实验环境：anaconda、jupyter notebook
实验用到的包：numpy,matplotlib,opencv
一、opencv安装
最好使用python3.6（我之前用的3.9安装opencv3.4.1.15会失败）
conda create -n cv python=3.6
安装opencv3.4.1.15（3.4.2版本开始有些算法就有专利了）
pip install opencv-python==3.4.1.15
pip install opencv-contrib-python==3.4.1.15
进入python命令行
import cv2
cv2.__version__
如果没报错那就可以了，如果出现了如下报错
ImportError: libGL.so.1: cannot open shared object file: No such file or directory
需要再安装
pip install opencv-python-headless==3.4.1.15
二、本文使用到的图片
图片放在python脚本相同目录下（不介意需要调整目录的话，放哪里都无所谓）
三、引入包
import cv2
import matplotlib.pyplot as plt
import numpy as np
四、opencv基础操作
读入图片
img = cv2.imread('cat.jpg')
灰度图形式读入
img = cv2.imread('cat.jpg', cv2.IMREAD_GRAYSCALE)
显示图片
如果你使用的是jupyer notebook，使用cv2.imshow()会导致内核崩溃
cv2.imshow(img')
使用matplotlib显示图片
# opencv是BGR表示
plt.subplot(121)
plt.imshow(img)
plt.title('cv cat')
# 转为RGB表示
plt.subplot(122)
plt.imshow(cv2.cvtColor(img, cv2.COLOR_BGR2RGB))
plt.title('plt cat')
plt.show()
截取部分图片
img = cv2.imread('cat.jpg')
cat = img[0:500,0:1000]
plt.imshow(cv2.cvtColor(cat, cv2.COLOR_BGR2RGB))
plt.title('roi cat')
plt.show()
边界填充
img = cv2.imread('cat.jpg', cv2.IMREAD_GRAYSCALE)top_size, bottom_size, left_size, right_size = (50, 50, 50, 50)
replicate = cv2.copyMakeBorder(img,top_size, bottom_size, left_size, right_size, borderType=cv2.BORDER_REPLICATE)
reflect = cv2.copyMakeBorder(img,top_size, bottom_size, left_size, right_size, borderType=cv2.BORDER_REFLECT)
reflect_101 = cv2.copyMakeBorder(img,top_size, bottom_size, left_size, right_size, borderType=cv2.BORDER_REFLECT_101)
wrap = cv2.copyMakeBorder(img,top_size, bottom_size, left_size, right_size, borderType=cv2.BORDER_WRAP)
constant = cv2.copyMakeBorder(img,top_size, bottom_size, left_size, right_size, borderType=cv2.BORDER_CONSTANT, value=0)plt.figure(figsize=(20,10))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('REFLCET')plt.subplot(234)
plt.imshow(reflect_101,'gray')
plt.title('REFLECT_101')plt.subplot(235)
plt.imshow(wrap,'gray')
plt.title('WRAP')plt.subplot(236)
plt.imshow(constant,'gray')
plt.title('CONSTANT')plt.show()
图像融合
cat = cv2.imread('cat.jpg')
dog = cv2.imread('dog.jpg')# 0.4 * cat + 0.6 * dog + 0
img = cv2.addWeighted(cat,0.4 ,dog, 0.6, 0)plt.subplot(313)
plt.imshow(cv2.cvtColor(img, cv2.COLOR_BGR2RGB))
plt.title('fusion')
plt.show()
五、opencv图像阈值处理
阈值处理
阈值处理函数如下：
res,dst = cv3.threshold(src, thresh, maxval, type)
- src:输入图像
- dst:输出图像
- thresh：阈值
- maxval：像素超出阈值的赋值
- type：操作类型
常用操作类型
- cv2.THRESH_BINARY：超过阈值部分取maxval，其它为0
- cv2.THRESHBINARYINV
- cv2.THRESH_TRUNC：大于阈值部分取设为阈值，其他不变
- cv2.THRESH_TOZERO：大于阈值部分不变，其它为0
- cv2.THRESHTOZEROINV
img_gray = cv2.imread('cat.jpg', cv2.IMREAD_GRAYSCALE)
ret, thresh1 = cv2.threshold(img_gray,127,255,cv2.THRESH_BINARY)
ret, thresh2 = cv2.threshold(img_gray,127,255,cv2.THRESH_BINARY_INV)
ret, thresh3 = cv2.threshold(img_gray,127,255,cv2.THRESH_TRUNC)
ret, thresh4 = cv2.threshold(img_gray,127,255,cv2.THRESH_TOZERO)
ret, thresh5 = cv2.threshold(img_gray,127,255,cv2.THRESH_TOZERO_INV)titles = ['orginal','binary','binary inv', 'trunc', 'tozero', 'tozero inv']
images = [img, thresh1, thresh2, thresh3, thresh4, thresh5]for i in range(6):plt.subplot(2,3, i + 1)plt.imshow(images[i], 'gray')plt.title(titles[i])plt.xticks([])plt.yticks([])
plt.show()
图像平滑处理
均值滤波
noise = cv2.imread('noise.jpg')# 均值滤波
# 相加取平均
blur = cv2.blur(noise, (3,3))plt.figure(figsize=(20,25))
plt.subplot(121)
plt.imshow(cv2.cvtColor(noise, cv2.COLOR_BGR2RGB))plt.subplot(122)
plt.imshow(cv2.cvtColor(blur, cv2.COLOR_BGR2RGB))
plt.show()
方框滤波
带归一化的方框滤波与均值滤波相同
# 方框滤波，带归一化跟均值滤波一样
box = cv2.boxFilter(noise, -1, (3,3), normalize=True)plt.figure(figsize=(20,25))
plt.subplot(121)
plt.imshow(cv2.cvtColor(noise, cv2.COLOR_BGR2RGB))plt.subplot(122)
plt.imshow(cv2.cvtColor(box, cv2.COLOR_BGR2RGB))
plt.show()
不带归一化的方框滤波容易出现越界情况
# 方框滤波，无归一化（不做平均），容易越界
box = cv2.boxFilter(noise, -1, (3,3), normalize=False)plt.figure(figsize=(20,25))
plt.subplot(121)
plt.imshow(cv2.cvtColor(noise, cv2.COLOR_BGR2RGB))plt.subplot(122)
plt.imshow(cv2.cvtColor(box, cv2.COLOR_BGR2RGB))
plt.show()
高斯滤波
# 高斯滤波
# 根据每个点像素值与中心点像素值的差距添加一个权重
gaussian = cv2.GaussianBlur(noise,(5,5),1)plt.figure(figsize=(20,25))
plt.subplot(121)
plt.imshow(cv2.cvtColor(noise, cv2.COLOR_BGR2RGB))plt.subplot(122)
plt.imshow(cv2.cvtColor(gaussian, cv2.COLOR_BGR2RGB))
plt.show()
中值滤波
# 中值滤波
# 用指定区域内的中间值替代区域内的像素值
# 5和(5,5)是一样的
median = cv2.medianBlur(noise,5)plt.figure(figsize=(20,25))
plt.subplot(121)
plt.imshow(cv2.cvtColor(noise, cv2.COLOR_BGR2RGB))plt.subplot(122)
plt.imshow(cv2.cvtColor(median, cv2.COLOR_BGR2RGB))
plt.show()
六、opencv形态学
原始图片
img = cv2.imread('cangying.jpg')plt.imshow(img)
plt.show()
腐蚀操作
腐蚀操作会用黑色覆盖小面积的白色区域
kernel = np.ones((5,5),np.uint8)
erosion = cv2.erode(img, kernel, iterations = 1)plt.imshow(erosion)
plt.show()
可以发现小毛刺被去除了，但是笔画也变细了
膨胀操作
膨胀操作会扩大二值图像的白色区域
dilate = cv2.dilate(erosion, kernel, iterations=1)plt.imshow(dilate)
plt.show()
开运算
先腐蚀，后膨胀
opening = cv2.morphologyEx(img, cv2.MORPH_OPEN,kernel)plt.figure(figsize=(20,15))
plt.subplot(121)
plt.imshow(img)
plt.subplot(122)
plt.imshow(opening)
plt.show()
闭运算
先膨胀，再腐蚀
closing = cv2.morphologyEx(img, cv2.MORPH_CLOSE,kernel)plt.figure(figsize=(20,15))
plt.subplot(121)
plt.imshow(img)
plt.subplot(122)
plt.imshow(closing)
plt.show()
梯度运算
膨胀结果-腐蚀结果
可以得到一个空心的结果
gradient = cv2.morphologyEx(img, cv2.MORPH_GRADIENT, kernel)plt.imshow(gradient)
plt.show()
礼帽运算
原图片 - 开运算结果
tophat = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel)plt.imshow(tophat)
plt.show()
黑帽运算
闭运算结果 - 原始图片
blackhat = cv2.morphologyEx(img, cv2.MORPH_BLACKHAT, kernel)plt.imshow(blackhat)
plt.show()
