OpenCV||超详细的图像处理模块

一、颜色变换cvtColor

dst = cv2.cvtColor(src, code[, dstCn[, dst]])

src: 输入图像，即要进行颜色空间转换的原始图像。
code: 转换代码，指定要执行的颜色空间转换类型。这是一个必需的参数，决定了源颜色空间到目标颜色空间的转换方式。
dstCn (可选): 目标图像的通道数；如果参数是0，则从src和code自动推导。
dst (可选): 输出图像，与src具有相同的大小和深度。

转换代码（code）

cv2.COLOR_BGR2GRAY: 将图像从BGR颜色空间转换到灰度空间。这是最常用的转换之一，因为灰度图像处理起来通常比彩色图像要快，而且在某些情况下（如边缘检测）效果也很好。
cv2.COLOR_BGR2HSV: 将图像从BGR颜色空间转换到HSV颜色空间。HSV（色调、饱和度、亮度）颜色空间对于处理与颜色相关的任务（如颜色跟踪）非常有用。
cv2.COLOR_BGR2RGB: 将图像从BGR颜色空间转换到RGB颜色空间。这在需要将图像用于某些只接受RGB图像的库或框架时很有用。
cv2.COLOR_HSV2BGR: 将图像从HSV颜色空间转换回BGR颜色空间。
cv2.COLOR_GRAY2BGR: 将灰度图像转换为BGR图像。虽然这通常不是一个实用的转换（因为结果图像将是单色的），但在某些情况下可能有用。

注意事项：

1、cvtColor不能直接将RGB图像转换为二值图像，需要借助threshold函数。

2、如果对8bit图像使用cvtColor函数进行转换将会丢失一些信息。

二、画基本图形

画点：直接使用Numpy中的arr[x，y] = number即可

画矩形：cv2.rectangle()

import cv2  
  
# 读取图像  
image = cv2.imread('your_image.jpg')  
  
# 绘制矩形的参数  
# (左上角x坐标, 左上角y坐标, 右下角x坐标, 右下角y坐标), (B, G, R), 线条粗细  
# 注意：OpenCV中图像坐标系的原点在左上角，x向右增加，y向下增加  
# BGR颜色格式，与常见的RGB相反  
rect_coords = (50, 50, 200, 200)  
color = (0, 255, 0)  # 绿色  
thickness = 2  # 线条粗细  
  
# 在图像上画矩形  
cv2.rectangle(image, rect_coords[0:2], rect_coords[2:4], color, thickness)  
  
# 显示图像  
cv2.imshow('Rectangle', image)  
  
# 等待按键事件  
cv2.waitKey(0)  
  
# 销毁所有OpenCV创建的窗口  
cv2.destroyAllWindows()

img: 输入的图像矩阵。
pt1: 矩形的左上角顶点坐标，格式为(x,y)。
pt2: 矩形的右下角顶点坐标，格式为(x,y)。注意，这两个点的次序可以互换，但绘制时会自动调整为左上角和右下角。
color: 矩形的颜色，可以是RGB元组或灰度值。
thickness: 矩形边框的宽度，默认为1。若设为-1，则表示绘制的是填充的矩形。
lineType: 线条的类型，默认为cv2.LINE_8。
shift: 指定坐标点小数位数，默认为0。

画圆：cv2.circle()

img: 输入的图像矩阵。
center: 圆心的坐标，格式为(x,y)。
radius: 圆的半径。
color: 圆的颜色，可以是RGB元组或灰度值。
thickness: 圆的边框宽度，默认为1。若设为-1，则表示绘制的是填充的圆。
lineType: 线条的类型，默认为cv2.LINE_8。
shift: 指定坐标点小数位数，默认为0。

画直线：cv2.line()

img: 输入的图像矩阵。
pt1: 直线的起点坐标，格式为(x,y)。
pt2: 直线的终点坐标，格式为(x,y)。
color: 直线的颜色，可以是RGB元组或灰度值。
thickness: 线条的粗细，默认为1。若设为-1，则表示绘制的是填充的矩形。
lineType: 线条的类型，默认为cv2.LINE_8。可选的线条类型还包括cv2.LINE_4和cv2.LINE_AA，后者为抗锯齿线型，使线条看起来更平滑。
shift: 指定坐标点小数位数，默认为0。

画椭圆：cv2.ellipse()

img: 输入的图像矩阵。
center: 椭圆中心的坐标，格式为(x,y)。
axes: 椭圆横轴和纵轴的一半长度，格式为(major_axis_radius, minor_axis_radius)。
angle: 椭圆旋转的角度，以度为单位。
startAngle: 椭圆弧绘制的起始角度，以度为单位。
endAngle: 椭圆弧绘制的结束角度，以度为单位。若startAngle和endAngle为0和360，则绘制整个椭圆。
color: 椭圆的颜色，可以是RGB元组或灰度值。
thickness: 椭圆边框的宽度，默认为1。若设为-1，则表示绘制的是填充的椭圆。
lineType: 线条的类型，默认为cv2.LINE_8。
shift: 指定坐标点小数位数，默认为0。

画多边形：cv2.polylines()

img: 要绘制多边形的图像。
pts: 多边形的顶点坐标，类型为numpy.ndarray，其形状应为(n,1,2)，其中n为多边形的边数，2表示每个点有x和y两个坐标。
isClosed: 表示多边形是否封闭，如果为True，则表示多边形是封闭的，会从最后一个点连线到第一个点。
color: 多边形的颜色，为(B,G,R)格式的元组或一个标量。
thickness: 线条的粗细，默认值为1。
lineType: 线条的类型，默认值为cv2.LINE_8。
shift: 坐标点小数位数的位数，默认为0。

画文本：cv2.putText()

img: 要在其上绘制文本的图像。该图像应该是一个numpy数组，通常是通过cv2.imread()函数读取的。
text: 要绘制的文本字符串。这是你想要在图像上显示的实际文本内容。
org: 文本字符串左下角的坐标，格式为(x, y)。这是文本在图像上的起始位置。
fontFace: 字体类型。OpenCV提供了一些内置的字体类型，如cv2.FONT_HERSHEY_SIMPLEX、cv2.FONT_HERSHEY_PLAIN等。你可以使用这些字体类型之一，但请注意OpenCV默认不支持中文字符的显示，因此如果需要显示中文，可能需要额外设置或使用Pillow等库。
fontScale: 字体缩放比例。这个参数控制字体的大小，它是一个浮点数，表示字体大小与字体特定基本大小的倍数。
color: 文本的颜色。颜色参数是一个BGR元组，即(B, G, R)格式，每个颜色分量的取值范围是0到255。
thickness: 字体线条的粗细程度。这是一个整数，表示线条的宽度。如果设置为负数（如cv2.FILLED），则表示使用填充模式绘制文本。
lineType: 线条类型。这个参数控制线条的绘制方式，但在cv2.putText()函数中通常不直接使用，因为它默认为cv2.LINE_8。对于文本绘制，这个参数的影响可能不如在其他绘图函数中那么明显。
bottomLeftOrigin: 如果为True，则文本起始点为左下角；如果为False（默认值），则文本起始点为左上角。这个参数用于控制文本绘制的基准点。

import cv2  
  
# 读取图像  
img = cv2.imread('image.jpg')  
  
# 设置文本参数  
text = 'Hello, OpenCV!'  
org = (50, 50)  
fontFace = cv2.FONT_HERSHEY_SIMPLEX  
fontScale = 1  
color = (255, 0, 0)  # 蓝色  
thickness = 2  
  
# 在图像上添加文本  
cv2.putText(img, text, org, fontFace, fontScale, color, thickness)  
  
# 显示图像  
cv2.imshow('Image with Text', img)  
cv2.waitKey(0)  
cv2.destroyAllWindows()

具体可参考这篇文章：@弹了个球

python opencv 常用图形绘制方法（线段、矩形、圆形、椭圆、文本）_plt绘制矩形与线段-CSDN博客https://blog.csdn.net/fujian87232/article/details/115556078

三、图像添加边框

dst = cv2.copyMakeBorder(src, top, bottom, left, right, borderType, [, value])

src:
- 类型: 输入图像（numpy数组）。
- 描述: 需要添加边框的原始图像。
top, bottom, left, right:
- 类型: 整数。
- 描述: 分别指定图像上、下、左、右四个方向需要添加的边框宽度（以像素为单位）。
borderType:
- 类型: 整数，OpenCV中定义的边框类型常量。
- 描述: 指定要添加的边框类型。常见的边框类型包括：
  - cv2.BORDER_CONSTANT: 添加常数值边框。此时需要指定value参数来确定边框的颜色。
  - cv2.BORDER_REPLICATE: 复制图像边界的像素值。
  - cv2.BORDER_REFLECT: 镜像反射，边框会反射图像的边缘。
  - cv2.BORDER_REFLECT_101 或 cv2.BORDER_DEFAULT: 类似于cv2.BORDER_REFLECT，但最外层像素值不会被重复。
  - cv2.BORDER_WRAP: 环绕边框，类似于将图像水平或垂直方向上的像素值进行循环。
value (可选):
- 类型: 当borderType为cv2.BORDER_CONSTANT时，value是一个BGR颜色值（对于彩色图像）或一个灰度值（对于灰度图像），用于填充边框。
- 描述: 边框的颜色或灰度值。如果borderType不是cv2.BORDER_CONSTANT，则不需要此参数。

示例：

cb_image = cv2.copyMakeBorder(image_cut1, 50, 50, 50, 50, cv2.BORDER_CONSTANT, value=(0, 0, 255))

结果如下：

四、图像查找轮廓

contours, hierarchy = cv2.findContours(image, mode, method[, contours[, hierarchy[, offset]]])

image: 输入图像，必须是二值图像（通常使用 cv2.threshold() 或 cv2.Canny() 进行二值化处理）。注意，cv2.findContours() 会修改输入图像（在 OpenCV 3.x 中返回修改后的图像，但在 4.x 中不返回）。
mode: 轮廓检索模式，指定了轮廓的检索方式。常用的模式包括：
- cv2.RETR_EXTERNAL：只检测外部轮廓。
- cv2.RETR_LIST：检测所有轮廓，并将它们放入列表中，但不创建轮廓间的层级关系。
- cv2.RETR_CCOMP：检测所有轮廓并将它们组织成两级层次结构：顶层是外部边界，二级是空洞的边界。
- cv2.RETR_TREE：检测所有轮廓并重构嵌套轮廓的完整层级。
method: 轮廓近似方法，指定了轮廓的表示方式。常用的方法包括：
- cv2.CHAIN_APPROX_NONE：存储所有轮廓点，相邻两个点的像素位置差不超过1。
- cv2.CHAIN_APPROX_SIMPLE：压缩水平、垂直和对角方向的元素，只保留端点，这样可以节省内存。
- cv2.CHAIN_APPROX_TC89_L1 和 cv2.CHAIN_APPROX_TC89_KCOS：应用 Teh-Chin 链逼近算法。
contours（可选输出参数）: 轮廓的点集列表。每个轮廓本身又是一个点集（NumPy数组），表示轮廓上点的坐标。
hierarchy（可选输出参数）: 轮廓的层级结构信息，是一个 NumPy 数组。对于每个轮廓，hierarchy 包含四个元素：[next, previous, first_child, parent]，分别表示轮廓中的下一个轮廓、上一个轮廓、第一个子轮廓和父轮廓的索引。如果某个元素不存在，则对应位置为负值。
offset（可选参数）: 每个轮廓点移动的可选偏移量。通常设置为默认值 Point()。

示例：

import cv2
import numpy as np


# 绘图展示
def cv_show(name, img):
    cv2.imshow(name, img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()


image = cv2.imread('img\\1.png')
image_copy_cut = image[0:500, 0:500]
cv_show("image_copy_cut", image_copy_cut)
gray_img = cv2.cvtColor(image_copy_cut, cv2.COLOR_BGR2GRAY)
cv_show("gray_img", gray_img)
_, binary_image = cv2.threshold(gray_img, 127, 255, cv2.THRESH_BINARY)
cv_show("binary_image", binary_image)
# 查找轮廓
contours, hierarchy = cv2.findContours(binary_image, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
# 在原图上绘制轮廓
cv2.drawContours(image_copy_cut, contours, -1, (0, 255, 0), 2)
cv_show("image_copy_cut", image_copy_cut)

结果如下：