树莓派中进行图像处理-Python
代码：
import cv2 #导入opencv库
import numpy as np
#…
#读取一张图片，地址不能带中文
‘’’
第二个参数，取值可为：
cv2.IMREAD_COLOR：默认参数，读入一副彩色图片，忽略alpha通道
cv2.IMREAD_GRAYSCALE：读入灰度图片
cv2.IMREAD_UNCHANGED：读入完整图片，包括alpha通道(png有，jpg无）
‘’’
imgviewx=cv2.imread(“ha.png”,cv2.IMREAD_COLOR)
#…
#获取图片信息
#一个像素有三个通道，BGR
print(imgviewx.shape)#输出：(1080, 1920, 3) 高像素，宽像素，通道数
print(imgviewx.size)# 120000 总通道数=高* 宽* 通道数
print(imgviewx.dtype)# uint8 3个通道每个通道占的位数（8位，一个字节）
#print(imgviewx) #输出效果视乎与下条相同
#print(np.array(imgviewx)) #输出每个像素点的参数（ B , G , R )
#获取图片 B G R 各均值， #(204.46305102040816, 208.50832244897958, 217.29540408163263, 0.0) ，红色部分最多
print(cv2.mean(imgviewx))
#获取方差,也会打印均值，可用均值方差都为零判断图片无效
#print(cv2.meanStdDev(imgviewx))
#…
#图片处理
#备份图片
imgviewx1=imgviewx.copy()
#均值模糊,主要用于去除图片噪点
#读取图片并实现图片的模糊效果，参数：（读取图片，（X轴方向模糊，Y轴方向模糊））
#imgviewx=cv2.blur(imgviewx,(5,5))
#中值模糊，主要用于去除椒盐（烧烤配料）噪点
#参数：（图片信息，模糊值）
#imgviewx=cv2.medianBlur(imgviewx,9)
#普通高斯模糊
#参数：（图片信息，参数1，参数2）参数1和参数2只能设置一个
#imgviewx=cv2.GaussianBlur(imgviewx,(0,0),1)
#保留边缘（像素差），高斯模糊
#参数（图片信息，0，要用怎样的方式（越大则越细），空间复杂度（越大越复杂））
imgviewx=cv2.bilateralFilter(imgviewx,0,50,6)
#美颜,美白效果valuex值越大越白
#valuex=50;
#imgviewx=cv2.bilateralFilter(cv2.imread(“imgx/zcy.jpg”),valuex,valuex * 2,valuex / 2)
#对比度和亮度调整
#duix=0.5 #对比度
#lightx=0 #亮度
#imgviewx=cv2.addWeighted(imgviewx,duix,np.zeros(imgviewx.shape,imgviewx.dtype),1-duix,lightx)
#显示文字
#参数：图像，文字内容， 坐标( x , y ) ，字体，大小，颜色( B , G ,R )，字体厚度
#颜色值为0-255
font = cv2.FONT_HERSHEY_SIMPLEX # 定义字体
imgviewx = cv2.putText(imgviewx,“hhh”,(10, 50), font, 1.2, (0, 0, 255), 5)
#像素取反
#imgviewx=cv2.bitwise_not(imgviewx)
#遍历图片，效率低,不推荐使用
def xgtp():
global imgviewx
gx,kx,tx=imgviewx.shape#得到像素高度，像素宽度，通道数
for g in range(0,gx):
for k in range(0,kx): #这里得到的是每个像素点，每个点由RGB三色构成
if(k>0 and k<100):
imgviewx[g,k,0]=0 # B
imgviewx[g,k,1]=255 # G
imgviewx[g,k,2]=255 # R
else:
imgviewx[g, k, 0] = imgviewx[g, k, 0] #获取到原来的值
imgviewx[g, k, 1] = imgviewx[g, k, 1]
imgviewx[g, k, 2] = imgviewx[g, k, 2]
#创建一个图形，使用np,所以效率高
def cjtx():
# 初始化像素点值全为0 （rgb都为零，所以是黑色）
#参数：（[高，宽，通道数],每个通道占的位数（一个字节））
imgx=np.zeros([400,600,3],np.uint8)
#初始化像素点值为全为1
#imgx[110:130,50:70,2]表示一个范围：[高度起始点：高度结束点，宽度起始点：宽度结束点，哪个通道]，起始点均以左上角
#imgx[:,:,0]=np.ones([400,600],np.uint8)*255 #最终结果为第一个通道（B)全为255，所以是蓝色
imgx[110:130,50:70,1]=np.ones([20,20],np.uint8)255
cv2.imshow(“第二个图形窗口”,imgx)
#图片区域处理
def pictureArea():
global imgviewx
#得到截图
areax=imgviewx[110:529,778:1200]
#将图片由RGB（3通道）转换为灰度（2通道）
areax=cv2.cvtColor(areax,cv2.COLOR_BGR2GRAY)
#将图片有2通道还原成3通道，但色彩不能还原
areax2=cv2.cvtColor(areax,cv2.COLOR_GRAY2RGB)
#处理后的区域写到原图上
imgviewx[110:529, 778:1200]=areax2
#显示截图
cv2.imshow(“area”,areax)
#泛洪填充，相似像素填充
def fill_color():
global imgviewx
h,w,t=imgviewx.shape
#必要参数
maskx=np.zeros([h+2,w+2],np.uint8)
#参数接收：（图片信息，必要参数，参考点位置坐标，填充的颜色，查找范围：最低像素（参考减所写），查找范围：最高像素（参考加所写），全部填充） cv2.floodFill(imgviewx,maskx,(100,100),(0,255,0),(100,100,100),(50,50,50),cv2.FLOODFILL_FIXED_RANGE)
#通道分离与合并
def tongdao():
global imgviewx
b,g,r=cv2.split(imgviewx)#通道分离
cv2.imshow(“bb”,b)#通道图单独显示
cv2.imshow(“gg”,g)
cv2.imshow(“rr”,r)
imgviewx[:,:,1]=135 #改变单个通道（0,1,2 => B,G,R)
cv2.imshow("chang red ",imgviewx)
imgviewx=cv2.merge([b,g,r])#合并通道
#像素运算
def pixel_operation():
#读入两张大小和通道相同的图片
img1=cv2.imread(“imgx/img1.jpg”)
img2=cv2.imread(“imgx/img2.jpg”)
print(img1.shape, “=====”, img2.shape)
# 创建一个大小可调整的窗口
cv2.namedWindow(“operation”, cv2.WINDOW_NORMAL)
cv2.imshow(“img111”, img1)
cv2.imshow(“img222”,img2)
#处理图片
#像素点相加，如0（黑色），255（白色），0+255=255（白色），超过255还是白色
#imgoperation=cv2.add(img1,img2)
#像素相减，如0（黑色），255(白色），0-255=-255=0（黑色）
#imgoperation=cv2.subtract(img1,img2)
#像素相乘，255(白色），0/255=0（黑色）
#imgoperation=cv2.divide(img1,img2)
#像素相乘，255(白色），0255=0（黑色）
#imgoperation=cv2.multiply(img2,img1)
#像素与,二进制与，如0与255为00000000&11111111=00000000
imgoperation=cv2.bitwise_and(img1,img2)
#像素或
imgoperation=cv2.bitwise_or(img1,img2)
#显示处理后的图片
cv2.imshow(“operation”, imgoperation)
#…
#视频处理，视频无声音
def vediox():
ved=cv2.VideoCapture(“imgx/vv.mp4”)#打开视频
while True:
ret,tux=ved.read()
if ret== False:#判断视频是否播放完毕
break
else:
cv2.imshow(“wideo1111”,tux)#每帧显示
hsv=cv2.cvtColor(tux,cv2.COLOR_BGR2HSV)#转换成HSV图片格式，对颜色敏感
lowx=np.array([37,43,46])#表格在后面给出
uppx=np.array([77,255,255])
# 播放此输出的目标是白色
tux2=cv2.inRange(hsv,lowx,uppx)#利用低指和高指匹配延时，所匹配的是绿色
#播放此输出的目标是原色
tux3 = cv2.bitwise_and(tux,tux, mask=tux2)
cv2.imshow("video222",tux3)
if 27==cv2.waitKey(20):#按键退出播放
break
#…
#创建一个窗口，中文显示会出乱码，第一个参数为窗口唯一标识字符串
#窗口大小可调整，默认参数为c v2.WINDOW_AUTOSIZE 根据图像大小自动创建大小
#可建多个
cv2.namedWindow(“hhh”,cv2.WINDOW_NORMAL)
#…
#创建鼠标点击事件回调函数,（事件，x轴位置，y轴位置，标记，属性）
def drawxxx(event,x,y,flags,param):
if eventcv2.EVENT_LBUTTONDOWN:
print(“鼠标按下”,x,y)
#elif eventcv2.EVENT_MOUSEMOVE:
# print(“鼠标滑动”)
elif eventcv2.EVENT_LBUTTONUP:
print(“鼠标抬起”)
#注册鼠标监听事件(窗口，回调函数）
cv2.setMouseCallback("hhh,drawxxx)
#…
t1=cv2.getTickCount()#利用cpu时间…
#xgtp()#调用图片像素遍历函数
#cjtx()#调用创建图形函数
#vediox()#调用视频处理函数
#tongdao()#通道处理
#pixel_operation()#像素点的加减乘除等处理
#pictureArea()#图片区域处理
#fill_color()#泛洪填充，相似像素填充
t2=cv2.getTickCount()
timesx=(t2-t1)/cv2.getTickFrequency()
print(“花费时间：%s 毫秒”%(timesx*1000))
#显示图片，参数：（窗口唯一标识字符串，imread读入的图像）
#可以不基于窗口，可建多个
cv2.imshow(“hhh”,imgviewx)
#…
#将图片保存，写入到文件
cv2.imwrite(“2.jpg”,imgviewx)
#…
#窗口退出
#窗口等待任意键盘按键输入,0为一直等待,其他数字为毫秒数
#等待时间到则返回-1，如有键盘按键按下则返回按键的ASCII码
#可使用print(cv2.waitKey(0))获取该按键值
keyx=cv2.waitKey(0)
print(keyx)
if keyx27:
print(“你按下了键盘的：ESC键”
#…
#销毁窗口，退出程序
cv2.destroyAllWindows()
运行结果：
该代码的功能是处理了每个像素，将图片美化和显示每个点的坐标值
实验结果：图片更加清晰，美化了原始图片，同时图片左上方显示“hhhh”
