python图像处理opencv步骤是怎么样的

　　越来越觉得python是一强大的工具，处理样本确实不错。最近因项目需要涉及到图片处理，所以开始用python调用opencv，再次觉得python真乃神器也！

　　一、主要函数

　　1、 cv2.imread（）：读入图片，共两个参数，第一个参数为要读入的图片文件名，第二个参数为如何读取图片，包括cv2.IMREAD_COLOR：读入一副彩色图片；cv2.IMREAD_GRAYSCALE：以灰度模式读入图片；cv2.IMREAD_UNCHANGED：读入一幅图片，并包括其alpha通道。

　　2、cv2.imshow（）：创建一个窗口显示图片，共两个参数，第一个参数表示窗口名字，可以创建多个窗口中，但是每个窗口不能重名；第二个参数是读入的图片。

　　3、cv2.waitKey（）：键盘绑定函数，共一个参数，表示等待毫秒数，将等待特定的几毫秒，看键盘是否有输入，返回值为ASCII值。如果其参数为0，则表示无限期的等待键盘输入。

　　4、cv2.destroyAllWindows（）：删除建立的全部窗口。

　　5、cv2.destroyWindows（）：删除指定的窗口。

　　6、cv2.imwrite（）：保存图片，共两个参数，第一个为保存文件名，第二个为读入图片。

　　Python-OpenCV 处理图像基本操作

　　0x00. 图片读、写和显示操作

　　安装好 OpenCV 之后，首先尝试加载一张最简单的图片并显示出来，代码示例：

　　第一种方式使用cv2.cv的LoadImage、ShowImage和SaveImage函数

　　import cv2.cv as cv

　　# 读图片

　　image=cv.LoadImage（‘img/image.png’， cv.CV_LOAD_IMAGE_COLOR）#Load the image

　　#Or just： image=cv.LoadImage（‘img/image.png’）

　　cv.NamedWindow（‘a_window’， cv.CV_WINDOW_AUTOSIZE） #Facultative

　　cv.ShowImage（‘a_window’， image） #Show the image

　　# 写图片

　　cv.SaveImage（“thumb.png”， thumb）

　　cv.WaitKey（0） #Wait for user input and quit

　　也可以直接使用cv2的imread、imwrite和imshow函数

　　import numpy as np

　　import cv2

　　img = cv2.imread（‘messi5.jpg’，0）

　　cv2.imshow（‘image’，img）

　　k = cv2.waitKey（0）

　　if k == 27： # wait for ESC key to exit

　　cv2.destroyAllWindows（）

　　elif k == ord（‘s’）： # wait for ‘s’ key to save and exit

　　cv2.imwrite（‘messigray.png’，img）

　　cv2.destroyAllWindows（）

　　imread函数还可以定义加载的mode，默认是以RGB模式处理图片：

　　import cv2

　　grayImage = cv2.imread（‘MyPic.png’， cv2.CV_LOAD_IMAGE_GRAYSCALE）

　　# 可选参数CV_LOAD_IMAGE_COLOR （BGR）， CV_LOAD_IMAGE_GRAYSCALE （grayscale）， CV_LOAD_IMAGE_UNCHANGED（neither）

　　cv2.imwrite（‘MyPicGray.png’， grayImage）

　　0x01. 获取图片属性

　　import cv2

　　img = cv2.imread（‘img/image.png’）

　　print img.shape

　　# （640， 640， 3）

　　print img.size

　　# 1228800

　　print img.dtype

　　# uint8

　　# 在debug的时候，dtype很重要

　　0x02. 输出文本

　　在处理图片的时候，我们经常会需要把一些信息直接以文字的形式输出在图片上，下面的代码将实现这个效果：

　　import cv2.cv as cv

　　image=cv.LoadImage（‘img/lena.jpg’， cv.CV_LOAD_IMAGE_COLOR） #Load the image

　　font = cv.InitFont（cv.CV_FONT_HERSHEY_SIMPLEX， 1， 1， 0， 3， 8） #Creates a font

　　y = image.height / 2 # y position of the text

　　x = image.width / 4 # x position of the text

　　cv.PutText（image，“Hello World ！”， （x，y），font， cv.RGB（255， 255， 255）） #Draw the text

　　cv.ShowImage（‘Hello World’， image） #Show the image

　　cv.WaitKey（0）

　　cv2：

　　cv2.putText（frame， ‘Hello World’， （300，100）， 0， 0.5， （0，0，255），2）

　　0x03. 缩放图片

　　下面的例子将实现缩放图片并保存，这个在使用 OpenCV 做图像处理的时候都是很常用的操作：

　　import cv2.cv as cv

　　im = cv.LoadImage（“img/alkaline.jpg”） #get the image

　　thumb = cv.CreateImage（（im.width / 2， im.height / 2）， 8， 3） #Create an image that is twice smaller than the original

　　cv.Resize（im， thumb） #resize the original image into thumb

　　#cv.PyrDown（im， thumb）

　　cv.SaveImage（“thumb.png”， thumb） # save the thumb image

　　cv2：

　　import cv2

　　import numpy as np

　　img = cv2.imread（‘messi5.jpg’）

　　res = cv2.resize（img，None，fx=2， fy=2， interpolation = cv2.INTER_CUBIC）

　　#OR

　　height， width = img.shape［：2］

　　res = cv2.resize（img，（2*width， 2*height）， interpolation = cv2.INTER_CUBIC）

　　0x04. 图像平移

　　import cv2

　　import numpy as np

　　img = cv2.imread（‘messi5.jpg’，0）

　　rows，cols = img.shape

　　M = np.float32（［［1，0，100］，［0，1，50］］）

　　dst = cv2.warpAffine（img，M，（cols，rows））

　　cv2.imshow（‘img’，dst）

　　cv2.waitKey（0）

　　cv2.destroyAllWindows（）

　　0x05. 图像旋转

　　img = cv2.imread（‘messi5.jpg’，0）

　　rows，cols = img.shape

　　M = cv2.getRotationMatrix2D（（cols/2，rows/2），90，1）

　　dst = cv2.warpAffine（img，M，（cols，rows））

　　0x06. 仿射变换

　　import cv2

　　import numpy as np

　　img = cv2.imread（‘mao.jpg’）

　　rows，cols，ch = img.shape

　　pts1 = np.float32（［［50，50］，［200，50］，［50，200］］）

　　pts2 = np.float32（［［10，100］，［200，50］，［100，250］］）

　　M = cv2.getAffineTransform（pts1，pts2）

　　dst = cv2.warpAffine（img，M，（cols，rows））

　　cv2.imshow（‘image’，dst）

　　cv2.waitKey（0）

　　0x07. 图像颜色变换

　　实际使用过程中，我们经常也需要对一些图片的颜色空间做一些改变之类的：

　　c2.cv：

　　import cv2.cv as cv

　　im=cv.LoadImage（‘img/fruits.jpg’，cv.CV_LOAD_IMAGE_COLOR）

　　res = cv.CreateImage（cv.GetSize（im）， cv.CV_8UC2， 3） #cv.CV_32F， cv.IPL_DEPTH_16S， 。。。

　　cv.Convert（im， res）

　　cv.ShowImage（“Converted”，res）

　　res2 = cv.CreateImage（cv.GetSize（im）， cv.CV_8UC2， 3）

　　cv.CvtColor（im， res2， cv.CV_RGB2BGR） # HLS， HSV， YCrCb， 。。。。

　　cv.ShowImage（“CvtColor”， res2）

　　cv.WaitKey（0）

　　cv.Convert（）：将图片从一个颜色空间转到另一个颜色空间

　　cv.CvtColor（src， dst， code）：

　　cv2：

　　cv2.cvtColor（input_image， flag）函数实现图片颜色空间的转换，flag 参数决定变换类型。如 BGR-》Gray flag 就可以设置为 cv2.COLOR_BGR2GRAY 。

　　一个简单的例子，下面的代码实现识别摄像视频中蓝色的部分：

　　import cv2

　　import numpy as np

　　cap = cv2.VideoCapture（0）

　　while（1）：

　　# 读取视频的每一帧

　　_， frame = cap.read（）

　　# 将图片从 BGR 空间转换到 HSV 空间

　　hsv = cv2.cvtColor（frame， cv2.COLOR_BGR2HSV）

　　# 定义在HSV空间中蓝色的范围

　　lower_blue = np.array（［110，50，50］）

　　upper_blue = np.array（［130，255，255］）

　　# 根据以上定义的蓝色的阈值得到蓝色的部分

　　mask = cv2.inRange（hsv， lower_blue， upper_blue）

　　res = cv2.bitwise_and（frame，frame， mask= mask）

　　cv2.imshow（‘frame’，frame）

　　cv2.imshow（‘mask’，mask）

　　cv2.imshow（‘res’，res）

　　k = cv2.waitKey（5） & 0xFF

　　if k == 27：

　　break

　　cv2.destroyAllWindows（）

　　以上的代码给出了视频中获取兴趣对象的基本思想。

　　0x08. 通道的拆分/合并处理

　　对于一张图片的 R、G、B 通道，我们可以很方便的使用 OpenCV 获取并分离或者合并：

　　（这是将图像灰度化处理的一种方式）

　　cv2.cv

　　import cv2.cv as cv

　　orig = cv.LoadImage（‘img/fruits.jpg’）

　　b = cv.CreateImage（cv.GetSize（orig）， orig.depth， 1）

　　g = cv.CloneImage（b）

　　r = cv.CloneImage（b）

　　cv.Split（orig， b， g， r， None）

　　merged = cv.CreateImage（cv.GetSize（orig）， 8， 3）

　　cv.Merge（g， b， r， None， merged）

　　cv.ShowImage（“Image”， orig）

　　cv.ShowImage（“Blue”， b）

　　cv.ShowImage（“Green”， g）

　　cv.ShowImage（“Red”， r）

　　cv.ShowImage（“Merged”， merged）

　　cv.WaitKey（0）

　　cv2

　　import cv2

　　img = cv2.imread（‘img/image.png’）

　　b，g，r = cv2.split（img）

　　img = cv2.merge（（b，g，r））

　　0x09. 图片添加边距

　　cv2.copyMakeBorder函数

　　import cv2

　　import numpy as np

　　BLUE = ［255，0，0］

　　img1 = cv2.imread（‘opencv_logo.png’）

　　replicate = cv2.copyMakeBorder（img1，10，10，10，10，cv2.BORDER_REPLICATE）

　　reflect = cv2.copyMakeBorder（img1，10，10，10，10，cv2.BORDER_REFLECT）

　　reflect101 = cv2.copyMakeBorder（img1，10，10，10，10，cv2.BORDER_REFLECT_101）

　　wrap = cv2.copyMakeBorder（img1，10，10，10，10，cv2.BORDER_WRAP）

　　constant= cv2.copyMakeBorder（img1，10，10，10，10，cv2.BORDER_CONSTANT，value=BLUE）

　　python加opencv进行图像处理完整代码如下：

　　［python］ view plain copyimport os

　　import re

　　import sys

　　import cv2

　　from optparse import OptionParser

　　import numpy as np

　　def rotateImage（image， angel）：#parameter angel in degrees

　　height = image.shape［0］

　　width = image.shape［1］

　　## height_big = height * 2

　　## width_big = width * 2

　　height_big = height

　　width_big = width

　　image_big = cv2.resize（image， （width_big， height_big））

　　image_center = （width_big/2， height_big/2）#rotation center

　　## rot_mat = cv2.getRotationMatrix2D（image_center，angel， 0.5）

　　rot_mat = cv2.getRotationMatrix2D（image_center，angel， 1.0）

　　result = cv2.warpAffine（image_big， rot_mat， （width_big， height_big）， flags=cv2.INTER_LINEAR）

　　return result

　　filepath=‘E：\\data\\faceScrub2\\38743.jpg’

　　##im=cv2.imread（filepath，cv2.cv.CV_LOAD_IMAGE_COLOR）

　　im=cv2.imread（filepath，cv2.cv.CV_LOAD_IMAGE_GRAYSCALE）

　　im_rot=rotateImage（im，20）

　　im_smooth=cv2.GaussianBlur（im，（3，3），3.0）

　　##im_flip=cv2.flip（im，0）

　　im_flip1=cv2.flip（im，-1）

　　im_flip2=cv2.flip（im，1）

　　##im_he=cv2.equalizeHist（im）

　　##cv2.imshow（‘test’，im）

　　##cv2.imshow（‘rotated’，im_rot）

　　##cv2.imshow（‘smooth’，im_smooth）

　　##cv2.imshow（‘f0’，im_flip）

　　##cv2.imshow（‘fn’，im_flip1）

　　##cv2.imshow（‘fp’，im_flip2）

　　##cv2.imshow（‘he’，im_he）

　　cv2.imwrite（‘H：\\flipimg.jpg’，im_rot）

　　##cv2.waitKey（0）