数字图像处理笔记（一）（基于python与OpenCV）

概述数字图像处理笔记（一）（基于python与OpenCV）一、读取图像、视频和摄像头importcv2#打开图片并显示img=cv2.imread("resources/lena.png")cv2.imshow("Lena",img)cv2.waitKey(0)#打开视频并显示cap=cv2.VideoCapture("resourcesest_video.mp4")whileTrue: 数字图像处理笔记（一）（基于python与OpenCV）一、读取图像、视频和摄像头

import cv2# 打开图片并显示img = cv2.imread("resources/lena.png")cv2.imshow("Lena", img)cv2.waitKey(0)# 打开视频并显示cap = cv2.VIDeoCapture("resources/test_vIDeo.mp4")while True:    success, img = cap.read()    if not success:        break    cv2.imshow("vIDeo", img)    if cv2.waitKey(20) & 0xFF == ord('q'):        # 关于waitKey：https://blog.csdn.net/weixin_44049693/article/details/106271643        break# 打开摄像头并显示cap = cv2.VIDeoCapture(0)  # 0对应笔记本摄像头while True:    success, img = cap.read()    if not success:        break    cv2.imshow("vIDeo", img)    if cv2.waitKey(20) & 0xFF == ord('q'):        break# 打开摄像头plus版本frameWIDth = 640frameHeight = 480cap = cv2.VIDeoCapture(0, cv2.CAP_DSHOW)  # 第二个参数可以避免在退出时报错，默认为cv2.CAP_ANY# https://docs.opencv.org/3.4/d0/da7/vIDeoio_overvIEw.HTML# https://www.cnblogs.com/cyssmile/p/12611843.HTMLcap.set(3, frameWIDth)  # 3 4 10没有实际意义，类似于功能号cap.set(4, frameHeight)cap.set(10, 150)  # 设置亮度while True:    success, img = cap.read()    cv2.imshow("Result", img)    if cv2.waitKey(1) & 0xFF == ord('q'):        breakcap.release()  # 释放摄像头cv2.destroyAllwindows()

几个注意点：

waitKe(): https://blog.csdn.net/weixin_44049693/article/details/106271643摄像头关闭时要释放，同时打开摄像头时，使用接口cv2.CAP_DSHOW，经测试cv2.CAP_ANY, cv2.CAP_MSMF, cv2.CAP_V4L都会有报错。目前不知道具体的原因。二、彩图、灰度图、二值图1、彩图与灰度图

import cv2import numpy as npimport timeimg = cv2.imread("resources/LenaPlus.png")img = cv2.resize(img, (500, 250))height, wIDth, channel = img.shape# img[i][j] i为行，j为列img_gray = np.zeros([height, wIDth])# 这里可以直接生成默认的全零矩阵，但是在显示图像之前需要把数据类型转换为 uint8img_red = np.zeros([height, wIDth], np.uint8)# 也可以直接生成 uint8 的全零矩阵，后期就不需要再次变换img_green = np.zeros([height, wIDth], np.uint8)img_blue = np.zeros([height, wIDth], np.uint8)i = 0for row in img:    j = 0    for pixel in row:        # print(pixel)  # 某个打印值：[127 117 195]，对应BGR三个通道        gray = int((int(pixel[0]) + int(pixel[1]) + int(pixel[2]))/3)        img_gray[i][j] = gray        blue, green, red = pixel        img_red[i][j] = red        img_green[i][j] = green        img_blue[i][j] = blue        j += 1    i += 1img_gray = np.uint8(img_gray)cv2.imshow("Lena gray", img_gray)cv2.imshow("Lena original", img)cv2.imshow("Lena red", img_red)cv2.imshow("Lena green", img_green)cv2.imshow("Lena blue", img_blue)cv2.waitKey(0)cv2.destroyAllwindows()

打开的图像 img 可以像处理多维列表一样处理，通过对每一个像素的遍历，再对三个色彩通道的值取平均产生了一张灰度图，同时得到了三个颜色通道对应的图像，如下图：

2、灰度图二值化（比较了三个方法的运行时间）

import cv2import numpy as npimport time# 灰度图简单二值化img = cv2.imread("resources/LenaPlus.png")img = cv2.resize(img, (500, 250))  # 修改图像大小height, wIDth, channel = img.shapeimg_gray = cv2.cvtcolor(img, cv2.color_BGR2GRAY)# 遍历方法print("二值化，遍历方法：")img_binary = np.zeros([height, wIDth], np.uint8)start = time.time()for i in range(height):    for j in range(wIDth):        img_binary[i][j] = 255 if img_gray[i][j] > 125 else 0cv2.imshow("Lena binary", img_binary)end = time.time()print("Running time: %s Seconds" % (end-start))# 矩阵方法print("二值化，矩阵方法：")start = time.time()img_bool = img_gray > 125img_binary2 = img_bool * 255cv2.imshow("Lena binary2", np.uint8(img_binary2))end = time.time()print("Running time: %s Seconds" % (end-start))# 库函数方法print("二值化，库函数方法：")start = time.time()ret, img_binary3 = cv2.threshold(img_gray, 125, 255, cv2.THRESH_BINARY)# https://blog.csdn.net/zj360202/article/details/79165796cv2.imshow("Lena binary3", np.uint8(img_binary3))end = time.time()print("Running time: %s Seconds" % (end-start))cv2.waitKey(0)cv2.destroyAllwindows()

遍历方法： 遍历每一个像素，大于125输出255，否则输出0

矩阵方法：

使用 img_gray > 125 进行比较，输出一个 bool 类型的矩阵。在交互窗口进行了上图测试。所以将输出的矩阵直接*255，得到二值图。

库函数方法： 参考了https://blog.csdn.net/zj360202/article/details/79165796

实验结果与各个方法运行时间见下图（图像较大时，方法2可能比方法3快）：

总结

以上是内存溢出为你收集整理的数字图像处理笔记（一）（基于python与OpenCV）全部内容，希望文章能够帮你解决数字图像处理笔记（一）（基于python与OpenCV）所遇到的程序开发问题。

如果觉得内存溢出网站内容还不错，欢迎将内存溢出网站推荐给程序员好友。