OpenCV是一个基于BSD许可（开源）发行的跨平台计算机视觉库，可以运行在Linux、Windows、MacOS操作系统上。它轻量级而且高效——由一系列 C 函数和少量C++类构成，同时提供了Python、Ruby、MATLAB等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。
简言之，通过openCV可实现计算机图像、视频编辑。广泛应用于图像识别、运动跟踪、机器视觉等领域。（OpenCV-Python就是用Python包装了C++的实现，背后实际就是C++的代码在跑，所以代码的运行速度跟原生C/C++速度一样快，而且更加容易编写。）
基础操作函数
cv2.imread()——读取图像
函数格式cv2.imread(img,flag)
flag取值可以为
- cv2.IMREAD_COLOR 默认、彩色照片 1
- cv2.IMREAD_GRAYSCALE 灰度照片 0
- cv2.IMREAD_UNCHANGED 加载原图通道 -1
- 也可以通过1、 0、-1 指定上述三个模式
1 import cv2 2 3 # 灰度模式打开图片 4 img = cv2.imread('messi5.jpg',0)
cv2.imshow()——显示图片
1 cv2.imshow('image',img) #第一个为显示的图片名字，第二个为图片 2 cv2.waitKey(0) #不停刷新图片，直到你按下任意按键退出 3 cv2.destroyAllWindows() #关闭所有显示框，若只关闭一个，可 cv2.destroyWindow()单独指定
cv2.imwrite()——保存图片
cv2.imwrite('messigray.png',img) #第一个参数为文件名，第二个为要保存的图像。
cv2.VideoCapture()——捕捉视频图像
1 import numpy as np 2 import cv2 3 4 #创建一个VideoCapture项目，0代表选择第一个设备 5 cap = cv2.VideoCapture(0) 6 7 while(True): 8 # 捕捉每一帧图像，返回两个参数ret为是否返回图片（True or False），frame为返回的图片 9 ret, frame = cap.read() 10 11 # 通过cv2.cvtColor转换颜色格式为灰度模式 12 gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) 13 14 # 播放每一帧图像 15 cv2.imshow('frame',gray) 16 if cv2.waitKey(1) & 0xFF == ord('q'): 17 break 18 19 # 最后要记得释放capture 20 cap.release() 21 cv2.destroyAllWindows()
还可以通过更改设备号为文件名来播放视频（此处播放无声音），并且通过cv2.WaitKey()来控制播放速度，可以制作慢动作视频等等
import numpy as np import cv2 cap = cv2.VideoCapture('vtest.avi') while(cap.isOpened()): ret, frame = cap.read() gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) cv2.imshow('frame',gray) if cv2.waitKey(1) & 0xFF == ord('q'): break cap.release() cv2.destroyAllWindows()
cv2.VideoWriter()——保存视频
import numpy as np import cv2 cap = cv2.VideoCapture(0) #fourcc是一种编码格式，我们保存视频时要指定文件名、编码格式、FPS、输出尺寸、颜色模式 fourcc = cv2.VideoWriter_fourcc(*'XVID') out = cv2.VideoWriter('output.avi',fourcc, 20.0, (640,480)) #输出文件名、FourCC、帧率、大小 while(cap.isOpened()): ret, frame = cap.read() if ret==True: #cv2.flip(img,flag) 翻转图像（1水平翻转、0垂直翻转、-1水平垂直翻转） frame = cv2.flip(frame,0) # 写入视频帧 out.write(frame) cv2.imshow('frame',frame) if cv2.waitKey(1) & 0xFF == ord('q'): break else: break cap.release() out.release() cv2.destroyAllWindows()
此外还有不常用的：
cv2.line(), cv2.circle() , cv2.rectangle(), cv2.ellipse(), cv2.putText()
cv2.setMouseCallback()——鼠标绘图
import cv2 import numpy as np #初始化 drawing = False #为真时开始画图 mode = True #为真时画举行，为假时画圆 ix,iy = -1,-1 def draw_circle(event,x,y,flags,param): global ix,iy,drawing,mode #鼠标左键按下时 if event == cv2.EVENT_LBUTTONDOWN: drawing = True ix,iy = x,y #鼠标移动时 elif event == cv2.EVENT_MOUSEMOVE: if drawing == True: if mode == True: cv2.rectangle(img,(ix,iy),(x,y),(0,255,0),-1) else: cv2.circle(img,(x,y),5,(0,0,255),-1) #鼠标抬起时 elif event == cv2.EVENT_LBUTTONUP: drawing = False if mode == True: cv2.rectangle(img,(ix,iy),(x,y),(0,255,0),-1) else: cv2.circle(img,(x,y),5,(0,0,255),-1) #初始化图像 img = np.zeros((512,512,3), np.uint8) cv2.namedWindow('image') cv2.setMouseCallback('image',draw_circle) #按下"m"来切换模式 while(1): cv2.imshow('image',img) k = cv2.waitKey(1) & 0xFF if k == ord('m'): mode = not mode elif k == 27: break cv2.destroyAllWindows()
array.item()、array.itemset()——查看并修改单一像素值
import cv2 import numpy as np img = cv2.imread('messi5.jpg') # 指定像素点 px = img[100,100] print(px) #[157 166 200] # 获取蓝色像素值 blue = img[100,100,0] print(blue) #157
img.shape img.size img.dtype —— 查看图片尺寸、大小、数据类型
>>> print img.shape (342, 548, 3) >>> print img.size 562248 >>> print img.dtype uint8
cv2.split cv2.merge —— 分离、合并通道（注意：有损分离）
>>> b,g,r = cv2.split(img) >>> img = cv2.merge((b,g,r)) #或者 >>> b = img[:,:,0] #也可以通过这种形式快速指定红色通道像素值为0 >>> img[:,:,2] = 0
cv2.copyMakeBorder() —— 给图片加一个相框
可以指定下列参数
- src - 你的图片
- top, bottom, left, right - 上下左右边框宽度
- borderType - 边框类型（下面详细展示，不做具体讲解）
- cv2.BORDER_CONSTANT
- cv2.BORDER_REFLECT
- cv2.BORDER_REFLECT_101 or cv2.BORDER_DEFAULT
- cv2.BORDER_REPLICATE
- cv2.BORDER_WRAP
- value - 当类型为cv2.BORDER_CONSTANT时需要额外指定的值
-
1 import cv2 2 import numpy as np 3 from matplotlib import pyplot as plt 4 5 BLUE = [255,0,0] 6 7 img1 = cv2.imread('opencv_logo.png') 8 9 replicate = cv2.copyMakeBorder(img1,10,10,10,10,cv2.BORDER_REPLICATE) 10 reflect = cv2.copyMakeBorder(img1,10,10,10,10,cv2.BORDER_REFLECT) 11 reflect101 = cv2.copyMakeBorder(img1,10,10,10,10,cv2.BORDER_REFLECT_101) 12 wrap = cv2.copyMakeBorder(img1,10,10,10,10,cv2.BORDER_WRAP) 13 constant= cv2.copyMakeBorder(img1,10,10,10,10,cv2.BORDER_CONSTANT,value=BLUE) 14 15 plt.subplot(231),plt.imshow(img1,'gray'),plt.title('ORIGINAL') 16 plt.subplot(232),plt.imshow(replicate,'gray'),plt.title('REPLICATE') 17 plt.subplot(233),plt.imshow(reflect,'gray'),plt.title('REFLECT') 18 plt.subplot(234),plt.imshow(reflect101,'gray'),plt.title('REFLECT_101') 19 plt.subplot(235),plt.imshow(wrap,'gray'),plt.title('WRAP') 20 plt.subplot(236),plt.imshow(constant,'gray'),plt.title('CONSTANT') 21 22 plt.show()
cv2.inRange —— 用来追踪物体
HSV是一个常用于颜色识别的模型，相比BGR更易区分颜色，转换模式用COLOR_BGR2HSV表示。
经验之谈：OpenCV中色调H范围为[0,179]，饱和度S是[0,255]，明度V是[0,255]。虽然H的理论数值是0°~360°，但8位图像像素点的最大值是255，所以OpenCV中除以了2，某些软件可能使用不同的尺度表示，所以同其他软件混用时，记得归一化。
现在，我们实现一个使用HSV来只显示视频中蓝色物体的例子，步骤如下： 1、捕获视频中的一帧 2、从BGR转换到HSV 3、提取蓝色范围的物体 4、只显示蓝色物体
1 capture = cv2.VideoCapture(0) 2 # 蓝色的范围，不同光照条件下不一样，可灵活调整 3 lower_blue = np.array([100, 110, 110]) 4 upper_blue = np.array([130, 255, 255]) 5 while(True): 6 # 1.捕获视频中的一帧 7 ret, frame = capture.read() 8 # 2.从BGR转换到HSV 9 hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV) 10 # 3.inRange()：介于lower/upper之间的为白色，其余黑色 11 mask = cv2.inRange(hsv, lower_blue, upper_blue) 12 # 4.只保留原图中的蓝色部分 13 res = cv2.bitwise_and(frame, frame, mask=mask) 14 cv2.imshow('frame', frame) 15 cv2.imshow('mask', mask) 16 cv2.imshow('res', res) 17 if cv2.waitKey(1) == ord('q'): 18 break 19 20 作者：IConquer 21 链接：https://www.jianshu.com/p/885f7992b8fc 22 來源：简书 23 简书著作权归作者所有，任何形式的转载都请联系作者获得授权并注明出处。
1 import numpy as np 2 import cv2 3 4 cv2.namedWindow('hello blue!') 5 capture = cv2.VideoCapture(0) 6 #设定蓝色的范围HSV 7 # lower_color = np.array([100,110,110]) 8 # upper_color = np.array([130,255,255])
#设定绿色的范围HSV
9 lower_color = np.array([37, 43, 46]) 10 upper_color = np.array([77, 255, 255]) 11 12 while True: 13 #1、捕获摄像头的一帧画面 14 ret,frame = capture.read() 15 #2、从BRG转换为HSV(色调H范围为[0,179]，饱和度S是[0,255]，明度V是[0,255]) 16 hsv = cv2.cvtColor(frame,cv2.COLOR_BGR2HSV) 17 #3、inRange()：介于lower_color 和 upper_color之间的为白色，其余为黑色 18 mask = cv2.inRange(hsv,lower_color,upper_color) 19 #4、只保留原图中的蓝色部分 20 reserve = cv2.bitwise_and(frame,frame,mask=mask) 21 cv2.imshow('frame',frame) 22 cv2.imshow('mask',mask) 23 cv2.imshow('reserve',reserve) 24 if cv2.waitKey(1) == ord('q'): 25 break 26 27 #释放摄像头 28 capture.release() 29 #关闭窗口 30 cv2.destroyAllWindows()
