⚠申明： 未经许可，禁止以任何形式转载，若要引用，请标注链接地址。 全文共计3077字，阅读大概需要3分钟
🌈更多学习内容， 欢迎👏关注👀【文末】我的个人微信公众号：不懂开发的程序猿
个人网站：https://jerry-jy.co/

❗❗❗知识付费，🈲止白嫖，有需要请后台私信或【文末】个人微信公众号联系我

基于OpenCv的图像基本操作

任务需求

本实验主要完成基于OpenCv的图像的基本操作、图像的ROI区域提取以及图像的色彩空间转换

• 图像的基本操作包括图像的读取、显示和保存。
• 图像的ROI区域提取表示图像感兴趣的区域提取，也就是最能表现图像内容的区域，图像ROI提取技术广泛应用于压缩编码、图像检索，目标检测等。
• 通常需要根据实际应用环境选择合适的颜色空间，数字图像处理中常用的颜色空间有RGB,YUV,HSI等,它们具有不同的特性和适用范围,相互之间存在一定的转换关系,可根据实际需要进行相互转换

任务目标

1、掌握图像的读取、显示和保存

2、掌握图像的ROI区域提取

3、掌握图像的颜色通道提取

4、掌握图像的色彩空间转换

任务环境

1、jupyter开发环境

2、OpenCv

3、python3.6

任务实施过程

一、图像的读取、显示和保存

1、图像读取

cv2.imread(path, flag) 从指定的文件加载图像，如果无法读取图像，则返回一个空矩阵。
参数：
- path:一个字符串，代表要读取的图像的路径。
- flag:它指定应该读取图像的方式。默认值为cv2.IMREAD_COLOR
- cv2.IMREAD_COLOR：彩色图像
- cv2.IMREAD_GRAYSCALE：灰度图像

import cv2 # 导入opencv
import matplotlib.pyplot as plt # 导入绘图模块
import numpy as np # 导入numpy库
# 绘制图像直接展示，不用调用plt.show()
%matplotlib inline 
# 用来正常显示中文标签
plt.rc('font',family="SimHei")
# 读取图像，这里读取的是彩色图像
img = cv2.imread(r'./experiment/data/Doraemon.jpg') 
# 显示读取的图像，读取到的是一个三维矩阵
print(img)

# 查看矩阵的形状
print('矩阵形状',img.shape)
print('图像高x宽x通道数的总个数',img.size)

2、图像显示

cv2.imShow(wname,img)函数可以在窗口中显示图像。该窗口和图像的原始大小自适应（自动调整到原始尺寸）。
- wname：是窗口的名字
- img：要显示的图像
- cv2.waitKey：等待键盘输入，单位为毫秒，参数为0表示无限等待。
- cv2.destroyAllWindow()：能正常关闭所有的绘图窗口

# # 图像的显示,也可以创建多个窗口，但窗口的名字必须不同
# cv2.imshow('image',img) 
# # 等待时间，毫秒级，0表示任意键终止
# cv2.waitKey(0) 
# cv2.destroyAllWindows()

本实验环境使用opencv库不能显示图像，所以使用matplotlib模块显示图像，定义显示图像函数

# 使用matplotlib显示图像
# 定义一个显示图像的函数
def im_show(name,img):
    # 若图像的矩阵是三维的那么绘制彩色图像
    if img.ndim==3:
        # opencv图像读取的格式是BGR，将其转成RGB
        img = img[:,:,::-1]
        # 可以使用plt.imshow()显示图像
        plt.imshow(img)
        plt.title(name)
        # 不显示x轴和y轴
        plt.xticks([])
        plt.yticks([])
    # 若图像的矩阵是二维的那么绘制灰度图
    elif img.ndim==2:
        # cmap='gray'表示绘制灰度图像
        plt.imshow(img,cmap='gray')
        plt.title(name)
        # 不显示x轴和y轴
        plt.xticks([])
        plt.yticks([])
    else:
        print('NONE')
# 设置绘制图像的画布大小
plt.figure(figsize = (6,6))
# 显示读入的图像
im_show('image',img)

3、图像保存

# 首先通过numpy创建一个长、宽各为300的矩阵，设置数据格式为uint8
img1 = np.mat(np.zeros((300,300)),dtype = np.uint8)
img1

# 显示图像，得到一张全黑的图像 
# 设置绘制图像的画布大小
plt.figure(figsize = (6,6))
im_show('image1',img1)

# 得到的图像矩阵是二维的
img1.shape

# 利用ndarray数组的操作来修改图片的颜色
# 对图片画横、竖两条白线
# 设图像第10行和第10列的像素值为255
img1[:,10] = 255 
img1[10,:] = 255
# 设置绘制图像的画布大小
plt.figure(figsize = (6,6))
# 显示图像
im_show('image3',img1)

cv2.imwrite(file，img，num) 图像保存函数
- file：要保存的文件名
- img：要保存的图像
- num：它针对特定的格式：对于JPEG，其表示的是图像的质量，用0 - 100的整数表示，默认95;对于png ,第三个参数表示的是压缩级别。默认为3

# 保存图像
cv2.imwrite('black.jpg',img1)

二、图像的ROI区域

在图像处理领域，感兴趣区域(ROI) 是从图像中选择的一个图像区域，这个区域是你的图像分析所关注的重点。ROI区域意为截取部分图像数据，表示感兴趣的区域。

# 通过数组使用索引或者切片，选择感兴趣的像素点/区域
# 截取显示图片中的人物大雄
dx = img[0:200,0:200]
# 设置绘制图像的画布大小
plt.figure(figsize = (6,6))
im_show('image4',dx)

三、图像的颜色通道提取

一张彩色图像由三个彩色图像分量组合成。通过RGB（红色、绿色、蓝色）三种颜色分量的叠加来得到各种颜色。

# 使用cv2.split()进行通道拆分，注意opencv的顺序是BGR
b,g,r=cv2.split(img)
# 设置绘制图像的画布大小
plt.figure(figsize = (6,6))
im_show('红色通道灰度图',r)
print('红色通道矩阵形状',r.shape)

# 设置绘制图像的画布大小
plt.figure(figsize = (6,6))
im_show('绿色通道灰度图',g)
print('绿色通道矩阵形状',g.shape)

# 设置绘制图像的画布大小
plt.figure(figsize = (6,6))
im_show('蓝色通道灰度图',b)
print('蓝色通道矩阵形状',b.shape)

四、图像的色彩空间转换

OpenCV提供了150多种颜色空间转换方法。本次实验中我们只研究BGR向RGB、Gray、HSV的转换。
cv.cvtColor（input_image，flag）颜色空间转换函数

• input_image：需要转换的图片
• flag：转换成何种格式
• cv2.COLOR_BGR2RGB：BGR→RGB转换
• cv2.COLOR_BGR2GRAY：BGR→Gray转换
• cv2.COLOR_BGR2HSV：BGR→HSV转换

# 将图像img转换成三种色彩空间：RGB、GRAY、HSV
img_rgb = cv2.cvtColor(img,cv2.COLOR_BGR2RGB)
img_gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
img_hsv = cv2.cvtColor(img,cv2.COLOR_BGR2HSV)
# 设置子图的标题和子图显示的图片
images = [img, img_rgb, img_gray, img_hsv]
titles = ['BGR', 'RGB', 'GRAY', 'HSV']
# 设置绘制图像的画布大小
plt.figure(figsize = (12,12))
# 绘制4幅子图
for i in range(4):
    plt.subplot(2, 2, i + 1)
    if images[i].ndim ==3:   
        # 可以使用plt.imshow()显示图像
        plt.imshow(images[i])
        plt.title(titles[i])
        # 不显示x轴和y轴
        plt.xticks([])
        plt.yticks([])
    # 若图像的矩阵是二维的那么绘制灰度图
    elif images[i].ndim==2:
        # cmap='gray'表示绘制灰度图像
        plt.imshow(images[i],cmap='gray')
        plt.title(titles[i])
        # 不显示x轴和y轴
        plt.xticks([])
        plt.yticks([])
plt.tight_layout()

五、任务小结

本实验主要完成基于OpenCv的图像的基本操作(图像的读取、显示和保存)、图像的ROI区域提取以及图像的色彩空间转换。

通过本次实验需要掌握以下内容：

• 1.掌握图像的读取、显示和保存
• 2.掌握图像的ROI区域提取
• 3.掌握图像的颜色通道提取
• 4.掌握图像的色彩空间转换

–end–

说明

本实验（项目）/论文若有需要，请后台私信或【文末】个人微信公众号联系我