python不改变像素大小修改存储空间

Python本身不支持改变像素大小来修改存储空间，但是可以使用第三方库来实现这一功能。Pillow是一个开源的Python图像处理库，可以用来修改的大小，从而减少存储空间。

使用Pillow库，可以使用resize()函数来调整的大小：

from PIL import Image

img = Imageopen('imagejpg')

img = imgresize((200, 200)) # 调整大小为200x200像素

imgsave('image_resizedjpg') # 保存调整后的

1图像矩

帮你计算一些属性，比如重心，面积等。

函数cv2moments()会给你一个字典，包含所有矩值

你可以从这个里面得到有用的数据比如面积，重心等。重心可以用下面的式子得到：

2轮廓面积

轮廓面积由函数cv2contourArea()得到或者从矩里得到M['m00']

3轮廓周长

可以用cv2arcLength()函数得到。第二个参数指定形状是否是闭合的轮廓（如果传True）。或者只是一个曲线。

4轮廓近似

这会把轮廓形状近似成别的边数少的形状，边数由我们指定的精确度决定。这是Douglas-Peucker算法的实现。

要理解这个，假设你试图找一个图像里的方块，但是由于图像里的一些问题，你得不到一个完美的方块，只能得到一个“坏方块”。现在你可以使用这个函数来近似，第二个参数叫epsilon，是从轮廓到近似轮廓的最大距离。是一个准确率参数，好的epsilon的选择可以得到正确的输出。

在下面第二个图像里，绿线显示了epsilon = 10% of arc length 的近似曲线。第三个图像显示了epsilon = 1% of the arc length。第三个参数指定曲线是否闭合。

5凸形外壳

凸形外壳和轮廓近似类似，但是还不一样（某些情况下两个甚至提供了同样的结果）。这儿，cv2convexHull()函数检查凸面曲线缺陷并修复它。一般来说，凸面曲线总是外凸的，至少是平的，如果它内凹了，这就叫凸面缺陷。比如下面这张图，红线显示了手的凸形外壳。双向箭头显示了凸面缺陷，是轮廓外壳的最大偏差。

参数详情：

·points 是我们传入的轮廓

·hull 是输出，一般我们不用传

·clockwise： 方向标示，如果是True，输出凸形外壳是顺时针方向的。否则，是逆时针的。

·returnPoints：默认是True。然后会返回外壳的点的坐标。如果为False，它会返回轮廓对应外壳点的索引。

所以要获得凸形外壳，下面

但是如果你想找到凸面缺陷，你需要传入returnPoints = False。我们拿上面的矩形图形来说，首先我找到他的轮廓cnt，现在用returnPoints = True来找他的凸形外壳，我得到下面的值：[[[234 202]], [[51 202]], [51 79]], [[234 79]]]  是四个角的点。如果你用returnPoints = False，我会得到下面的结果：[[129], [67], [0], [142]]  这是轮廓里对应点的索引，比如cnt[129] = [234, 202]]，这和前面结果一样。

6检查凸面

有一个函数用来检查是否曲线是凸面, cv2isContourConvex()它返回True或False。

7边界矩形

有两种边界矩形

7a正边界矩形

这个矩形不考虑对象的旋转，所以边界矩形的面积不是最小的，函数是cv2boundingRect()。

假设矩形左上角的坐标是(x,y)， （w, h）是它的宽和高

7b渲染矩形

这个边界矩形是用最小面积画出来的，所以要考虑旋转。函数是cv2minAreaRect()。它返回一个Box2D结构，包含了(左上角(x,y)，（width, height）,旋转角度）。但是要画这个矩形我们需要4个角。这四个角用函数cv2boxPoints()得到

8最小闭包圆

我们找一个目标的外接圆可以用函数cv2minEnclosingCircle()这个圆用最小面积完全包围目标。

9椭圆

用一个椭圆来匹配目标。它返回一个旋转了的矩形的内接椭圆

10 直线

类似的我们可以匹配一根直线，下面的图像包含一系列的白色点，我们可以给它一条近似的直线。

END

：

OpenCV-Python的大小取决于你使用的构建器。如果你使用pip安装，它可能会在50MB至200MB之间变化，具体取决于依赖项。如果你从源代码进行构建，它可能会更大，因为将编译所有可用构建器中的所有模块。

0下载安装Opencv，当前版本为249

1下载Python，当前OPencv版本为249，不过其支持的最新版本的Python为27，所以可以下载276版本。

2下载numpy，开始我使用了16，没有通过，错误如图。下载了最新的181版本。

3将Opencv安装目录下opencv\build\python\27\x86中的cv2pyd复制到python安装目录Lib\site-packages下。

4找到opencv源文件内的drawpy运行。

~如果你认可我的回答，请及时点击采纳为满意回答按钮

~~手机提问的朋友在客户端右上角评价点满意即可。

~你的采纳是我前进的动力

~~O(∩_∩)O，记得好评和采纳，互相帮助，谢谢。

算法效果比较博文

用于表示和量化图像的数字列表，简单理解成将转化为一个数字列表表示。特征向量中用来描述的各种属性的向量称为特征矢量。

参考

是一种算法和方法，输入1个图像，返回多个特征向量（主要用来处理图像的局部，往往会把多个特征向量组成一个一维的向量）。主要用于图像匹配（视觉检测），匹配图像中的物品。

SIFT论文

原理

opencv官网解释

实质是在不同的尺度空间上查找关键点(特征点)，并计算出关键点的方向。SIFT所查找到的关键点是一些十分突出，不会因光照，仿射变换和噪音等因素而变化的点，如角点、边缘点、暗区的亮点及亮区的暗点等。

尺度不变特征转换(Scale-invariant feature transform或SIFT)是一种电脑视觉的算法用来侦测与描述影像中的局部性特征，它在空间尺度中寻找极值点，并提取出其位置、尺度、旋转不变量。

其应用范围包含物体辨识、机器人地图感知与导航、影像缝合、3D模型建立、手势辨识、影像追踪和动作比对。

对现实中物体的描述一定要在一个十分重要的前提下进行，这个前提就是对自然界建模时的尺度。当用一个机器视觉系统分析未知场景时，计算机没有办法预先知道图像中物体的尺度，因此我们需要同时考虑图像在多尺度下的描述，获知感兴趣物体的最佳尺度。图像的尺度空间表达指的是图像的所有尺度下的描述。

KeyPoint数据结构解析

SURF论文

原理

opencv官网解释

SURF是SIFT的加速版，它善于处理具有模糊和旋转的图像，但是不善于处理视角变化和光照变化。在SIFT中使用DoG对LoG进行近似，而在SURF中使用盒子滤波器对LoG进行近似，这样就可以使用积分图像了（计算图像中某个窗口内所有像素和时，计算量的大小与窗口大小无关）。总之，SURF最大的特点在于采用了Haar特征以及积分图像的概念，大大加快了程序的运行效率。

因为专利原因，OpenCV33开始不再免费开放SIFT\SURF，需要免费的请使用ORB算法

ORB算法综合了FAST角点检测算法和BRIEFF描述符。

算法原理

opencv官方文档

FAST只是一种特征点检测算法，并不涉及特征点的特征描述。

论文

opencv官方文档

中文版

Brief是Binary Robust Independent Elementary Features的缩写。这个特征描述子是由EPFL的Calonder在ECCV2010上提出的。主要思路就是在特征点附近随机选取若干点对，将这些点对的灰度值的大小，组合成一个二进制串，并将这个二进制串作为该特征点的特征描述子。文章同样提到，在此之前，需要选取合适的gaussian kernel对图像做平滑处理。

1：不具备旋转不变性。

2：对噪声敏感

3：不具备尺度不变性。

ORB论文

OpenCV官方文档

ORB采用了FAST作为特征点检测算子，特征点的主方向是通过矩（moment）计算而来解决了BRIEF不具备旋转不变性的问题。

ORB还做了这样的改进，不再使用pixel-pair，而是使用9×9的patch-pair，也就是说，对比patch的像素值之和，解决了BRIEF对噪声敏感的问题。

关于计算速度：

ORB是sift的100倍，是surf的10倍。

对数据、特征分布的一种统计

对数据空间(bin)进行量化

Kmeans

边缘：尺度问题->不同的标准差 捕捉到不同尺度的边缘

斑点 Blob：二阶高斯导数滤波LoG

关键点(keypoint)：不同视角之间的映射，配准、拼接、运动跟踪、物体识别、机器人导航、3D重建

SIFT\SURF

OpenCV是一个C++库，用于实时处理计算机视觉方面的问题，涵盖了很多计算机视觉领域的模块。 

OpenCV有两个Python接口，老版本的cv模块使用OpenCV内置的数据类型，新版本的cv2模块使用NumPy数组。对于新版本的模块，可以通过下面方式导入：

import cv21

而老版本的模块则通过下面方式导入：

import cv2cv1

11 在Python中配置opencv

Windows下Python安装OpenCV详细步骤 

本机Win7，Python35，OpenCV249 

将D:\OpenCV\opencv\build\python\27\x86下的cv2pyd文件copy到D:\Python\Python35-32\Lib\site-packages文件夹中。 

出现错误： 

尽管有博客言之：目前opencv只支持python26和python27，不死心，终于被我发现了下面这个博客： win7 64位 python34&opencv30配置安装教程

找到指定的版本，下载相应的opencv：Opencv下载网址

使用pip安装pip install whl 

测试，安装成功！ 

12 读取、写入图像

下面是一个简单地载入图像、打印尺寸，保存图像的例子：

#!/usr/bin/env python3        # -- coding: utf-8 --  import cv2# 载入图像im = cv2imread('/0png')# 打印图像尺寸h,w = imshape[:2]

print(h,w)# 保存PNG格式图像为JPEG格式cv2imwrite('/0jpg',im)12345678910111213

13 颜色空间转换

在OpenCV中，图像不是用常规的RGB颜色通道来存储的，他们用的顺序是BGR顺序。当读取一幅图像后，默认的是BGR，不过有很多转换方式可以利用。颜色空间转换函数可以用cvtColor()完成。

#!/usr/bin/env python3        # -- coding: utf-8 --  import cv2# 载入图像im = cv2imread('/2png')

print(imshape)# create a grayscale versiongray = cv2cvtColor(im, cv2COLOR_BGR2GRAY)

print(grayshape)1234567891011

结果为： 

14 显示图像

#!/usr/bin/env python3        # -- coding: utf-8 --  import cv2# from matplotlib import pyplot as pltfrom pylab import # 添加中文字体支持from matplotlibfont_manager import FontProperties

font = FontProperties(fname=r"c:\windows\fonts\SimSunttc",size = 14)# 载入图像im = cv2imread('Middlebury_01_clean_colorpng')# 颜色空间转换gray = cv2cvtColor(im, cv2COLOR_BGR2GRAY)# 显示原始图像fig = pltfigure()

subplot(121)

pltgray()

imshow(im)

title(u'彩色图', fontproperties= font)

axis('off')# 显示灰度化图像pltsubplot(122)

pltgray()

imshow(gray)

title(u'灰度图', fontproperties= font)

axis('off')

show()12345678910111213141516171819202122232425262728293031

显示结果： 

、 

参考链接：Python计算机视觉编程

当你完成图像分割之后，图像轮廓检测往往可以进一步筛选你要的目标，OpenCV中可以使用cv2findContours来得到轮廓。

补充 ：

再不少场景中，找轮廓的最小外接矩形是基本需求，opencv中minAreaRect得到的是一个带有旋转角度信息的rect，可以使用cv2boxPoints(rect)来将其转为矩形的四个顶点坐标(浮点类型)你也可以使用cv2polylines来绘制这样的轮廓信息

注意findContours参数的变化，在opencv4中，返回值只有contours和hierarchy ，这一点与opencv3中不同。对与轮廓的层级结构，比较难用，虽然可以通过轮廓的层级结构来进行索引你需要的轮廓，不过对于大部分机器视觉应用场景，二值化的结果有时候很难预料，单单通过这种层级关系索引，非常容易出错。所以，只找最外部结构的 cv2RETR_EXTERNAL 是不是真香呢？

处理cv2approxPolyDP()外，你也可以使用cv2convexHull来求轮廓的近似凸包，其中凸形状内部--任意两点连线都在该形状内部。

clockwise :默认为False,即轮廓为逆时针方向进行排列；

returnPoints :设置为False会返回与凸包上对应的轮廓的点索引值，设置为True，则会返回凸包上的点坐标集，默认为True

对于opencv-python的提取图像轮廓部分有问题欢迎留言， Have Fun With OpenCV-Python, 下期见。

以上就是关于python不改变像素大小修改存储空间全部的内容，包括:python不改变像素大小修改存储空间、OpenCV-Python教程:19.轮廓属性、opencv-python多大等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！