目录

安装OpenCV

读取图像

显示图像

cv2.waitKey()函数

cv2.destroyAllWindows()函数

保存图像

读取视频

开启摄像头

图像处理

像素处理

二值图像及灰度图像

彩色图像及通道处理

调整图像大小

感兴趣区域

掩模

掩模基础及构造

掩模作为函数参数

色彩处理

色彩空间基础

GRAY色彩空间

HSV色彩空间

色调H

饱和度S

明度V

色彩空间转换

获取皮肤范围

安装OpenCV

WIN+R输入cmd打开命令运行窗口，输入以下指令：

pip install opencv-python
pip install opencv-contrib-python

安装成功后会显示以下界面

读取图像

OpenCV提供了函数cv2.imread()来读取图像，语法格式如下：

image = cv2.imread( filename[, flags] )

其中：

• retval 是返回值，其值是读取到的图像。若未读取到图像，则返回“None”。
• filename 表示要读取的图像的完整文件名。
• flags 是读取标记。该标记用来控制读取文件的类型，其主要值如下表 所示。表 中 的第 1 列值与第 3 列数值是等价的，在设置参数时，既可以使用第 1 列的值，也可以使 用第 3 列的数值。

import cv2 
lena=cv2.imread("lena.bmp") 
print(lena)

显示图像

函数cv2.imshow()用来显示图像，语法格式为

cv2.imshow( winname, mat )

其中：

• winname 是窗口名称。
• mat 是要显示的图像。

这里介绍一下访问路径的方式：

• 绝对路径：使用完整的路径名访问文件，如“E:\lesson\lena.jpg”
• 相对路径：从当前路径开始的路径。假如当前路径为E:\lesson，使用“lena=cv2.imread("lena.jpg")”语句读取文件lena.jpg时，实际上读取的是“E:\lesson\lena.jpg”。

cv2.waitKey()函数

cv2.waitKey( [delay] )

 cv2.destroyAllWindows( )

import cv2 
lena=cv2.imread("lena.bmp") 
cv2.imshow("demo1", lena ) 
cv2.imshow("demo2", lena ) 
cv2.waitKey() 
cv2.destroyAllWindows()

保存图像

image = cv2.imwrite( filename, img[, params] )

import cv2 
lena=cv2.imread("lena.bmp") 
r=cv2.imwrite("result.bmp",lena)

读取视频

函数cv2.VideoCapture()可读取视频，其语法格式为

cap = cv2.VideoCapture(视频源)

这里的视频源可以是：

• 一个表示设备索引的整数（例如，0 表示第一个摄像头）。
• 一个表示视频文件的文件路径字符串。

如果你想打开第一个摄像头，你可以这样写：
cap = cv2.VideoCapture(0)
如果你想打开一个视频文件，可以这样写：
cap = cv2.VideoCapture('path_to_your_video.mp4')

使用cv2.VideoCappture捕获视频时，通常的流程是：

1. 创建cv2.VideoCappture对象。
2. 使用循环读取视频的每一帧。
3. 对每一帧进行处理。
4. 显示帧（如果需要）。
5. 释放 cv2.VideoCappture对象并关闭窗口。

import cv2
cap = cv2.VideoCapture("test.mp4")
while True:success, img = cap.read()cv2.imshow("Result", img)if cv2.waitKey(1) & 0xFF == ord('q'):break

开启摄像头

import cv2
frameWidth = 640
frameHeight = 480
cap = cv2.VideoCapture(0)
cap.set(3, frameWidth) #设置宽度
cap.set(4, frameHeight) #设置高度
cap.set(10,150) #设置亮度
while True:success, img = cap.read()cv2.imshow("Result", img)if cv2.waitKey(1) & 0xFF == ord('q'):break
cap.release()
cv2.destroyAllWindows()

图像处理

像素处理

图像是由多个像素点堆叠而成，像素处理是对图像处理的基本操作，可以通过索引对图像内的元素进行访问和处理。OpenCV中像素数据类型为无符号的8位二进制数，范围在[0, 255]，0表示黑色，255表示白色（这里可以理解为亮度，数值越大就越亮）.

二值图像及灰度图像

二值图像表示只有黑白（0和255），而灰度图像表示由多种不同数值的像素堆叠（[0,255]）。可以将二值图像理解为特殊的灰度图，因此后面主要对灰度图进行说明。

import cv2img = cv2.imread(r"D:\Anaconda3\Pytorch\opencvbegin\mycat.png")
cv2.imshow("before", img)
print("img[50,90]原始值：", img[50, 90])
img[10:100, 80:100] = 255
print("img[50,90]修改值：", img[50, 90])
cv2.imshow("after", img)
cv2.waitKey()
cv2.destroyAllWindows()

彩色图像及通道处理

彩色图像是由红色（R）、绿色（G）、蓝色（B）等三种颜色组成，而这也就是三基色。

b = img[ ： , ： , 0 ] 
g = img[ ： , ： , 1 ] 
r = img[ ： , ： , 2 ]

b,g,r=cv2.split(img) 
上述语句与如下语句是等价的：
b=cv2.split(img)[0] 
g=cv2.split(img)[1] 
r=cv2.split(img)[2]

import cv2image = cv2.imread(r"D:\Anaconda3\Pytorch\opencvbegin\dog.jpg")
red_channel = image[:, :, 2]
green_channel = image[:, :, 1]
blue_channel = image[:, :, 0]
cv2.imshow('original', image)
cv2.imshow('Red Channel', red_channel)
cv2.imshow('Green Channel', green_channel)
cv2.imshow('blue Channel', blue_channel)
cv2.waitKey()
cv2.destroyAllWindows()

对彩色图像既然可以拆分那就当然也可以合并了。函数 cv2.merge()可以实现通道合并。例如，使用函数 cv2.merge()将 B 通道图像 b、G 通道图像 g 和 R 通道图像 r 这三幅通道图像合并为一幅 BGR 的三通道彩色图像，实现的语句为

bgr=cv2.merge([b,g,r])

调整图像大小

dst = cv2.resize( src, dsize[, fx[, fy[, interpolation]]] )

其中：

• dst 代表输出的目标图像。
• src 代表需要缩放的原始图像。
• dsize 代表输出图像大小。
• fx 代表水平方向的缩放比例。
• fy 代表垂直方向的缩放比例。
• interpolation 代表插值方式。

dsize=Size(round(fx＊src.cols),round(fy＊src.rows))

import cv2img = cv2.imread(r"D:\Anaconda3\Pytorch\opencvbegin\dog.jpg")
rows, cols = img.shape[:2]
size = (int(cols * 0.9), int(rows * 0.5))
rst = cv2.resize(img, size)
cv2.imshow("original", img)
cv2.imshow("after", rst)
print("img.shape=", img.shape)
print("rst.shape=", rst.shape)
cv2.waitKey()
cv2.destroyAllWindows()

感兴趣区域

a=img[200：400,200：400] 
img[200：400,600：800]=a

import cv2
a=cv2.imread("dog.jpg")
face=a[220:370,250:350]
cv2.imshow("original",a)
cv2.imshow("face",face)
cv2.waitKey()
cv2.destroyAllWindows()

掩模

掩模基础及构造

import cv2
import numpy as np
o=cv2.imread("dog.jpg",1)
h,w,c=o.shape
m=np.zeros((h,w,c),dtype=np.uint8)
m[100:400,200:400]=1
m[100:500,100:200]=1
result=m*o
cv2.imshow("o",o)
cv2.imshow("mask",m*255) # m＊255，确保能显示
cv2.imshow("result",result)
cv2.waitKey()
cv2.destroyAllWindows()

掩模作为函数参数

计算结果=cv2.add(参数 1,参数 2,掩模)

import cv2
import numpy as npo = cv2.imread("dog.jpg")
t = cv2.imread("lucky.jpg")
h, w, c = o.shape
t = cv2.resize(t, (w, h))
m = np.zeros((h, w), dtype=np.uint8)
m[100:400, 200:400] = 255
m[100:450, 100:200] = 255
r = cv2.add(o, t, mask=m)
cv2.imshow("Original", o)
cv2.imshow("Text", t)
cv2.imshow("Mask", m)
cv2.imshow("Result", r)
cv2.waitKey(0)
cv2.destroyAllWindows()

色彩处理

色彩空间基础

这个部分我们主要介绍GRAY和HSV色彩空间。

GRAY色彩空间

R = GRAY
G = GRAY
B = GRAY

注意：GRAY转换时也代表着通道数目的转换，灰度图一般是单通道图像（[0,255]），而RGB是3通道图像。

HSV色彩空间

HSV主要包含色调、饱和度、明度三要素。

色调H

色调指光的颜色。在HSV 色彩空间中，色调 H 的取值范围是[0,360]，色调值为 0 表示红色，色调值为 300 表示品红色。8 位位图内每个像素点能表示的值有 28 =256 个，所以在 8 位位图内表示 HSV 图像时要把色调在[0,360]范围内的值映射到[0,255]范围内。OpenCV 直接把色调的值除以 2，得到介于[0,180]的值，以适应 8 位二进制数（256 个灰度级）的存储和表示范围。

饱和度S

明度V

色彩空间转换

dst = cv2.cvtColor( src, code [, dstCn] )

其中：

• dst 表示输出图像，与原始输入图像具有相同的数据类型和深度。
• src 表示原始输入图像。可以是 8 位无符号图像、16 位无符号图像，或者单精度浮点数 图像等。
• code 是色彩空间转换码，表 3-6 展示了部分常见的 code 值。
• dstCn 是目标图像的通道数。如果参数为默认值 0，那么通道数自动通过原始输入图像和
• code 得到。

获取皮肤范围

dst = cv2.inRange( src, lowerb, upperb )

其中：

• dst 表示输出结果，大小和 src 一致。
• src 表示要检查的数组或图像。
• lowerb 表示范围下界。
• upperb 表示范围上界。
• 若 src 值处于该指定区间内，则 dst 中对应位置上的值为 255。
• 若 src 值不处于该指定区间内，则 dst 中对应位置上的值为 0。

import cv2
import numpy as np
img=cv2.imread("77.png")
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
min_HSV = np.array([0 ,10,80], dtype = "uint8")
max_HSV = np.array([33, 255, 255], dtype = "uint8")
mask = cv2.inRange(hsv, min_HSV, max_HSV)
reusult = cv2.bitwise_and(img,img, mask= mask)
cv2.imshow("img",img)
cv2.imshow("reusult",reusult)
cv2.waitKey()
cv2.destroyAllWindows()