opencv-python学习笔记——研0基础学习（持续更新）

一、图像的介绍

1. 图像以像素存储，若只有黑白颜色的三色图，为单通道，一个像素对应矩阵中的一个数字，数值为0到255。其中0表示最暗（黑色），255表示最亮（白色）。
   
   对于RGB模式的彩色图片，为三通道图，Red、Green、Blue三原色。一个像素块对应矩阵中的一个向量，分别表示三种颜色的比例。
   
   需要注意的是，由于历史遗留问题，opencv采用BGR模式，而不是RGB

二、图像读取保存 *** 作（cv2）

1. 图像的读取：cv2.imread(img_path,flag)
   img_path: 图片的路径
   flag：
   cv2.IMREAD_COLOR，读取彩色图片，图片透明性会被忽略，为默认参数，也可以传入1
   cv2.IMREAD_GRAYSCALE,按灰度模式读取图像，也可以传入0
   cv2.IMREAD_UNCHANGED,读取图像，包括其alpha通道，也可以传入-1

2. 图像的写入：cv2.imshow(window_name,img)
   window_name: 指定窗口的名字
   img：显示的图片对象
   可以指定多个窗口名称，显示多个图片

3. 图像的保存：cv2.imwrite(img_path_name,img)
   img_path_name:保存的文件名
   img：文件对象

# 将导入包名另命名
import numpy as np
import cv2 as cv
import matplotlib.pyplot as plt
# 1 读取图像
img = cv.imread('messi5.jpg',0)
# 2 显示图像
# 2.1 利用opencv展示图像
cv.imshow('image',img)
# 调用cv.waitKey()给图像绘制留下时间，否则窗口会出现无响应情况，并且图像无法显示出来。
k = cv.waitKey(0)
# 3 保存图像
cv.imwrite('messigray.png',img)

用cv2读取彩色图片通道顺序为B、G、R，PIL显示图片是R、G、B顺序，因此读出来图片颜色会改变，需要对图像通道进行调序。

未调整前

import cv2 as cv
import matplotlib.pyplot as plt
# 读取图像
img = cv.imread("E:\3.jpg")
# 将图片输出到屏幕
plt.imshow(img)
plt.show() 

调整后

import cv2 as cv
import matplotlib.pyplot as plt
# 读取图像
img = cv.imread("E:\3.jpg")
# 调整通道顺序
# split()将img分裂为三通道
b,g,r = cv.split(img)
# merge()将三通道合并
img = cv.merge([r,g,b])
# 将图片输出到屏幕
plt.imshow(img)
plt.show()  

加入了两行代码，如下

b,g,r = cv.split(img)
img = cv.merge([r,g,b])

三、图像像素获取和编辑

1. 获取像素值，更改像素值

import numpy as np
from PIL import Image
import matplotlib.pyplot as plt
# 读取图像
img = Image.open("E:\3.jpg")
# 导入数组
img = np.array(img)
# 获取(100,100)处的像素值
pixel = img[100,100]
# 将[100,100]处的像素值设置为[0,0,0]
img[100,100]=[0,0,0]
# 将图片输出到屏幕
plt.imshow(img)
plt.show() 

更改前，[100,100]处像素值为[254，174，201]

更改后，[100，100]处的像素值为[0，0，0]

2. 获取[100,100]处单通道像素值，并更改单通道像素值

import numpy as np
from PIL import Image
import matplotlib.pyplot as plt
# 读取图像
img = Image.open("E:\3.jpg")
# 导入数组
img = np.array(img)
# 获取(100,100)处的像素值
pixel = img[100,100]
#获取单通道像素值
b = img[100,100,0]
g = img[100,100,1]
r = img[100,100,2]
#更改red通道值
r = img[100,100,2]=0
# 将图片输出到屏幕
plt.imshow(img)
plt.show() 

更改后[100，100]处red像素值变为0.

3. 使用函数获取单通道像素值：piexl = img.item(x,y,i)
   x表示横坐标，y表示纵坐标，i表示从左到右第几个元素。
   此处i可选用0，1，2.从左到右分别为b通道，g通道，r通道
4. 使用函数设置单通道像素值：img.itemset((x,y,i),num)
   x,y,i同上。num自0~255取值，表示rgb颜色数值。

import numpy as np
from PIL import Image
import matplotlib.pyplot as plt
# 读取图像
img = Image.open("E:\3.jpg")
# 导入数组
img = np.array(img)
# 获取(100,100)处的像素值
pixel = img[100,100]
# 通过img.item() *** 作，可以直接定位到对应的区域。
# 即获取[100,100]处的第1个元素
piexl = img.item(100,100,0)
# itemset((x, y), z) 中的（x，y）代表的就是矩阵中元素位置，‘z’为该元素的值
img.itemset((100,100,0),99)
# 将图片输出到屏幕
plt.imshow(img)
plt.show()

四、图片性质及截取

1. List item
   输出图片宽，长，通道数

import numpy as np
from PIL import Image
# 读取图像
img = Image.open("E:\3.jpg")
# 导入数组
img = np.array(img)
print(img.shape)

此处表示图片为宽500（rows），长500（cols），3通道（channels）

2. 输出所有像素数

import numpy as np
from PIL import Image
# 读取图像
img = Image.open("E:\3.jpg")
# 导入数组
img = np.array(img)
print(img.size)

此处表示5005003=750000

3. 输出图片数字类型

import numpy as np
from PIL import Image
# 读取图像
img = Image.open("E:\3.jpg")
# 导入数组
img = np.array(img)
print(img.dtype)

4. ROI截取

import numpy as np
from PIL import Image
import matplotlib.pyplot as plt
# 读取图像
img = Image.open("E:\3.jpg")
# 导入数组
img = np.array(img)
#截取100行到200行，300列到400列
roi = img[100:200,300:400]
#将截取的区域roi移动到该区域
img[50:150,200:300] = roi
# 将图片输出到屏幕
plt.imshow(img)
plt.show()

原图

移动完

截取通道

import numpy as np
from PIL import Image
import cv2 as cv
import matplotlib.pyplot as plt
# 读取图像
img = Image.open("E:\3.jpg")
# 导入数组
img = np.array(img)
# 截取整个蓝色通道
b = img[:,:,0]
# 截取三个通道
b,g,r = cv.split(img)
# 按照rgb重新组合
img = cv.merge((r,g,b))
# 将图片输出到屏幕
plt.imshow(img)
plt.show()

五、添加边界

1. cv2.copyMakeBorder()
   参数：
   img:图像对象
   top,bottom,left,right: 上下左右边界宽度，单位为像素值
   borderType:
   cv2.BORDER_CONSTANT, 带颜色的边界，需要传入另外一个颜色值
   cv2.BORDER_REFLECT, 边缘元素的镜像反射做为边界
   cv2.BORDER_REFLECT_101/cv2.BORDER_DEFAULT
   cv2.BORDER_REPLICATE, 边缘元素的复制做为边界
   CV2.BORDER_WRAP
   value: borderType为cv2.BORDER_CONSTANT时，传入的边界颜色值，如[0,255,0]
   

六、图像的运算

1. 像素算数运算
   cv2.add(img1，img2，mask:None，dtype:-1)
   相加的两个图片，应该有相同的大小和通道
   img1:图片对象1
   img2:图片对象2
   mask:None （掩膜，一般用灰度图做掩膜，img1和img2相加后，和掩膜与运算，从而达到掩盖部分区域的目的）
   dtype:-1

import numpy as np
from PIL import Image
import cv2 as cv
import matplotlib.pyplot as plt
# 读取图像
plt.rc("font", family='Microsoft YaHei')
img1 = Image.open("E:\3.jpg")
img2 = Image.open("E:\4.jpg")
img1 = np.array(img1)
img2 = np.array(img2)
# cv中的加法
img3 = cv.add(img1,img2)
# 直接相加
img4 = img1+img2
# 图像显示
fig,axes=plt.subplots(nrows=1,ncols=2,figsize=(10,8),dpi=100)
axes[0].imshow(img3[:,:,::-1])
axes[0].set_title("cv中的加法")
axes[1].imshow(img4[:,:,::-1])
axes[1].set_title("直接相加")
plt.show()

2. 混合
   这其实也是加法，但是不同的是两幅图像的权重不同，这就会给人一种混合或者透明的感觉。

   img3 = cv.addWeighted(img1,alpha,img2,beta,gamma，dtype)
   参数：
   img1:图片对象1
   alpha:img1的权重
   img2:图片对象2
   beta:img1的权重
   gamma：常量值，图像相加后再加上常量值
   dtype：返回图像的数据类型，默认为-1，和img1一样
   (img1alpha+img2beta+gamma)

import numpy as np
from PIL import Image
import cv2 as cv
import matplotlib.pyplot as plt

# 读取图像
plt.rc("font", family='Microsoft YaHei')
img1 = Image.open("E:\3.jpg")
img2 = Image.open("E:\4.jpg")
img1 = np.array(img1)
img2 = np.array(img2)

# 2 图像混合
img3 = cv.addWeighted(img1,0.7,img2,0.3,0)

# 3 图像显示
plt.figure(figsize=(8,8))
plt.imshow(img3[:,:,::-1])
plt.show()

3. 图像位运算
   cv2.btwise_and(): 与运算
   参数：
   img1:图片对象1
   img2:图片对象2
   mask:掩膜

   cv2.bitwise_or()：或运算
   参数：
   img1:图片对象1
   img2:图片对象2
   mask:掩膜

   cv2.bitwise_not(): 非运算
   img1:图片对象1
   mask:掩膜

   cv2.bitwise_xor():异或运算，相同为1，不同为0（1^1=0,10=1）
   img1:图片对象1
   img2:图片对象2
   mask:掩膜

如何得到下方的效果：（接下来讲解步骤，详细代码请下滑）

第一步，截取 *** 作区域

img1 = cv.imread(r"E:.jpg")
# 读取前景的行数与列数
rows,cols = img1.shape[0:2]
#读取背景
img2 = cv.imread(r"E:.jpg")
#roi中存放的为背景分割出的与前景同行同列大小的图片，从[0,0]开始
roi = img2[0:rows,0:cols]

第二步，使用cv2.cvtColor()函数将图片转成灰度图

#是RGB到gray进行颜色转换
img1_gray = cv.cvtColor(img1,cv.COLOR_BGR2GRAY)

第三步，使用二值化函数cv2.threshold()将灰度图二值化

图像的二值化，就是将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的只有黑和白的视觉效果。
把大于某个临界灰度值的像素灰度设为灰度极大值，把小于这个值的像素灰度设为灰度极小值，从而实现二值化。
如此处阈值为200，即小于200设置为0，大于200设置为255

#threshold()函数形式：retval,dst = cv2.threshold(src,thresh,maxval,type)
#retval：阈值（临界值）、dst：处理后的图像、src：需要处理的图像、thresh：阈值
#maxval：最大像素值、type：阈值分割类型
ret,img1_thres = cv.threshold(img1_gray,200,255,cv.THRESH_BINARY)

第四步，使用“非” *** 作函数cv2.bitwise_not()将上图颠倒黑白：

img1_thres_inv = cv.bitwise_not(img1_thres)

第五步，使用“与” *** 作函数cv2.bitwise_and()对图像掩膜（遮挡）

# 对 *** 作区域掩膜
roi_bg = cv.add(roi,roi,mask=img1_thres_inv) 

#对img1掩膜
#用灰度图做掩膜，img1与img1相加后，与淹没与运算可以达到掩盖部分区域的目的。去黑留白
img1_fg =cv.add(img1,img1,mask=img1_thres)

掩膜（mask）：以图和掩膜的与运算为例：
原图中的每个像素和掩膜中的每个对应像素进行与运算。比如1 & 1 = 1；1 & 0 = 0；
比如一个3 * 3的图像与3 * 3的掩膜进行运算，得到的结果图像就是：

4. List item