opencv-图像的显示与存储

一、python-opencv的安装

方法一：使用pip命令

opencv依赖于Numpy和wheel两个包，需要提前安装
若下载很慢可以使用 -i 设置使用清华源镜像
opencv-python为基础包，opencv-contrib-python则包含额外的模块

pip install wheel
pip install numpy
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple opencv-contrib-python

方法二：去官网下载安装包，后手动安装

下载链接： https://sourceforge.net/projects/opencvlibrary/files/

二、图像的读取、显示与保存

图像读取

使用函数 cv2.imread() 读入图像，该函数包含两个参数
imread

第一个参数以字符串形式提供图像的路径，可以是相对该程序的相对路径，或绝对路径
第二个参数表示如何读取这幅图片，如下为常用的flag
- cv2.IMREAD_GRAYSCALE：读入灰度模式图像，也可以用0表示
- cv2.IMREAD_COLOR：读入彩色图像（不包含透明度），也可以用1表示，为空缺时的默认参数
- cv2.IMREAD_UNCHANGED：读入一幅图像，并包括图像的alpha通道
注意： OpenCV 也不会提醒你路径是否错的，但是使用命令print img时得到的结果为None

# 引包
import numpy as np
import cv2
from matplotlib import pyplot as plt

# 读入图像
img = cv2.imread('image/01.png',0)

图像显示

方法一：使用Matplotlib显示图像

Matplotib是python的一个绘图库，其中包含各种各样的绘图方法，可以借助Matplotib编排、显示图像

这里使用plt.imshow()的方法来显示图像，

该方法忽略了原图像的尺寸，其大小可以通过plt.figure(figsize=(width, height))手动设置
对于强制缩放的图像可以使用interpolation = 'bicubic'参数调整插值的方法以确保图像清晰
对于彩色图像，由于opencv的读取是按照BGR的顺序读入并存放数据，但matplotlib则以RGB的顺序显示，因而需要在显示时手动修改顺序，即plt.imshow(img[,,::-1])
对于灰度图片，需要手动添加cmap=gray（0为黑色，255为白色）
默认显示图片含有坐标轴标签，使用plt.xticks([])和plt.yticks([])取消

import numpy as np
import cv2
from matplotlib import pyplot as plt

img = cv2.imread('image/01.jpg',1)
plt.imshow(img, cmap = 'gray', interpolation = 'bicubic')
plt.xticks([]), plt.yticks([])
plt.show()

方法二：使用opencv内置引擎

使用函数 cv2.imshow() 显示图像，返回结果为一个自动调整为图像大小的窗体

第一个参数是窗口的名字，多个窗口需给定不同的名字
第二个参数是需要展示的图像
该结果需要配合cv2.waitKey(0)和cv2.destroyAllWindows()命令使窗口暂时停留
在服务器端没有安装X Serve，因而图片使用cv2.imshow(img)无法直接调用图形界面显示，可以直接使用Matplotlib来返回显示结果

img = cv2.imread('image/01.png',0)
cv2.show('image',img)
cv2.waitKey(0)
cv2.destroyAllWindows()

图像的保存

使用cv2.imwrite()方法保存图像，其第一个参数为保存文件的路径和命名（包括后缀和格式），第二个参数为需要保存的图像

cv2.imwrite('image/01.png',img)

三、颜色空间的转换与通道的拆合

颜色空间的概念与相互转换

颜色空间，是在某些标准下用通常可接受的方式对彩色加以说明的方式，常用的颜色空间有RGB、CMYK、HSV、EG

RGB 颜色空间为加法混色，常用于彩色显示器上，图像包含3个通道（RGB），一个像素包含3个值，值的取值范围为[0, 255]
CMYK颜色空间为减法混色，常用在印刷时，其数值越加越黑，每种颜色包含4个参数（青色Cyan，洋红色Magenta，黄色Yellow，黑色Black）
HSV颜色空间依据人类视觉概念，由3个要素组成（H/Hue：色调，颜色种类、S/Saturation：饱和度、V/Value：明度，颜色明亮度），一个像素有3个值，构成了一个圆锥形的空间

在这里插入图片描述

CIE-XYZ颜色空间是人类颜色视觉的直接测定的颜色系统

opencv提供了超过150中进行颜色空间转换的方法，使用cv2.cvtColor(input_image ，flag)函数来进行转换，其中 flag就是转换类型，多使用如下两种flag：

对于BGR←→Gray的转换，可以使用cv2.COLOR_BGR2GRAY和COLOR_GRAY2RGB
对于BGR←→HSV的转换，我们用的flag就是cv2.COLOR_BGR2HSV和COLOR_HSV2BGR

官网教程额外提醒了，不同的软件使用的值可能不同，所以当需要拿OpenCV的HSV值与其他软件的HSV值进行对比时，一定要记得归一化！

可以通过如下代码查看opencv所提供的全部与颜色转换相关的 flag：

import cv2
flags=[i for i in dir(cv2) if i.startswith('COLOR_')]
print(flags)

当然，这里的转化也可以手工操作，如RGB图像灰度化的常用公式为$ Gray=R0.3+G0.59+B*0.11$

图像的存储与像素值的提取

RGB三通道图以三维矩阵的形式存储，其shape为[width，height，channel]，注意channel的顺序为B、G、R
灰度单通道图以二位矩阵的形式存储，其shape为[width，height]

可以通过img.shape参数查看图片的大小和通道数量（元组），img.size获知像素的个数，img.dtype每个像素的获知数据类型，即位深（一般为8位uint8，即2^8范围内）

import cv2
import numpy as np
img=cv2.imread('image/01.png')
print(img.shape)
print(img.size, img.dtype)

因而，可以直接使用Numpy结合下标访问或修改一张图片的某一像素值，甚至可以通过切片得到某一区域的图像

# 访问100，100位置处的颜色
px = img[100,100]
print(px)
>> [175 175 175]
# 访问100，100位置处B通道的值
blue = img[100,100,0]
print(blue)
>> 175
# 将100，100位置处的颜色修改为白色
img[100,100]=[255,255,255]
print(img[100,100])
>> [255 255 255]

如下操作是通过切片将图像上的区域复制到另一个位置上

import cv2
import numpy as np
from matplotlib import pyplot as plt

img=cv2.imread('image/01.jpg')
plt.figure(figsize=(14,5))
plt.subplot(121), plt.imshow(img[:,:,::-1]), plt.xticks([]), plt.yticks([])

hat=img[0:150,120:230]
img[0:150,300:410]=hat
plt.subplot(122), plt.imshow(img[:,:,::-1]), plt.xticks([]), plt.yticks([])
plt.show()

在这里插入图片描述

图像通道的拆合

有时我们需要对BGR三个通道分别进行操作，需要将其拆分成单个通道，有两种方法可以实现该目的

一种是利用Numpy的索引b = img[:,:,:,0]
一种是利用b,g,r = cv1.split(img)

相应的，也可以使用cv2.merge([b,g,r])将三层通道合并

import cv2
import numpy as np
from matplotlib import pyplot as plt
fig=plt.figure(figsize=(15,5),dpi=80)
img=cv2.imread('image/01.jpg')

# 方法一（0--b, 1--g, 2--r）（imshow展示b通道）
plt.subplot(131);plt.imshow(img[:,:,0], cmap = 'gray', interpolation = 'bicubic')
plt.xticks([]), plt.yticks([])

# 方法二（展示g，r通道）
b,g,r=cv2.split(img)
plt.subplot(132);plt.imshow(g, cmap = 'gray', interpolation = 'bicubic')
plt.xticks([]), plt.yticks([])
plt.subplot(133);plt.imshow(r, cmap = 'gray', interpolation = 'bicubic')
plt.xticks([]), plt.yticks([])
plt.show()