Python OpenCV 图像改变

更改图像数据

通过 改像素点 或者 切片的区域

1. import cv2
2. import numpy as np       
3. img = cv2.imread("image.jpg")
4. print(img[3,5])            # 显示某位置(行3列5)的像素值( 如 [53 34 29] 它是有三通道 B G R 组成)
5. img[3,5] = (0,0,255)       # 更改该位置的像素
7. img[0:100,100:200,0]   = 255 # 更改区域(0~100行 100~200列) B通道的值为255
8. img[100:200,200:300,1] = 255
9. img[200:300,300:400,2] = 255           
10. cv2.imshow('changeData',img)  # 显示可看到图像有 蓝色 绿色 红色的方块区域
11. cv2.waitKey(2000)

复制代码

图像通道分离

1. #---方式一(opencv自带的函数)
2. import cv2
3. import numpy as np       
4. img = cv2.imread("image.jpg")  
5. b, g, r = cv2.split(img)  # 分离为blue,green ,red 三色通道(注：opencv 通道顺序是BGR，而不是主流的RGB)
6.                           # img = cv2.cvtColor(img,cv2.COLOR_BGR2RGB)  调整通道顺序为RGB
7.                           # 只分离一个 b = cv2.split(img)[0]   0:b 1:g 2:r                          
8. cv2.imshow("Blue", r)  
9. print(r.shape)            # (240,320)
10. cv2.imshow("Red", g)  
11. cv2.imshow("Green", b)  
12. cv2.waitKey(0)
14. #---方式二(numpy的函数)
15. import cv2
16. import numpy as np       
17. img = cv2.imread("image.jpg")  
18. print(img.shape)  
19. r = np.zeros((img.shape[0],img.shape[1]), dtype=img.dtype)   #//创建numpy空间
20. r[:,:] = img[:,:,2]    #//拷贝r通道的数据
21.   
22. cv2.imshow("Red", r)  
23. cv2.waitKey(0)  

复制代码

图像通道合并

1. import cv2
2. import numpy as np               
3. img = cv2.imread("image.jpg")
4. b, g, r = cv2.split(img)
5. merged = cv2.merge([b,g,r])  # 合并通道，如果换成 [r, g, b]就和原图像不一样了
6. print(merged.shape)      # (240, 320, 3)   合并后顺序是(高度 宽度 通道数)
7. cv2.imshow("Merged", merged)
8. cv2.waitKey(0)

复制代码

图像拼接

1. import os
2. import cv2
3. import numpy as np
5. def mergePic(files):
6.     baseimg= cv2.imread(files[0])
7.     for file in files[1:]:  # 遍历除第一个外的numpy
8.         img=cv2.imread(file)
9.         baseimg=np.append(baseimg,img,axis=1)   # 横向追加图像(axis=0时为纵向)
10.     cv2.imwrite('mergeCv2.png',baseimg)
12. path = "./pic/" # 注：该路径下的图像，必须是相同格式，尺寸的图像
13. images = []  #先存储所有的图像的名称
14. for root, dirs, files in os.walk(path):
15.     for f in files :
16.         images.append(path+f)
17. print(images,len(images))
19. mergePic(images)

复制代码

图像混合(虚化后混合)

1. import cv2
2. import numpy as np
3. img1=cv2.imread('image.jpg')
4. img2=cv2.imread('opencv_logo.jpg')
5. img2 = cv2.resize(img2,(img1.shape[1],img1.shape[0])) # 注意opencv的resize和shape是反的
6. print(img1.shape,img1.size,img1.dtype)
7. print(img2.shape,img2.size,img2.dtype)
9. dst=cv2.addWeighted(img1,0.7,img2,0.3,0) # 注：不同尺寸会报错，可采用resize或roi方式处理
10. # 0.7/0.3为图像混合占的比重，在0通道
11. cv2.imshow('dst',dst)
12. cv2.waitKey(0)

复制代码

缩放、旋转和裁剪

1. import cv2
3. # 打开图像
4. image = cv2.imread('example.jpg')
6. # 缩放图像
7. scaled_image = cv2.resize(image, (500, 500))
9. # 旋转图像
10. rotated_image = cv2.rotate(image, cv2.ROTATE_90_CLOCKWISE)
12. # 裁剪图像
13. cropped_image = image[100:300, 100:300]
15. # 显示变换后的图像
16. cv2.imshow('Scaled Image', scaled_image)
17. cv2.imshow('Rotated Image', rotated_image)
18. cv2.imshow('Cropped Image', cropped_image)
19. cv2.waitKey(0)
20. cv2.destroyAllWindows()

复制代码

图像平移

1. import cv2
2. import numpy as np
3. import matplotlib.pyplot as plt
5. img = cv2.imread('image.jpg')
6. H = np.float32([[1,0,100], # 创建变换矩阵,100:沿x轴移动距离 50:沿y轴移动距离
7.                 [0,1,50]])
8. rows,cols = img.shape[:2]  # 取图片的行数和列数(开始到2之间，即shape[0] shape[1])
9. newImg = cv2.warpAffine(img,H,(rows,cols)) # 仿射变换
10.                                         # img:变换前图像
11.                                         # H:变换矩阵
12.                                         # (rows,cols)):变换后的大小
13. plt.subplot(121) # 子图 1行2列1象限
14. plt.imshow(img)
15. plt.subplot(122) # 子图 1行2列2象限
16. plt.imshow(newImg)
17. plt.show()       # 显示 matplotlib图

复制代码

cv2.warpAffine() 是 OpenCV 中用于实验仿射变更的函数之一。它可以用来对图像进行平移、旋转、缩放等操纵

1. import cv2
2. import numpy as np
4. # 读取图像
5. image = cv2.imread('input_image.jpg')
7. # 定义平移矩阵，这里将图像向右平移100像素，向下平移50像素
8. tx = 100
9. ty = 50
10. translation_matrix = np.float32([[1, 0, tx],
11.                                  [0, 1, ty]])
13. # 执行仿射变换
14. translated_image = cv2.warpAffine(image, translation_matrix, (image.shape[1], image.shape[0]))
16. # 显示原始图像和平移后的图像
17. cv2.imshow('Original Image', image)
18. cv2.imshow('Translated Image', translated_image)
19. cv2.waitKey(0)
20. cv2.destroyAllWindows()

复制代码

图像增强

图像增强是指通过调整图像的亮度、对比度、饱和度等参数来改善图像质量。
使用OpenCV库的cv2.convertScaleAbs()函数来增强图像的对比度。

1. import cv2
3. # 打开图像
4. image = cv2.imread('example.jpg')
6. # 增强对比度
7. enhanced_image = cv2.convertScaleAbs(image, alpha=1.5, beta=0)
9. # 显示增强后的图像
10. cv2.imshow('Enhanced Image', enhanced_image)
11. cv2.waitKey(0)
12. cv2.destroyAllWindows()

复制代码

图像复原

图像复原是指通过去除噪声、含糊等失真来恢复图像的原始质量。
使用OpenCV库的cv2.fastNlMeansDenoisingColored()函数来去除图像中的噪声。

1. import cv2
3. # 打开图像
4. image = cv2.imread('noisy_image.jpg')
6. # 去除噪声
7. denoised_image = cv2.fastNlMeansDenoisingColored(image, None, 10, 10, 7, 21)
9. # 显示去除噪声后的图像
10. cv2.imshow('Denoised Image', denoised_image)
11. cv2.waitKey(0)
12. cv2.destroyAllWindows()

复制代码

图像旋转

1. import cv2
2. import matplotlib.pyplot as plt
4. img = cv2.imread('image.jpg')
5. rows,cols = img.shape[:2]
7. M = cv2.getRotationMatrix2D((cols/2,rows/2),45,1) # 2D矩阵旋转变换
8.                                                   # 参1:旋转中心 参2:旋转角度  参3：缩放比例
9. newImg = cv2.warpAffine(img,M,(rows,cols))  # 仿射变换
11. plt.subplot(121)
12. plt.imshow(img)
13. plt.subplot(122)
14. plt.imshow(newImg)       
15. plt.show()

复制代码

图像拉伸

1. import cv2
2. import numpy as np
3. import matplotlib.pyplot as plt
5. img = cv2.imread('image.jpg')
6. rows,cols = img.shape[:2]
7.        
8. pts1 = np.float32([[50,50],[200,50],[50,200]])   # 变换前位置(通过三个点 来确定)
9. pts2 = np.float32([[10,100],[200,50],[100,250]]) # 变换后位置(通过三个点 来确定)
10. M = cv2.getAffineTransform(pts1, pts2) # 仿射变换(参1:变换前位置  参2:变换后位置)
11.                                       
12. res = cv2.warpAffine(img,M,(rows,cols))
13. plt.subplot(121)
14. plt.imshow(img)
15. plt.subplot(122)
16. plt.imshow(res)
17. plt.show()

复制代码

图像滤波

图像滤波是图像处理中的一个基础任务，用于去除图像中的噪声和细节，增强感爱好的结构。
使用OpenCV库的cv2.fastNlMeansDenoisingColored()函数来去除图像中的噪声。

1. import cv2
3. # 打开图像
4. image = cv2.imread('noisy_image.jpg')
6. # 去除噪声
7. denoised_image = cv2.fastNlMeansDenoisingColored(image, None, 10, 10, 7, 21)
9. # 显示去除噪声后的图像
10. cv2.imshow('Denoised Image', denoised_image)
11. cv2.waitKey(0)
12. cv2.destroyAllWindows()

复制代码

图像特性提取

图像特性提取是从图像中提取有用的信息，如边缘、角点、形状等。这些特性可以用于图像识别、图像检索等。
使用OpenCV库的cv2.Canny()函数来提取图像的边缘特性。

1. import cv2
3. # 打开图像
4. image = cv2.imread('image_with_edges.jpg')
6. # 应用边缘检测
7. edges = cv2.Canny(image, 100, 200)
9. # 显示边缘检测后的图像
10. cv2.imshow('Edges', edges)
11. cv2.waitKey(0)
12. cv2.destroyAllWindows()

复制代码

图像分割

图像分割是将图像分成多个部分的过程，每个部分代表图像中的一个对象或区域。
使用OpenCV库的cv2.inRange()函数来根据颜色对图像进行分割。

1. import cv2
3. # 打开图像
4. image = cv2.imread('colorful_image.jpg')
6. # 创建颜色范围
7. lower_red = (0, 50, 50)
8. upper_red = (10, 255, 255)
10. # 应用颜色分割
11. mask = cv2.inRange(image, lower_red, upper_red)
13. # 显示分割后的图像
14. cv2.imshow('Mask', mask)
15. cv2.waitKey(0)
16. cv2.destroyAllWindows()

复制代码

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。