Python-OpenCV(3)

GavinZhou

发布于 2018-01-02 15:21:36

6250

发布于 2018-01-02 15:21:36

上篇博客，写了个比较有意思的玩意，接下来几篇会写写基本的图像处理

首先我们要知道的是，cv2.imread()，读取的图像是个numpy矩阵

In [1]: import cv2

In [2]: import numpy as np

In [3]: img = cv2.imread('/home/gavinzhou/实验室/ForBlogImage/images/0.jpg', cv2.IMREAD_GRAYSCALE)

In [4]: type(img)
Out[4]: numpy.ndarray

In [5]:

所有对如何取出图像中的点，如何对图像进行resize，如何‘扩充’图像之类的，其实就是对数组的操作，这个我就不准备说了，大家可以看我的numpy基础教程，相信大家都可以看懂的

比如，我举个例子：

Question: 如何获得一副彩色(三通道)图像的R、G、B分量 Answer： (1) 使用cv函数，cv2.split() (2) numpy数组观点，R、G、B分量就是此三维矩阵的第三、第二、第一维的分量值嘛(OpenCV读图是按照BGR读取的) 即：B = img[:, :, 0]，G = img[:, :, 1]，R = img[:, :, 2]

代码：

In [7]: img = cv2.imread('/home/gavinzhou/实验室/ForBlogImage/images/0.jpg', cv2.IMREAD_COLOR)

In [8]: B = img[:, :, 0]

In [9]: B.shape
Out[9]: (220, 298)

In [10]: cv2.imshow('B', B)

(python:23185): Gtk-WARNING **: gtk_disable_setlocale() must be called before gtk_init()

In [11]: G = img[:, :, 1]

In [11]: R = img[:, :, 2]

结果：

相信大家已经明白我的意思了，图像的很多操作其实就是对矩阵的操作，想明白这个很多问题往往我们可以不借助cv函数，直接高效的对矩阵进行操作

图像上的算数运算

其实思想和我上面说的类似，算数运算其实就是矩阵的运算嘛

还是以一个例子说明：

Question: 实现图像的融合效果 Answer: 其实很简单，就是矩阵的加权相加就可以，公式： img = a*img1+(1-a)*img2 或者： cv2.addWeighted()

代码：

In [66]: img2=cv2.imread('/home/gavinzhou/实验室/ForBlogImage/images/3.jpg',cv2.IMREAD_COLOR)

In [67]: img1=cv2.imread('/home/gavinzhou/实验室/ForBlogImage/images/0.jpg',cv2.IMREAD_COLOR)

In [68]: print img1.shape,img2.shape
(220, 298, 3) (220, 293, 3)

In [69]: img3=cv2.resize(img1, (293,220))  # 必须大小一样才可以进行叠加，不然数组越界嘛

In [70]: print img3.shape,img2.shape
(220, 293, 3) (220, 293, 3)

In [71]: img4=cv2.addWeighted(img3,0.7,img2,0.3,0)  # 等价于0.7*img3+0.3*img2

In [72]: imshow(img4)
Out[72]: <matplotlib.image.AxesImage at 0x7fb6bf1aaa90>

In [73]: img4.shape
Out[73]: (220, 293, 3)

结果：