安装 pip3 install opencv-python

图像处理:

import cv2    #导入opencv库
import numpy as np img = cv2.imread("ma.jpg") #读取一张图片,地址不能带中文
"""
第二个参数,取值可为:
cv2.IMREAD_COLOR=1:默认参数,读入一副彩色图片,忽略alpha通道
cv2.IMREAD_GRAYSCALE=0:读入灰度图片
cv2.IMREAD_UNCHANGED=-1:读入完整图片,包括alpha通道(png有,jpg无)
""" img1 = cv2.imread("ma.jpg",cv2.IMREAD_GRAYSCALE)
cv2.namedWindow("new window") #创建一个窗口,中文显示会出乱码
#参数 窗口标题 cv2.imshow("new window", img1) #显示图片
#参数1:窗口标题--不能是Pyqt的窗口;如果找不到参数1的窗口就新建一个
#imread读入的图像 cv2.imshow("new", img) print(img.shape) #输出:(452, 400, 3) 高像素(行数),宽像素(列数),通道数(一个像素有三个通道RGB)
# 灰度图由于没有颜色通道,使用shape属性返回的是(图像的高度,图像的宽度)。
print(img.size) # 542400 总通道数=高* 宽* 通道数
print(img.dtype)# uint8 3个通道每个通道占的位数(8位,一个字节)
#print(img) #输出每个像素点的参数( B , G , R )
#print(np.array(img)) #输出每个像素点的参数( B , G , R )
print(cv2.mean(img)) #获取图片 B G R 各个均值
#(210.87173119469026, 222.68342920353982, 228.77969579646017, 0.0)
#而pixel mean的话,其实是图片的所有R通道像素,求了均值,G,B通道类似,所以求出来就是三个数值(R_mean,G_mean,B_mean) print(cv2.meanStdDev(img)) #获取均值和方差,可用均值方差都为零判断图片无效
#(array([[210.87173119],[222.6834292 ],[228.7796958 ]]), array([[67.49584092],[54.39694368],[46.32777341]]))
#array([[210.87173119],[222.6834292 ],[228.7796958 ]]) 是B G R 各个均值
#array([[67.49584092],[54.39694368],[46.32777341]]) 是方差
#方差的概念:https://wenku.baidu.com/view/474731e31b37f111f18583d049649b6648d709d4.html img2=img.copy() #复制图片
cv2.imshow("fuzi", img2) cv2.waitKey(5000) #窗口等待任意键盘按键输入,0为一直等待,其他数字为毫秒数 cv2.destroyAllWindows() #销毁窗口,退出程序
cv2.namedWindow("operation", cv2.WINDOW_AUTOSIZE)  #创建窗口--方式一
#cv2.namedWindow('image',cv2.WINDOW_AUTOSIZE) #创建窗口--方式二
#cv2.WINDOW_NORMAL 窗口大小可以改变
#cv2.WINDOW_AUTOSIZE 窗口大小不可以改变
#cv2.WINDOW_FREERATIO 窗口大小自适应比例
#cv2.WINDOW_KEEPRATIO 窗口大小保持比例
#cv2.WINDOW_GUI_EXPANDED 显示色彩变成暗色

cv2.imwrite("2.jpg",img)     # 存储图片

参数1 文件名

参数2 图片(图片矩阵数据)

参数3 可选参数,可以指定使用特定格式编码保存的参数,一般情况下我们很少用到

img = 255*np.ones((240,480,3),np.uint8)  #自定义一张彩色图像
#240 高;480 宽;3 通道数

img = *np.ones((,,),np.uint8)  #自定义一张彩色图像
#240 高;480 宽;3 通道数

python--openCV--图像处理的更多相关文章

  1. Python+OpenCV图像处理(一)

    Python+OpenCV图像处理(一): 读取,写入和展示图片 调用摄像头拍照 调用摄像头录制视频 1. 读取.写入和展示图片 图像读入:cv2.imread() 使用函数cv2.imread() ...

  2. Python+OpenCV图像处理(一)——读取显示一张图片

    先在此处先声明,后面学习python+opencv图像处理时均参考这位博主的博文https://blog.csdn.net/u011321546/article/category/7495016/2? ...

  3. Python+OpenCV图像处理(十四)—— 直线检测

    简介: 1.霍夫变换(Hough Transform) 霍夫变换是图像处理中从图像中识别几何形状的基本方法之一,应用很广泛,也有很多改进算法.主要用来从图像中分离出具有某种相同特征的几何形状(如,直线 ...

  4. Python+OpenCV图像处理(九)—— 模板匹配

    百度百科:模板匹配是一种最原始.最基本的模式识别方法,研究某一特定对象物的图案位于图像的什么地方,进而识别对象物,这就是一个匹配问题.它是图像处理中最基本.最常用的匹配方法.模板匹配具有自身的局限性, ...

  5. Python+OpenCV图像处理(八)—— 图像直方图

    直方图简介:图像的直方图是用来表现图像中亮度分布的直方图,给出的是图像中某个亮度或者某个范围亮度下共有几个像素.还不明白?就是统计一幅图某个亮度像素数量.比如对于灰度值12,一幅图里面有2000 个像 ...

  6. 如何让一张图片变成二值图像?python+opencv图像处理

    前言 文的文字及图片来源于网络,仅供学习.交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理. 作者:张熹熹 PS:如有需要Python学习资料的小伙伴可以加点击下方链接自 ...

  7. Python+OpenCV图像处理(十六)—— 轮廓发现

    简介:轮廓发现是基于图像边缘提取的基础寻找对象轮廓的方法,所以边缘提取的阈值选定会影响最终轮廓发现结果. 代码如下: import cv2 as cv import numpy as np def c ...

  8. Python+OpenCV图像处理(十五)—— 圆检测

    简介: 1.霍夫圆变换的基本原理和霍夫线变换原理类似,只是点对应的二维极径.极角空间被三维的圆心和半径空间取代.在标准霍夫圆变换中,原图像的边缘图像的任意点对应的经过这个点的所有可能圆在三维空间用圆心 ...

  9. Python+OpenCV图像处理(十三)—— Canny边缘检测

    简介: 1.Canny边缘检测算子是John F. Canny于 1986 年开发出来的一个多级边缘检测算法. 2.Canny 的目标是找到一个最优的边缘检测算法,最优边缘检测的含义是: 好的检测- ...

  10. Python+OpenCV图像处理(十二)—— 图像梯度

    简介:图像梯度可以把图像看成二维离散函数,图像梯度其实就是这个二维离散函数的求导. Sobel算子是普通一阶差分,是基于寻找梯度强度.拉普拉斯算子(二阶差分)是基于过零点检测.通过计算梯度,设置阀值, ...

随机推荐

  1. [转帖]强大的strace命令用法详解

    强大的strace命令用法详解 文章转自: https://www.linuxidc.com/Linux/2018-01/150654.htm strace是什么? 按照strace官网的描述, st ...

  2. ESXi 虚拟机 提示 无法打开本地虚拟机的 xxx.vmx 的本地管道的 问题解决.

    1. 今天同事与我联系, 说一个虚拟机出现连不上, vcenter控制台关闭虚拟机之后 再次打开报错: 2. 自己最开始的解决方法 移除虚拟机, 进入服务器的datastore 重新注册, 结果发现问 ...

  3. oracle中表记录被另一个用户锁住

    应用场景 在查询oracle表时,提示表记录被另一个用户锁住了 有可能是在使用了pl/sql工具后修改某个表记录时,加锁,或者发生故障异常退出,下次登录进去修改不了 查询锁 --查看数据库的锁的来源. ...

  4. 【AtCoder】AGC005

    AGC005 A - STring 用一个栈,如果遇到S就弹入,如果遇到T栈里有S就弹出栈顶,否则T在最后的串里,最后计算出的T和栈里剩的S就是答案 #include <bits/stdc++. ...

  5. (十五)springMvc 拦截器

    文章目录 定义拦截器 接口中三个方法 配置拦截器 多个拦截器的规则 定义拦截器 springMvc 中定义拦截器只需要实现一个接口 org.springframework.web.servlet.Ha ...

  6. HDU - 2196(树形DP)

    题目: A school bought the first computer some time ago(so this computer's id is 1). During the recent ...

  7. LeetCode. 计数质数

    题目要求: 统计所有小于非负整数 n 的质数的数量. 示例i: 输入: 10 输出: 4 解释: 小于 10 的质数一共有 4 个, 它们是 2, 3, 5, 7 . 代码: class Soluti ...

  8. DeepMind提出新型超参数最优化方法:性能超越手动调参和贝叶斯优化

    DeepMind提出新型超参数最优化方法:性能超越手动调参和贝叶斯优化 2017年11月29日 06:40:37 机器之心V 阅读数 2183   版权声明:本文为博主原创文章,遵循CC 4.0 BY ...

  9. 怎样解决忘加new关键字所造成的问题

    通过构造函数 "new" 一个对象出来时, 如果忘记写这个 new, 那这个构造函数就不会返回一个实例对象, 而是会像普通函数一样执行. 下面是两种规避忘记写new时所引发的问题的 ...

  10. Partial的应用

    Partial是局部类型的意思.允许我们将一个类.结构或接口分成几个部分,分别实现在几个不同的.cs文件中.C#编译器在编译的时候仍会将各个部分的局部类型合并成一个完整的类 局部类型的注意点1. 局部 ...