机器视觉专栏（一）opencv基础操作

opencv是机器视觉领域的一大杀器，他比matlab友好，比matlab可扩展性强，比……。这里不再黑matlab了，下面先来谈谈opencv+python的基础操作

读取，显示，保存图像

import cv2import numpy as npa = cv2.imread("lena.jpg")  #读取图像cv2.imshow("out",a)         #显示图像cv2.imwrite("lenna.jpg",a)  #保存图像

读取图像cv2.imread(“image path”)，可以在路径后面加一个参数flag，flag等于CV_LOAD_IMAGE_GRAYSCALE时，读取的图像是灰度图像

读取某一个像素点

对于普通的BGR图像来说，读取图像后的三维数组中的第三维分别代表B，G，R通道的数值，你可以用指定行列来单独读取，修改他们

>>> a[100,100]array([ 80,  70, 176], dtype=uint8)>>> a[100,100,0]80>>> a[100,100] = [255,255,255]>>> a[100,100]array([255, 255, 255], dtype=uint8)>>> 

还可以用item，itemset对一个位置的像素点进行读取和修改：

>>> a.itemset((100,100,2),100)>>> a.item(100,100,2)100

切分图像的通道：

在opencv里，可以使用cv2.spilt(img)函数来拆分图像，也可以直接访问图像矩阵某一个维度的全部像素值来实现

>>> b,g,r = cv2.split(a)>>> barray([[128, 126, 125, ..., 114,  92,  65],       [127, 127, 124, ..., 120, 101,  73],       [128, 125, 124, ..., 125, 105,  77],       ...,        [ 54,  57,  61, ...,  83,  82,  81],       [ 53,  57,  62, ...,  86,  86,  86],       [ 53,  57,  63, ...,  83,  84,  84]], dtype=uint8)>>> bb = a[:,:,0]>>> bbarray([[128, 126, 125, ..., 114,  92,  65],       [127, 127, 124, ..., 120, 101,  73],       [128, 125, 124, ..., 125, 105,  77],       ...,        [ 54,  57,  61, ...,  83,  82,  81],       [ 53,  57,  62, ...,  86,  86,  86],       [ 53,  57,  63, ...,  83,  84,  84]], dtype=uint8)

获取图像的几何信息：

使用cv2.shape会返回一个表示图像矩阵大小（宽，高，深度）的元组，使用cv2.size则会返回图像中有多少个像素：

>>> a.size786432>>> a.shape(512, 512, 3)>>> 

图像之间的四则运算：

因为图像在opencv中的储存方式是一个多维矩阵，那么对于图像来说就有矩阵加减，数乘矩阵，矩阵与矩阵的乘法除法，opencv在这个方面十分方便，他重载了运算符，所以我们直接使用运算符就可以,注意，操作的矩阵大小必须一致：

import cv2import numpy as npa = cv2.imread("lena.jpg")b = cv2.imread("ll.jpg")b = cv2.resize(b,(512,512),interpolation = cv2.INTER_CUBIC)cv2.imshow("add",a+b)  cv2.imshow("sub",a-b)cv2.imshow("mul1",1.2*a)cv2.imshow("mul",a*b)cv2.imshow("div",a/b)   #有可能会出现除以0的错误

先来说说cv2.resize(源，目标，)这个函数，我们分参数来讲：
源：图像源
目标：输出的图像，或者输入一个大小
插值方式：
INTER_NEAREST:根据像素的相邻关系补充像素
INTER_CUBIC:立方插值
INTER_LINER:双线性插值，参数缺省时使用：

同时opencv还可以对图像进行按位运算，AND，OR，NOT，XOR，这些函数对每对对应像素进行按位操作。按位操作可以完成图像叠加之类的方便操作：

import cv2import numpy as npa = cv2.imread("lena.jpg")b = cv2.imread("ll.jpg")b = cv2.resize(b,(512,512),interpolation = cv2.INTER_LINEAR)NOT = cv2.bitwise_not(b)AND = cv2.bitwise_and(b,b)XOR = cv2.bitwise_xor(b,b)

本次介绍的是一些很基础的操作，下一次介绍基础的图像处理方法
具体的读者可以参阅一下网站
opencv python API
opencv python tutorials