做计算机视觉无论如何都绕不开的一个框架就是OpenCV,可以毫不夸张的说,github上每个开源的视觉项目的安装列表中都有OpenCV框架。很多人第一次接触OpenCV都是从OpenCV-Python版本SDK开始的,本文就以最新版本的OpenCV4.1.0为例,通过代码带领大家简单粗暴的入门OpenCV-Python编程实践。
只需要执行如下一条命令行即可
pip install opencv-python
如果想连扩展模块一起安装,执行如下命令行
pip install opencv-contrib-python
更多请参考这里
https://pypi.org/project/opencv-python/
涵盖OpenCV图像处理最高频次使用API与常见各种使用技巧。
import cv2 as cv
import numpy as np
解释:这个是因为OpenCV在python语言中的所有图像数据都是以numpy的数组形式组织存储。所以必须安装numpy依赖支持,导入以备后用。
src = cv.imread("D:/images/lena.jpg")
cv.namedWindow("input", cv.WINDOW_AUTOSIZE)
cv.imshow("input", src)
解释:千万别给中文路径,不支持的,默认加载图像彩色,通道顺序BGR。
![](http://mmbiz.qpic.cn/mmbiz_png/urgCdYOG5QcDKVlU4hFxRibK06qZRH1GicGuLy5zRGcO2kNBZ8zuLhqibkMTSYORHW6LK8WIUicsdnXS7cBRfh93fg/640?wx_fmt=png)
gray = cv.cvtColor(src, cv.COLOR_BGR2GRAY)
cv.imshow("gray", gray)
print(src.shape)
print(gray.shape)
解释:支持各种色彩空间转换,可以转换到灰度,HSV、YCrCb、LAB等常见色彩空间,图像的宽、高、通道数,可以通过src.shape得到。
![](http://mmbiz.qpic.cn/mmbiz_png/urgCdYOG5QcDKVlU4hFxRibK06qZRH1GiccwFOyK6RBPcZHVr5MDbVYdcia8Ub6tOWBP6pF0G016XOGEu9WV3ibpSg/640?wx_fmt=png)
black = np.zeros_like(src)
cv.imshow("black", black)
解释:创建一张与src大小与数据类型一致的图像,但是像素值全部为0,黑色背景图像。
![](http://mmbiz.qpic.cn/mmbiz_png/urgCdYOG5QcDKVlU4hFxRibK06qZRH1GicPibEHwDf0ytic7Aiaic9BmibXQa1HfDCxkXbM7cTDbD9OM273icc3HuPibibicA/640?wx_fmt=png)
black[:,:,:] = 50
lighter = cv.add(src, black)
darker = cv.subtract(src, black)
cv.imshow("lightness", lighter)
cv.imshow("darkness", darker)
解释:过像素操作实现图像亮度调整,本质是调整图像的RGB值
![](http://mmbiz.qpic.cn/mmbiz_png/urgCdYOG5QcDKVlU4hFxRibK06qZRH1GicG5qwAAQSCcCPOxXYSQh3Ru7Ot79xpu5GG5s3R3S9VvhV88kIMXHNDA/640?wx_fmt=png)
![](http://mmbiz.qpic.cn/mmbiz_png/urgCdYOG5QcDKVlU4hFxRibK06qZRH1GicBFCAsC8Qrh10hmxn1DdZUorWsAdj7XOlkbXVBHrfsXnhJlddPNRjWw/640?wx_fmt=png)
dst = cv.addWeighted(src, 1.2, black, 0.0, 0)
cv.imshow("contrast", dst)
解释:通过权重的图像相加实现图像对比度调整,这里要特别注意,两幅图像的大小与数据类型必须完全一致。
![](http://mmbiz.qpic.cn/mmbiz_png/urgCdYOG5QcDKVlU4hFxRibK06qZRH1GicwoudyEhjbdFxMt7OrIVeibnHLP1JhgAERbDjaSFqp3ftibnYSIDTDKOA/640?wx_fmt=png)
# scale
h, w, c = src.shape
dst = cv.resize(src, (h//2, w//2))
cv.imshow("resize-image", dst)
解释:图像放缩支持常见的插值方式,最近邻,线性,双立方等。
# 左右翻转
dst = cv.flip(src, 1)
cv.imshow("flip", dst)
# 上下翻转
dst = cv.flip(src, 0)
cv.imshow("flip0", dst)
解释:图像的镜像翻转支持,水平与垂直
![](http://mmbiz.qpic.cn/mmbiz_png/urgCdYOG5QcDKVlU4hFxRibK06qZRH1GicoccTeicwiapplYjMgMfxJ7oceUPdLe8jl9iaMc8hsJUgaLUy6guOFSxBQ/640?wx_fmt=png)
M = cv.getRotationMatrix2D((w//2, h//2),45, 1)
dst = cv.warpAffine(src, M, (w, h))
cv.imshow("rotate", dst)
解释:图像的旋转支持,基于放射变换,M = 2x3的变换矩阵
![](http://mmbiz.qpic.cn/mmbiz_png/urgCdYOG5QcDKVlU4hFxRibK06qZRH1GicibHsictJDuMSLKO7vpeZSQmQicn5IZ1sEq7sN0LpouDgRgJIjpaZQxZbg/640?wx_fmt=png)
# HSV
hsv = cv.cvtColor(src, cv.COLOR_BGR2HSV)
cv.imshow("hsv", hsv)
# 色彩表 - 支持14种色彩变换
dst = cv.applyColorMap(src, cv.COLORMAP_AUTUMN)
cv.imshow("color table", dst)
解释:支持图像常见的14种查找表色彩匹配与风格变化,是自带的14种色彩滤镜
![](http://mmbiz.qpic.cn/mmbiz_png/urgCdYOG5QcDKVlU4hFxRibK06qZRH1GicWnm2GZe2gicqF9iaLr7OrAZxdyLxavCKcg9XtCZyLX4Jn1JLcX1U8v9Q/640?wx_fmt=png)
blur = cv.blur(src, (15, 15))
cv.imshow("blur", blur)
解释:图像卷积模糊操作,卷积核大小为15x15
![](http://mmbiz.qpic.cn/mmbiz_png/urgCdYOG5QcDKVlU4hFxRibK06qZRH1Gic8cIXbDV9UrRKrJ6ItJZesnnpFEg2Zhhk1DicpxnIhdtQgDskWNgBxOg/640?wx_fmt=png)
gblur = cv.GaussianBlur(src, (0, 0), 15)
cv.imshow("gaussian blur", gblur)
解释:图像高斯模糊操作,sigma = 15
![](http://mmbiz.qpic.cn/mmbiz_png/urgCdYOG5QcDKVlU4hFxRibK06qZRH1GiclCic9pZ5icZCZ5ESa8Pm0GRSClWx5iavw1l2svn7UyVyKEicWaLAVcQafA/640?wx_fmt=png)
k = np.ones(shape=[5, 5], dtype=np.float32) / 25
dst = cv.filter2D(src, -1, k)
cv.imshow("custom blur", dst)
解释:图像自定义滤波操作,定义不同的滤波器,得到不同的滤波效果,这里是均值滤波,模糊操作。
![](http://mmbiz.qpic.cn/mmbiz_png/urgCdYOG5QcDKVlU4hFxRibK06qZRH1GicbianR2RCLfpYRKiac6MVPuiaWzz1nQ1RJosHEBJSKOjibV6zj4ibKv6xgYA/640?wx_fmt=png)
dst = cv.bilateralFilter(src, 0, 100, 10)
cv.imshow("bi-filter", dst)
解释:边缘保留滤波算法的一种,OpenCV还支持其它的边缘保留滤波算法。
![](http://mmbiz.qpic.cn/mmbiz_png/urgCdYOG5QcDKVlU4hFxRibK06qZRH1GichO8QaKFicpfBHj2GkS91HzskVZrF3OkkOUvWjAHVXNfRWk7Ujfnt45g/640?wx_fmt=png)
dx = cv.Sobel(src, cv.CV_32F, 1, 0)
dy = cv.Sobel(src, cv.CV_32F, 0, 1)
dx = cv.convertScaleAbs(dx)
dy = cv.convertScaleAbs(dy)
cv.imshow("grad-x", dx)
cv.imshow("grad-y", dy)
解释:图像梯度提取,基于一阶导数算子Sobel
![](http://mmbiz.qpic.cn/mmbiz_png/urgCdYOG5QcDKVlU4hFxRibK06qZRH1Gic0n9pDaOvbCsJiczhdFiba3PQJhOFgmcHARG4nNl4vMMgrG0nW0Ze7Sibw/640?wx_fmt=png)
edge = cv.Canny(src, 100, 300)
cv.imshow("edge", edge)
解释:图像边缘提取,Canny是经典的图像边缘提取算法。100表示低阈值,300表示高阈值。
![](http://mmbiz.qpic.cn/mmbiz_png/urgCdYOG5QcDKVlU4hFxRibK06qZRH1GicRicGfo8HoFPnwRYgNPic1k9oOUXhKqCCEXFaJgMXU8vaAhEgib8HdWiarQ/640?wx_fmt=png)
eh = cv.equalizeHist(gray)
cv.imshow("eh", eh)
解释:图像直方图均衡化,是图像直方图应用之一,其它还有直方图匹配,直方图相似度,直方图反向投影等。这里的均衡化是全局均衡化,对应还有局部自适应的直方图均衡化方法。
![](http://mmbiz.qpic.cn/mmbiz_png/urgCdYOG5QcDKVlU4hFxRibK06qZRH1GicdwPXg2rANsUHLyKHkmyPCS6ERlbic1cnXtt65P92U7SjgTeyFibJO2yA/640?wx_fmt=png)
corners = cv.goodFeaturesToTrack(gray, 100, 0.05, 10)
# print(len(corners))
for pt in corners:
# print(pt)
b = np.random.random_integers(0, 256)
g = np.random.random_integers(0, 256)
r = np.random.random_integers(0, 256)
x = np.int32(pt[0][0])
y = np.int32(pt[0][1])
cv.circle(src, (x, y), 5, (int(b), int(g), int(r)), 2)
cv.imshow("corners detection", src)
解释:基于shi-tomas角点检测算法
![](http://mmbiz.qpic.cn/mmbiz_png/urgCdYOG5QcDKVlU4hFxRibK06qZRH1GicnxkXaiciaafMDSVgYEich6CG6P1ib0XXmicITYoBHlnqdiakXHYB2a9hiafibw/640?wx_fmt=png)
src = cv.imread("D:/images/zsxq/zsxq_12.jpg")
gray = cv.cvtColor(src, cv.COLOR_BGR2GRAY)
cv.imshow("binary input", gray)
解释:加载二值化操作测试图像
![](http://mmbiz.qpic.cn/mmbiz_jpg/urgCdYOG5QcDKVlU4hFxRibK06qZRH1GicJQ45AR6Usz6u4lKWJKESVjxR1SbiaAwpwMIicM6hg1LgoIKz5jEHqVgA/640?wx_fmt=jpeg)
ret, binary = cv.threshold(gray, 127, 255, cv.THRESH_BINARY)
cv.imshow("binary", binary)
解释:手动指定阈值为127,THRESH_BINARY表示大于127为白色,反之为黑色。
![](http://mmbiz.qpic.cn/mmbiz_png/urgCdYOG5QcDKVlU4hFxRibK06qZRH1GiciaE2oaBhoMLNzGSaex3z9hMdsOYWclveFQicOBVI7cRV2xFkyjQpocYg/640?wx_fmt=png)
ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY | cv.THRESH_OTSU)
cv.imshow("otsu", binary)
解释:自动计算阈值,基于全局直方图信息
binary = cv.adaptiveThreshold(gray, 255, cv.ADAPTIVE_THRESH_GAUSSIAN_C, cv.THRESH_BINARY_INV, 25, 10)
cv.imshow("ada", binary)
解释:自适应阈值计算方法,支持高斯与盒子两种方式。
![](http://mmbiz.qpic.cn/mmbiz_png/urgCdYOG5QcDKVlU4hFxRibK06qZRH1GicTibxYTG45L8MI2f1vAbt1fibPWMY88csRDAvQkYuFicq9BTDfNcW0iciahQ/640?wx_fmt=png)
contours, hireachy = cv.findContours(binary, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE)
result = np.zeros_like(src)
for cnt in range(len(contours)):
cv.drawContours(result, contours, cnt, (0, 0, 255), 2, 8)
cv.imshow("contour", result)
解释:二值图像的轮廓与结构分析API,演示,这里只是获取了最外层轮廓。
![](http://mmbiz.qpic.cn/mmbiz_png/urgCdYOG5QcDKVlU4hFxRibK06qZRH1Gico9YlghM0c3VvpcibmonQ556bz5ib0km20otwOqiaPN0u7YFOPPuCKv9Bg/640?wx_fmt=png)
se = cv.getStructuringElement(cv.MORPH_RECT, (5, 5), (-1, -1))
d = cv.dilate(binary, se)
e = cv.erode(binary, se)
cv.imshow("dilate", d)
cv.imshow("erode", e)
解释:二值图像的形态学基础操作,腐蚀与膨胀
op = cv.morphologyEx(binary, cv.MORPH_OPEN, se)
cl = cv.morphologyEx(binary, cv.MORPH_CLOSE, se)
cv.imshow("open", op)
cv.imshow("close", cl)
解释:二值图像的形态学组合操作,开操作与闭操作
上述全部演示代码的代码下地址:
https://github.com/gloomyfish1998/opencv_tutorial
志合者不以山海为远
道乖者不以咫尺为近
![](http://mmbiz.qpic.cn/sz_mmbiz_png/urgCdYOG5QdTamTia8J6DPxhNCDWexjmia6niaiaF9erYvdEQvobadKsusIlic57dWb5UficxFgUw5nWFDZkbblBrOSg/640?wx_fmt=other&wxfrom=5&wx_lazy=1&wx_co=1&tp=webp)