opencv图像处理及视频处理基本操作

【Python篇】Python + OpenCV 全面实战:解锁图像处理与视觉智能的核心技能 OpenCV(Open Source Computer Vision Library)是一个强大的计算机视觉库,支持多种语言,如 C++、Python 和 Java 等。它包含了几百个图像处理和计算机视觉的函数,能够处理从简单的图像读取与显示,到复杂的机器学习、物体检测等任务。通过本文,我们已经全面介绍了如何使用 Python + OpenCV 来处理图像和视频。我们演示了从基本的图像读取、显示,到高级的图像处理、滤波、边缘检测、物体检测等核心技能。 阅读详情

        计算机眼中的图像由一个个像素组成, 每个像素点的值在0-255之间,代表像素点的亮度(0为最暗,255为最亮)。通常彩色图为三通道,灰度图(黑白图)为单通道。彩色图像包括三个颜色通道——B,G,R,分别表示蓝、绿、红。

目录

1.图像的表示

2.图像的读取

3.显示图片

4.色彩空间

5.图像的逐点操作(像素级操作)

6.图像二值化

7.几何变换-缩放

8.几何变换-平移

9.几何变换-旋转

10.视频读取和写入
​​​​​​​


1.图像的表示

        图像的高和宽代表图像在竖直和水平方向分别有多少个像素点。也等价于每个颜色通道矩阵的维度。每张图片都是像素值构成的多维数组,彩色图像为三维数组,灰度图为二维数组。


        opencv库是开源图像处理和计算机视觉算法库,不同于其他库的是,其终端下载命令为pip install opencv-python,导入库的代码是import cv2


2.图像的读取

cv2.imread(filepath, flag)
• filepath : 文件路径,不能包含中文
• flag:读取的模式(可选)

               flag参数值缩写参数值                              含义
cv.IMREAD_UNCHANGED        -1按原样返回加载的图像(如果有透明
通道则保留)
cv.IMREAD_GRAYSCALE        0始终将图像转换为单通道灰度图像
cv.IMREAD_COLOR (默认)        1始终将图像转换为3通道BGR彩色图
像。
#读取图片(路径不能包含中文)
img=cv2.imread("C:\\Users\\Administrator\\desk\\images\\lena02.png")
print(img)               #打印像素
print(img.shape)         #(高,宽,通道)

 3.显示图片

cv2.imshow(windowname, img)
• windowname : 显示的窗口名,字符串形式
• img:要显示的图片

#显示结果
cv2.imshow("img",img)
cv2.waitKey()      #等待键盘输入,输入任意键返回
cv2.destroAllyWindow()    #关闭窗口

 4.色彩空间

dst = cv2.cvtColor(src, code)
• src: 输入图像
• code:转换模式,例如cv2.COLOR_BGR2GRAY, 
cv2.COLOR_BGR2HSV,数字2的前后分别是转换前和转换后
的色彩空间

#转换为灰度图
gray=cv2.cvtColor(img,cv2.COLOR_RGB2GRAY)    #数字2的前后分别是转换前和转换后的色彩空间
print(gray.shape)


#转换为三通道图
img=cv2.cvtColor(gray,cv2.COLOR_RGB2BGR)
print(gray.shape)

5.图像的逐点操作(像素级操作)

访问图片中某一特定像素的像素值
• 彩色图像:[行编号,列编号,通道编号]
• 灰度图像:[行编号,列编号]

访问图像某个局部区域:图像裁剪(通过切片实现)
• 通过切片的方式得到图片的某一部分

局部区域有时也称为ROI(Region Of Interest)

#获取局部区域(roi)
roi=img[384:513,350:550]
#保存roi到roi1.jpg
cv2.imwrite("roi1.jpg", roi)

6.图像二值化

二值图像:
• 图像上像素点的灰度值只有两种(一般是0和255)
• 更好地分析物体的形状和轮廓
• 也常作为掩码图像(mask)
图像二值化:
• 将图像变为二值图像的操作

retval, dst = cv2.threshold(src, thresh, maxval, thresholdType)• dst:结果图像

• src:原图像,要求必须是灰度图像
• thresh:阈值,取值范围0~255
• maxVal:像素灰度最大值(最大阈值)
• thresholdType:阈值类型,如下图THRESH_BINARY类型,修改后原图像像素小于127的值会会变成0,大于127的值会变成255

  • retval: 返回输入的thresh
  • dst: 返回二值化后的图片
img=cv2.imread("D:\\desk\\images\\lena02.png",0)        #0:自动将图像转为灰度图
ret,thresh1=cv2.threshold(img,127,255,cv2.THRESH_BINARY)
ret,thresh2=cv2.threshold(img,127,255,cv2.THRESH_BINARY_INV)
ret,thresh3=cv2.threshold(img,127,255,cv2.THRESH_TRUNC)
ret,thresh4=cv2.threshold(img,127,255,cv2.THRESH_TOZERO)
ret,thresh5=cv2.threshold(img,127,255,cv2.THRESH_TOZERO_INV)

运行结果如下:

 7.几何变换-缩放

res = cv2.resize(src, size, fx, fy, interpolation)

•src: 原图

•size:目标的宽和高,格式为(w,h),w和h均为整数

•fx, fy(可选):沿x轴,y轴的缩放系数,当指定这两个数值时,size需输入None

Interpolation(可选):缩放的方式,具体含义见下表

cv2.INTER_NEAREST最近邻插值
cv2.INTER_LINEAR双线性插值(默认设置)
cv2.INTER_AREA使用像素区域关系进行重采样
cv2.INTER_CUBIC4x4像素邻域的双三次插值
cv2.INTER_LANCZOS48x8像素邻域的Lanczos插值
img=cv2.imread("C:\\Users\\Administrator\\desk\\images\\lena02.png")
print(img.shape)

#计算宽和高
#方法1
w=int(0.5*img.shape[1])
h=int(0.6*img.shape[0])
img_small=cv2.resize(img,(w,h))
#方法2
img_small=cv2.resize(img,None,fx=0.5,fy=0.6)     #res = cv2.resize(src, size, fx, fy, interpolation(可选))
print(img.shape)

8.几何变换-平移

dst = cv2.warpAffine(src, M, dsize[,flags,borderMode,borderValue]) 

•src:输入图像

•M:2*3变换矩阵,float32

tx:水平方向的平移距离      ty:垂直方向的平移距离

•dsize:输出图像的大小,格式为(w,h)

•Flags(可选):插值方法,默认为cv2.INTER_LINEAR(即线性插值)

•borderMode(可选):边的类型

•borderValue(可选):边界值,默认为0


#定义变换矩阵
tx=50     #水平方向的平移距离
ty=50     #垂直方向的平移距离
M=np.float32([[1,0,tx],[0,1,ty]])

#移动图像
lena_shift=cv2.warpAffine(img,M,(img.shape[1],img.shape[0]),borderValue=(255,255,255))
#borderValue定义颜色  dsize:(img.shape[1],img.shape[0])为输出图像的大小,格式为(w,h)

9.几何变换-旋转

cv2.warpAffine()除了平移外,还可以实现旋转效果

输入图片和输出大小预先设定,已知

只需要确定M矩阵:cv2.getRotationMatrix2D(center, angle, scale)

•center:输入图像的旋转中心,格式为(x,y),即横坐标在前,纵坐标在后

•angle:旋转角(以度为单位),注意:逆时针旋转角为正,顺时针旋转角为负

•scale:原始图像的缩放系数


h,w,_=img.shape

#定义旋转中心
center_x=int(w/2)
center_y=int(h/2)

#得到变换矩阵,逆时针旋转30,缩放到原图0.6倍
M=cv2.getRotationMatrix2D((center_x,center_y),30,0.6)     #旋转中心,旋转角,缩放系数

#调用warpAffine进行旋转
res=cv2.warpAffine(img,M,(w,h))

 10.视频读取和写入

OpenCV中的视频读取步骤:

•1.cam = cv2.VideoCapture() 创建视频捕获器

•2.cam.read() 读取视频帧,每次调用都返回读取是否成功和当前帧(失败的话为None)

有两种读取失败的可能:视频损坏、已读到最后一帧

•3.cam.release() 释放视频捕获器

OpenCV中的视频写入步骤:

•1.定义新视频的宽、高、帧率

•2.创建新视频的编码器cv2.VideoWriter_fourcc

•3. 创建新视频的写入对象cv2.VideoWriter

•4.逐帧写入新视频: .write(frame)•5.释放VideoWriter对象: .release()

OpenCV中的获取视频属性: VideoCapture对象的.get()方法

get参数含义
cv2.CAP_PROP_FRAME_WIDTH视频帧的宽
cv2.CAP_PROP_FRAME_HEIGHT视频帧的高
cv2.CAP_PROP_FPS视频帧的帧率
编码器初始化fourcc= cv2.VideoWriter_fourcc(fourcc_name)
•fourcc: 编码器对象
•fourcc_name:编码器名称,格式为*'编码器',  例如*'mp4v',*'DIVX'.
视频写入对象的初始化vw= cv2.VideoWriter(path, fourcc, fps, frame_size)
•path:保存路径
•fourcc:编码器对象
•fps:帧率
•frame_size:视频帧宽和高,格式为(w,h)
"""将一段视频读取进来,并且将读入的视频帧写到新视频,如果用户有按键输入,则停止写入"""
import cv2
# 第一步:读取视频
# 创建视频捕获器

cam = cv2.VideoCapture("D:\\desk\\chp3.mp4")

# 确定视频高 宽 帧率   视频总帧数
height = int(cam.get(cv2.CAP_PROP_FRAME_HEIGHT))
width = int(cam.get(cv2.CAP_PROP_FRAME_WIDTH))
fps = round(cam.get(cv2.CAP_PROP_FPS))
frameCount=cam.get(cv2.CAP_PROP_FRAME_COUNT)

# 创建视频编码器
fourcc = cv2.VideoWriter_fourcc(*'mp4v')  # 对应的编码器为MP4v
cam_write = cv2.VideoWriter("C:\\Users\\Administrator\\desk\\output.mp4", fourcc, fps, (width, height))


# 第二步:循环得到视频帧,并写入新视频
success, frame = cam.read()
frame_count=0      #当前写入
# 读取视频帧
while success:
    # 将视频帧写入新视频
    cam_write.write(frame)
    cv2.imshow("frame", frame)
    # 判断用户是否有按键输入,如果有则跳出循环
    # cv2.waitKey如果有用户输入,返回输入的字符,否则返回-1
    char = cv2.waitKey(5)
    if char != -1:
        break
    # 读取新视频
    success, frame = cam.read()

# 释放视频读取对象
cam.release()
# 释放视频写入对象
cam_write.release()

OpenCV实战(26)——视频序列处理 视频信号包含丰富的视觉信息,视频由一系列图像组成,每一图像称为一帧 (frame),这些图像以固定的时间间隔(通过指定帧率,单位为秒/帧)拍摄并显示运动场景。随着计算机算力的提升,现在已经可以对视频序列执行复杂的视觉分析,处理速度已经接近甚至快于实际视频帧率 (frame rate)。本节将学习如何读取、处理和存储视频序列。 阅读详情

相关推荐

WOL唤醒配置(以太网、PHY、MAC)

MAC 就是以太网控制器,属于OSI的数字链路层。phy 属于OSI的物理层(Physical layer),所以叫phy。CPU Mac与phy通信通过MII接口,数据的传输通过MDIO数据线。通过配置phy的相关寄存器实现不同的功能。

qq_58264156的博客 8649

opencv读写视频流

读取视频 import cv2 cap = cv2.VideoCapture('video.avi') #读取摄像头,0为摄像头索引,当有多个摄像头时,从0开始编号 cap = cv2.VideoCapture(0) #从视频或摄像头中读取一帧(即一张图像),返回是否成功标识ret(True代表成功,False代表失败),img为读取的视频帧 re...

weixin_30520015的博客 682

S32K系列之PDB框图详解及PDB触发ADC

可编程延迟模块PDB,PDB可提供从内部或外部触发或可编程间隔信号到ADC硬件触发输入的可控制延迟。 PDB可以选择提供脉冲输出,用作CMP块中的采样窗口。 S32K系列的PDB资源如下表: PDB功能框图 在下图中,以下字母表示的意义: N:PDB通道的总数 n:PDB通道号,范围从0到N-1 M:每个PDB通道的总可用预触发 m:预触发编号,范围从0到M-1 Y:脉冲输出的总数 y:脉冲数...

zz56z56的博客 1万+

VideoWriter_fourcc()函数的作用:指定视频编码格式

帧速率 fps 和 帧大小,通过VideoCapture类的get()函数得到。 编码参数: cv2.VideoWriter_fourcc(‘I’,‘4’,‘2’,‘0’)—未压缩的YUV颜色编码,4:2:0色度子采样。兼容性好,但文件较大。文件扩展名.avi。 cv2.VideoWriter_fourcc(‘P’,‘I’,‘M’,‘1’)—MPEG-1编码类型,文件扩展名.avi。随机访问,灵活的帧率、可变的图像尺寸、定义了I-帧、P-帧和B-帧 、运动补偿可跨越多个帧 、半像素精度的运动向量 、量化

小黑煤的博客 1万+

Go语言集成Ollama本地大模型:gollama库实战指南

在当今的AI应用开发中,大型语言模型(LLM)的集成已成为关键技术。其核心原理是通过API调用,将自然语言处理能力嵌入到各类应用中。从技术价值看,本地化部署的LLM解决了数据隐私、网络延迟和持续成本三大痛点,尤其适合处理敏感数据或对实时性要求高的场景。在工程实践中,开发者常使用专门的客户端库来简化与模型服务的交互,例如通过封装REST API、提供类型安全接口和流式处理支持,从而提升开发效率和代码健壮性。具体到Go语言生态,结合Ollama这一流行的本地大模型运行工具,可以实现完全离线、低延迟的AI功能集成

weixin_28728443的博客 613

在Unity3d使用yolov8的onnx模型

输出OUTPUTS是float32[1,35,8400],表示它会输出一个大小为[1, 35, 8400]的浮点数张量。这个输出张量的维度表示了检测到的目标的数量、每个目标的预测参数以及网格单元的数量。输出张量的第一个维度1表示检测到的目标数量。每个目标由35个值组成,表示目标的类别、置信度、边界框的坐标及10个特定点的位置。要取得8400个数据中置信度最高的数据,然后获取该数据其他channel的数据。运行结果:(蓝色是检测手的边框,红点是自定义的点),其中的四个数字分别表示不同的维度。

shenqingyu0605202324的博客 5606

OpenCV库学习之cv2.VideoWriter_fourcc(函数)

是 OpenCV 中用于定义视频编解码器的函数,它将四个字符的编码(FourCC)转换为一个用于视频编码器的整数。FourCC 是一种四字符编码,用于指定视频文件中使用的压缩方式。

qq_46396470的博客 7902

数据仓库实践:从ITR流程讲指标体系建设

从 ITR 流程或者其他客服反馈流程的考核过程可见,实际工作中不可能只通过单个指标评价一个业务过程,需要从多个维度梳理业务,并把多个高度相关的指标组织起来,以避免只考虑其中某个指标从而摧毁整个业务过程的结果,指标体系=指标+体系。

the_singing_towers的博客 2275

python cv 图片转视频

python cv 图片转视频

星空点点 4556

微信自动化必备软件:inspect(获取微信界面元素)

SaveButton10015.2:1 ✅(合格)Passed ✅说明这个控件完全符合无障碍标准。

Ven%的博客 1392

UE实现贴地线(SurfaceLine)效果

UnrealEngine实现贴地线效果

专注GIS开发 4575

01 OpenCV--图像处理--OpenCV的安装与图像处理的基本操作、图像绘制与视频处理

OpenCV是一款开源的计算机视觉与机器学习库,支持多语言接口和跨平台运行,广泛应用于图像处理、目标检测、视频分析等领域。图像以数组形式存储,彩色图像为(height,width,channels)结构,灰度图像为(height,width)或(height,width,1)。OpenCV提供丰富的图像操作功能,包括读取/显示图像、灰度转换、创建黑白图像、调整大小等。通过NumPy数组可以灵活操作图像像素数据,支持从单像素到多通道的颜色分量处理。

2202_75674969的博客 874

Qt Android MySql 数据库驱动编译(详细图解步骤)

第一步.先介绍下环境搭建: Qt 版本 5.12.11 下载链接 https://download.qt.io/archive/qt/5.12/5.12.11/qt-opensource-linux-x64-5.12.11.run Ubuntu 18.04.6 LTS 下载链接 JDK版本 1.8.0_191 下载链接https://www.oracle.com/java/technologies/downloads/ Android Studio版本 ...

h a 6 6 6 c k 为 你解决复杂难题! 3384

OpenCV 图像处理基础

OpenCV 提供了丰富的图像处理和计算机视觉功能,包括图像读取、显示、颜色空间转换、滤波、边缘检测、轮廓检测等。本章节我们将介绍 OpenCV 的基本概念和常用功能。

fufu18888的博客 2945

win10 跳过U8环境检测的IE WebControls.rar

win10 安装u8的时候 提示IE WebControls 不通过,这个工具可以欺骗u8的检查。 跳过U8环境检测的IE WebControls。提示导入失败后,重新检测通过。

pscad IEEE标准系统搭建说明

pscad IEEE标准系统搭建说明,包含典型的IEEE 9节点、14节点、30节点、39节点和118节点系统。内含标准测试系统的原始数据和潮流结果。

OpenCV学习(一)

OpenCV是一个开源的计算机视觉和机器学习库,广泛应用于图像处理、视频分析等领域。文章介绍了OpenCV的基础概念,包括图像表示(cv2.Mat对象)、常用操作(读取、显示、保存图像)、颜色空间转换(BGR转灰度/HSV)以及核心功能(边缘检测、高斯模糊、阈值处理)。此外,还涵盖了轮廓检测、视频处理和特征检测(如ORB算法)等进阶内容,为初学者提供了快速入门OpenCV的实用指南。

在全栈和前端徘徊的程序员 740

vb 6.0并口开发操作实例

vb6并口开发,简体中文,试例内有inpout32.dll动态链接库

【转载】OpenCV-Python系列之视频处理入门(六)

视频处理在 OpenCV 中处于极为重要的位置,目标实时跟踪等各种实时图像处理算法都是以视频为基础。 从相机拍摄视频 首先我们来了解一下使用电脑自带的相机来进行捕获视频。通常,我们必须使用摄像机捕获实时流。 OpenCV中提供了一个非常简单的界面来执行此操作。让我们从相机捕获视频(我使用笔记本电脑上的内置网络摄像头),我们需要了解几个函数: 上限= cv2.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 = c

weixin_44237705的博客 783

OpenCV图像处理实战从入门到精通的完整指南

OpenCV图像处理的学习是一个循序渐进的过程。从环境搭建到基础操作,从核心算法到高级应用,再到完整的项目实战,每一步都旨在加深您对计算机视觉的理解。本指南为您规划了一条清晰的学习路径,但真正的精通还需要您不断地实践、探索和解决实际问题。祝您在OpenCV的世界里探索愉快,学有所成!

qq_32511727的博客 404

OpenCV4快速入门

OpenCV4快速入门001-图像读取与显示quickDemo类的定义(头文件)quickDemo类的函数实现002-色彩空间变换(cvtColor)003-图像对象的创建与赋值(m2=m1,clone,copyto)004-图像像素的读写操作(image.at(row, col),image.at(row, col)[0])005-图像像素的算术操作(+,-,multiply,divide)006-trackbar滚动条操作演示-调整图像亮度(add,subtract)007-trackbar滚动条操作演

吾名招财的博客 9928

OpenCV总结

目录 1、简介 1.1、什么是open CV 1.2、优点 1.3、如何获得open CV 2、我的第一个open CV程序 2.1、工具及版本 2.2、opencv安装与环境配置 2.3、将open CV与Visual Studio 2017关联 2.4、开始第一个项目 3、图像读取、显示与保存 3.1、头文件与命名空间 3.2、imread()函数 3.3、namedWindow()函数 3.4、imshow()函数 3.5、imwrite()函

Bonaventure的博客 1269

OpenCV图像处理基本操作

图像的读取 cv2.IMREAD_COLOR 彩色图像 cv2.IMREAD_GRAYSCALE 灰色图像 import cv2#opencv 的读取格式是BGR import matplotlib.pyplot as plt import numpy as np #图像的显示,也可以创建多个窗口 img=cv2.imread('tu.jpg') cv2.imshow('name',img) #等待时间毫秒级,0表示任意键终止 cv2.waitKey(0) cv2.destroyAllWindows()

qq_40839674的博客 460

Python知识点:利用Python工具,如何使用OpenCV进行图像处理

OpenCV(Open Source Computer Vision Library)是一个开源的计算机视觉和机器学习软件库,它提供了大量的图像处理和计算机视觉功能。使用Python结合OpenCV可以轻松实现图像的基本操作、滤镜应用、特征检测、图像转换等。

杰哥在此的专栏 1146

OpenCV-Python系列 - OpenCV中的GUI特性 一

本文主要是讲解图像基础知识和OpenCV-Python图像和视频的基础操作。以上是一些OpenCV-Python 关于图像的基础用法。“笑对人生,智慧同行!博客新文出炉,微信订阅号等你笑纳~”

拥有必珍惜 1191

opencv-python学习笔记【更新中】

基于明日科技的《Python OpenCV从入门到实践》的学习笔记

qq_45700830的博客 1863

图像基础:从像素到 OpenCV 的入门指南

本文介绍了图像处理的基础知识和 OpenCV-Python 的核心操作

qq_74732076的博客 1504
上一篇: Anaconda创建python环境常见命令
下一篇: MNIST数据集的训练(内附完整代码及其注释)
double@AI
博客等级 码龄5年 68粉丝 22原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值
⌂ 换网址