.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

27加餐篇:gRPC框架的优势与不足之处

gRPC作为一个现代的、开源的远程过程调用(RPC)框架,在多个方面都展现了其优雅之处,同时也存在一些不足之处。这篇文章我们就相对全面的分析一下gRPC框架那些优雅的地方和不足的地方。 优雅的地方 gRPC作为一个RPC框架,在编码、传输协议已经支持多语言方面都比较高效,下…

linux模拟HID USB设备及wireshark USB抓包配置

文章目录 1. 内核配置2. 设备配置附 wireshark USB抓包配置 linux下模拟USB HID设备的简单记录&#xff0c;其他USB设备类似。 1. 内核配置 内核启用USB Gadget&#xff0c;使用fs配置usb device信息。 Device Drivers ---> [*] USB support ---><*> USB …

Ubuntu20.04运行R-VIO2

目录 1.环境配置2.构建项目3. 运行 VIO 模式4.结果图 1.环境配置 CMakeLists.txt中 C 使用 14、opencv使用4 2.构建项目 克隆代码库&#xff1a; 在终端中执行以下命令克隆项目&#xff1a;git clone https://github.com/rpng/R-VIO2.git编译项目&#xff1a; 使用 catkin_m…

2024年09月CCF-GESP编程能力等级认证Scratch图形化编程三级真题解析

本文收录于《Scratch等级认证CCF-GESP图形化真题解析》专栏,专栏总目录:点这里,订阅后可阅读专栏内所有文章。 一、单选题(一共 15 个题目,每题 2 分,共 30 分) 第 1 题 据有关资料,山东大学于 1972 年研制成功 DJL-1 计算机,并于 1973 年投入运行,其综合性能居当时…

BGE-M3模型结合Milvus向量数据库强强联合实现混合检索

在基于生成式人工智能的应用开发中&#xff0c;通过关键词或语义匹配的方式对用户提问意图进行识别是一个很重要的步骤&#xff0c;因为识别的精准与否会影响后续大语言模型能否检索出合适的内容作为推理的上下文信息&#xff08;或选择合适的工具&#xff09;以给出用户最符合…

ffmpeg命令详解

原文网址&#xff1a;ffmpeg命令详解_IT利刃出鞘的博客-CSDN博客 简介 本文介绍ffmpeg命令的用法。 命令示例 1.mp4和avi的基本互转 ffmpeg -i D:\input.mp4 E:\output.avi ffmpeg -i D:\input.avi E:\output.mp4 -i 表示input&#xff0c;即输入。后面填一个输入地址和一…

基于YOLOv8深度学习的智慧课堂教师上课行为检测系统研究与实现(PyQt5界面+数据集+训练代码)

随着人工智能技术的迅猛发展&#xff0c;智能课堂行为分析逐渐成为提高教学质量和提升教学效率的关键工具之一。在现代教学环境中&#xff0c;能够实时了解教师的课堂表现和行为&#xff0c;对于促进互动式教学和个性化辅导具有重要意义。传统的课堂行为分析依赖于人工观测&…

十、事件类型(鼠标事件、焦点.. 、键盘.. 、文本.. 、滚动..)、事件对象、事件流(事件捕获、事件冒泡、阻止冒泡和默认行为、事件委托)

1. 事件类型 1.1 鼠标事件 1.1.1 click 鼠标点击 1.1.2 mouseenter 鼠标进入 1.1.3 mouseleave 鼠标离开 <!DOCTYPE html> <html lang"en"><head><meta charset"UTF-8"><meta name"viewport" content"widt…

java——Spring Boot的配置加载顺序和优先级

Spring Boot的配置加载顺序和优先级是确定应用程序如何读取和应用配置的关键。以下是对Spring Boot配置加载顺序和优先级的详细解释&#xff1a; 一、配置加载顺序 命令行参数&#xff1a; Spring Boot会首先加载命令行中指定的参数。这些参数可以通过在命令行中使用--keyval…

wireshark基础

免责声明&#xff1a; 笔记的只是方便各位师傅学习知识&#xff0c;以下代码、网站只涉及学习内容&#xff0c;其他的都与本人无关&#xff0c;切莫逾越法律红线&#xff0c;否则后果自负。 泷羽sec官网&#xff1a;https://longyusec.com/ 泷羽sec B站地址&#xff1a;https:/…

单例模式入门

单例模式是一种创建型设计模式&#xff0c; 让你能够保证一个类只有一个实例&#xff0c; 并提供一个访问该实例的全局节点。 它的运作方式是这样的&#xff1a; 如果你创建了一个对象&#xff0c; 同时过一会儿后你决定再创建一个新对象&#xff0c; 此时你会获得之前已创建的…

圆域函数的傅里叶变换和傅里叶逆变换

空域圆域函数的傅里叶变换 空域圆域函数&#xff08;也称为空间中的圆形区域函数&#xff09;通常指的是在二维空间中&#xff0c;以原点为中心、半径为 a a a的圆内取值为1&#xff0c;圆外取值为0的函数。这种函数可以表示为&#xff1a; f ( x , y ) { 1 if x 2 y 2 ≤ …

element-plus弹窗二次封装踩坑

1 基于element-plus的二次封装弹窗很常见。代码如下&#xff1a; 父组件&#xff1a; import Dialog from ./components/Dialogs/testDailog.vueconst showref(false) const openDialog()>{show.valuetrue}<button click"openDialog" >打开dialoag</bu…

HTML和CSS 表单、表格练习

HTML和CSS 表格练习 <!DOCTYPE html> <html lang"zh-CN"><head><meta charset"UTF-8"><meta name"viewport" content"widthdevice-width, initial-scale1.0"><title>HTML表格练习</title>…

【大模型】深度解析 NLP 模型5大评估指标及 应用案例:从 BLEU、ROUGE、PPL 到METEOR、BERTScore

在自然语言处理&#xff08;NLP&#xff09;领域&#xff0c;无论是机器翻译、文本生成&#xff0c;还是问答系统开发&#xff0c;模型性能评估指标始终是开发者绕不开的工具。BLEU、ROUGE、PPL&#xff08;困惑度&#xff09;、METEOR 和 BERTScore 是五个最具代表性的指标&am…

黑马程序员Java项目实战《苍穹外卖》Day01

苍穹外卖-day01 课程内容 软件开发整体介绍苍穹外卖项目介绍开发环境搭建导入接口文档Swagger 项目整体效果展示&#xff1a; ​ 管理端-外卖商家使用 ​ 用户端-点餐用户使用 当我们完成该项目的学习&#xff0c;可以培养以下能力&#xff1a; 1. 软件开发整体介绍 作为一…

Java高级特性 - IO流

第1关 什么是IO流 BC,C 第2关 字节流-输入输出 第3关 字符流 - 输入输出 第4关 复制文件

BERT 详解

BERT简介 BERT&#xff08;Bidirectional Encoder Representations from Transformers&#xff09;是由 Google 在 2018 年提出的一种预训练语言模型。BERT 在自然语言处理&#xff08;NLP&#xff09;领域取得了重大突破&#xff0c;因为它能够有效地捕捉文本的上下文信息&am…

LLM大模型意图识别:分类算法lora训练案例

参考&#xff1a; https://blog.csdn.net/weixin_42357472/article/details/141134380 &#xff08;LLaMA-Factory 微调训练&#xff09; https://modelscope.cn/competition/54/summary?seasonId56 https://github.com/coggle-club/notebooks/blob/main/notebooks/llm/RAG-BM…

SCI文献推荐-基于物联网的新型压降控制,用于多个微电网之间的电池 SoC 平衡

Novel IoT-Based Droop Control for Battery SoC Balancing Among Multiple Microgrids 基于物联网的新型压降控制&#xff0c;用于多个微电网之间的电池 SoC 平衡 |IEEE期刊和杂志 |IEEE Xplore 摘要&#xff1a;储能系统是微电网的重要组成部分&#xff0c;弥补了其自主运行…