opencv-python图像处理基础（一）

#一.读取图像数据
import  cv2 

img=cv2.imread("d:/image0.JPG")   #读取图片数据
print(img)
cv2.imshow('image',img)       #显示窗口数据
cv2.waitKey(0)                #等待延迟
cv2.destroyAllWindows()

print（img） #打印像素值通道

从这个结果可以出：现在每个像素都由一个三元素组表示，并且每个整型（integer）向量

分别表示一个B,G,R通道。其他色彩空间（如hsv）也以同样地方式来表示像素，只是取值范围和通道数目不同
（例如，hsv）

print(img.shape)#打印通道

读取图像处理

cv2.IMREAD_COLOR：彩色图像

cv2.IMREAD_GRAYSCALE：灰度图像

灰度图像处理

import  cv2 as cv
import numpy as np

img1=cv.imread("d:/image0.JPG",cv.IMREAD_GRAYSCALE)   #读取灰图片数据
print(img1)
print(img1.shape)
cv.imshow('image',img1)       #显示窗口数据
cv.waitKey(0)                #等待延迟
cv.destroyAllWindows()

结果可以和色彩图像对比

二，数据读取-视频

cv2.VideoCapture可以捕获摄像头，用数字来控制不同的设备，例如0,1。

如果是视频文件，直接指定好路径即可。

import  cv2 

vc=cv2.VideoCapture(0)  #打开摄像头
if vc.isOpened():             #判断摄像头状态
    open ,frame=vc.read()
else:
    open=False
while open:
    ret,frame=vc.read()    #frame帧率
    if frame is None:
        break
    if ret==True:
        gray=cv2.cvtColor(frame,cv2.COLOR_BGR2GRAY) #灰色处理
        cv2.imshow("result",gray)

    if cv2.waitKey(10)& 0xFF==27:
       break 

vc.release()

cv2.destroyAllWindows()

读取摄像头并且设置为灰色模式

剪切图像

import cv2
img=cv2.imread("d:/image0.JPG")
flower=img[0:200,0:200]           #剪切图像
cv2.imshow('image',flower)       #显示窗口数据
cv2.waitKey(0)                #等待延迟
cv2.destroyAllWindows()

颜色通道地提取只保留r通道

import cv2
img=cv2.imread("d:/image0.JPG")
b,g,r=cv2.split(img)
print(b)
#只保留b结果
cur_img=img.copy()
cur_img[:,:,0]=0
cur_img[:,:,1]=0
cv2.imshow('image',cur_img)       #显示窗口数据
cv2.waitKey(0)                #等待延迟
cv2.destroyAllWindows()

颜色通道地提取只保留g通道

import cv2
img=cv2.imread("d:/image0.JPG")
b,g,r=cv2.split(img)
print(b)
#只保留b结果
cur_img=img.copy()
cur_img[:,:,0]=0
cur_img[:,:,2]=0
cv2.imshow('image',cur_img)       #显示窗口数据
cv2.waitKey(0)                #等待延迟
cv2.destroyAllWindows()

颜色通道地提取只保留b通道

import  cv2
img=cv2.imread("d:/image0.JPG")
b,g,r=cv2.split(img)
print(b)
#只保留b结果
cur_img=img.copy()
cur_img[:,:,1]=0
cur_img[:,:,2]=0
cv2.imshow('image',cur_img)       #显示窗口数据
cv2.waitKey(0)                #等待延迟
cv2.destroyAllWindows()

边界填充

BORDER_REPLICATE：复制法，也就是复制最边缘像素。

BORDER_REFLECT：反射法，对感兴趣的图像中的像素在两边进行复制例如：fedcba|abcdefgh|hgfedcb

BORDER_REFLECT_101：反射法，也就是以最边缘像素为轴，对称，gfedcb|abcdefgh|gfedcba

BORDER_WRAP：外包装法cdefgh|abcdefgh|abcdefg

BORDER_CONSTANT：常量法，常数值填充。

import cv2
import matplotlib.pyplot as plt
img=cv2.imread("d:/cat.JPG")
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,cv2.BORDER_REFLECT)
reflect101 = cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size, cv2.BORDER_REFLECT_101)
wrap = cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size, cv2.BORDER_WRAP)
constant = cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size,cv2.BORDER_CONSTANT, value=0)
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('REFLECT')
plt.subplot(234), plt.imshow(reflect101, '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()

数值计算

import cv2
img=cv2.imread("d:/image0.JPG")
img_flower=img+10 #所有通道数值+10
print(img[:5,:,0])
print(".........................")
print(img_flower[:5,:,0])

　

当数值超过256时会以%256地形式展示通道数据

print(".........................")
print((img_flower+img)[:5,:,0])