OPENCV学习（learn opencv）

OPENCV学习（learn opencv）

环境安装

opencv-Pythonopencv-contrib-Pythonpytesseract

Opencv模块架构

代码练习1（创建图片窗口，使用摄像头）：

import cv2 as cv#科学计数import numpy as npimage_path = "datasources/images/1 (1).jpg"def look_dog_image(): #将传入的图片转换成为矩阵,1为原图返回，0为返回灰度图 src = cv.imread(image_path, 1) #创建窗体， WINDOW_AUTOSIZE根据图片自适应确定窗口大小，WINDOW_NORMAL用户可以自行更改，WINDOW_OPENGL窗体支持OpenGL cv.namedWindow("input image", cv.WINDOW_AUTOSIZE) #将传入的像素矩阵显示出来 cv.imshow("input image", src) #使图像灰度化，并且使用cv.imwriter写入到指定图像中 gray = cv.cvtColor(src, cv.COLOR_BGR2GRAY) cv.imwrite("resule.png", gray) #图片显示延时，0为不延时 cv.waitKey(0) # 销毁所有窗口，释放所有内存 cv.destroyAllWindows() return srcdef get_image_info(image_path): print(type(image_path)) print(image_path.shape) print(image_path.size) print(image_path.dtype) print("-------------") print(np.array(image_path))def look_video(): #0表示开启笔记本内置摄像头，数是视频文件路径则打开视频，如cap = cv2.VideoCapture(“../test.avi”) capture = cv.VideoCapture(0) while(True): #按帧读取视频，ret是布尔，frame是每一帧的图像 ret, frame = capture.read() #0 - -- 垂直方向翻转； 1 - ---- 水平方向翻转； -1：水平、垂直方向同时翻转 frame = cv.flip(frame, 1) cv.imshow("video", frame) #表示每过50s刷新一次，返回值：如果delay>0,那么超过指定时间则返回-1；如果delay=0，将没有返回值。 c = cv.waitKey(50) if c == 27 : breakif __name__ == "__main__": get_image_info(look_dog_image()) # look_video()

代码练习2（创建图像）：

import cv2 as cvimport numpy as npimage_path = "datasources/images/1 (1).jpg"def access_pixels(image_path): src = cv.imread(image_path, 1) # cv.namedWindow("dog_life_images", cv.WINDOW_AUTOSIZE) # cv.imshow("dog images", src) print(src.shape) width = src.shape[0] height = src.shape[1] channels = src.shape[2] for w in range(width): for h in range(height): for c in range(channels): pv = src[w, h, c] src[w, h, c] = 255 - pv cv.imshow("colos", src) cv.waitKey(0) cv.destroyAllWindows()def create_image(): img = np.ones([400, 400, 3], np.uint8) img[:, :, 0] = np.ones([400, 400])*255 # img[:, :, 1] = np.ones([400, 400])*255 # img[:, :, 2] =np.ones([400, 400])*255 m = np.ones([5, 8], np.float32) m.fill(233) #m*n =x*y n =m.reshape([10, 4]) print(m) print("-----") print(n) cv.imshow("new image", img) cv.imwrite("ps.png", img) cv.waitKey(0) cv.destroyAllWindows()if __name__ == "__main__": # t1 = cv.getTickCount() # access_pixels(image_path) # t2 = cv.getTickCount() # print("耗时："(t2 - t1)/cv.getTickFrequency()) create_image()

总结:

基本完成，对于泛洪的理解：参数3起始点的像素值减去参数5的像素值表示的是从起始点开始搜索周边范围的像素最低值，参数3起始点的像素值加上参数5的像素值表示的是从起始点开始搜索周边范围的像素最大值。有了这个范围，然后该函数就可以在这个连续像素范围内填充指定的颜色newVal参数值。高斯双边滤波，相当于磨皮操作，均值偏移滤波处理，想当与把图片转油画的操作。重点：numpy库的函数、二值化难点：ROI与泛洪填充、滤波

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。