CV-《图像处理》

• 也可以用numpy生成的一个三维数组 作为一个图片 如果全0为黑色

  def show_info(image):
      heigh = image.shape[0]
      width = image.shape[1]
      channel = image.shape[2]    
      print(image[0,0])
      create_image = np.zeros([heigh,width,channel],np.uint8) #黑色
      create_image[:,:,:] = 255  # 白色
  
      create_image2 = np.ones([heigh,width,channel],np.uint8)*127 #灰色
      print(create_image2)
      cv.imshow("image",create_image2)

  通过 reshape(1,9) 可以重构

  def show_info(image):
      arr = np.ones([3,3],np.uint8)
      arr.fill(111)
      print(arr)
      arr2 = arr.reshape([1,9])
      print(arr2)
  [[111 111 111]
   [111 111 111]
   [111 111 111]]
  [[111 111 111 111 111 111 111 111 111]]

  
   
  

视频部分

• 打开视频并且详细代码注解

  def video_demo():
    capture = cv.VideoCapture(0) # VideoCapture()中参数是0，表示打开笔记本的内置摄像头，参数是视频文件路径则打开视频，如cap = cv2.VideoCapture(“../test.avi”) while(True):
        ret ,frame = capture.read()
        frame = cv.flip(frame,1)  #投影镜像对称
        cv.imshow("video",frame)
        c = cv.waitKey(10) # 每个10ms刷新一次 if c != 27: #返回值为k毫秒内键盘按键的ASCII码值 break;  # esc键对应的ASCII码是27，即当按esc键是if条件句成立 video_demo()
  cv.destroyAllWindows()

  
  

色彩空间

1. 颜色反转 ，我们可以通过每个像素点用255去减 但是效率太慢了  cv中有反转颜色的方法供我们调用

   def show_info(image):
       image = cv.bitwise_not(image)
       cv.imshow("image",image)

   
   
2.  cv库还有一些rgb->其他类型的像色

   def show_info(image):
       cv.imshow("rgb",image)
       yuv = cv.cvtColor(image,cv.COLOR_BGR2YUV)
       cv.imshow("yuv",yuv)
       ycrcb = cv.cvtColor(image,cv.COLOR_BGR2YCrCb)
       cv.imshow("ycrcb",ycrcb)

• 用hsv进行识别  分别用视频跟图片进行展示  我们可以参照上面的表 选址目标范围 然后opencv会对图像进行识别【可以对颜色进行跟踪 通过上面的表进行套用】

  def show_info(image):
      hsv = cv.cvtColor(image,cv.COLOR_BGR2HSV)
      hsv_min = np.array([100,43,46])
      hsv_max = np.array([124,255,255])
      mark = cv.inRange(hsv,hsv_min,hsv_max) # mark就是黑白图片
      cv.imshow("mark",mark)

• 利用通道进行 rgb 三个通道的值的获取

  src = cv.imread("C:/Users/cznczai/Desktop/person1.jpg")
  b , g , r = cv.split(src)
  print(b)
  print(g)
  print(r)
  image = cv.merge([g,b,r])#cv.merge([b,g,r])
  cv.imshow("image",image)
  cv.waitKey(0)
  cv.destroyAllWindows()

图形的四则运算

1. 加减乘除

   def divi(image1 , image2):
       dst =  cv.divide(image1 , image2)
       cv.imshow("diviv",dst)
       
   def mul(image1 , image2):
       dst =  cv.multiply(image1 , image2)
       cv.imshow("multiply",dst)    
   
   def add(image1 , image2):
       dst =  cv.add(image1 , image2)
       cv.imshow("add",dst)
       
   def subtract(image1 , image2):
       dst =  cv.subtract(image1 , image2)
       cv.imshow("subtract",dst)

1.   还可以对图片求方差和平均值 , 有时候可以用方差或者平均值来判断图像是否有效

   def mean(image1,image2):
       print(cv.mean(image1))
       print(cv.mean(image2))
   
   def dev(image1,image2):
       print(cv.meanStdDev(image1))
       print(cv.meanStdDev(image2))

•  可以用运算符灵活处理图片 

  def logic_and(image1,image2):过滤 白色的留下 黑色全为黑色
      and_image = cv.bitwise_and(image1,image2)
      cv.imshow("and",and_image)
      
  def logic_or(image1,image2): 叠加
      and_image = cv.bitwise_or(image1,image2)
      cv.imshow("or",and_image)
  
  def logic_nor(image1,image2)://否
     and_image = cv.bitwise_not(image2)
      cv.imshow("nor",and_image)

• 也可以处理视频

  def show_video():
      capture = cv.VideoCapture("C:/Users/cznczai/Desktop/111.mp4")
      while(True):
          ret,frame = capture.read()
          if ret == False:
              break
  
          hsv = cv.cvtColor(frame,cv.COLOR_BGR2HSV)
          hsv_min = np.array([100,43,46])
          hsv_max = np.array([124,255,255])
          mask = cv.inRange(hsv,hsv_min,hsv_max)
          dst = cv.bitwise_and(frame,frame,mask=mask)
          cv.imshow("v",dst)
          c = cv.waitKey(40)
          if c == 27:
              break
  show_video()
  cv.waitKey(0)
  cv.destroyAllWindows()