来源 | 极链AI云（性价比最高的共享GPU算力平台，新人注册可领取限定198元大礼包，价值100+小时的免费使用时长，领取地址：https://cloud.videojj.com/）

作者 | sun 极链AI云技术原创奖励计划

原文地址 | openCV基本操作笔记（官网论坛）

 

读取图片

cv2.imread(filepath,flags)
  • filepath：要读入图片的完整路径
  • flags：读入图片的标志
    • cv2.IMREAD_COLOR：默认参数，读入一副BGR彩色图片，忽略alpha通道
    • cv2.IMREAD_GRAYSCALE：读入灰度图片
    • cv2.IMREAD_UNCHANGED：顾名思义，读入完整图片，包括alpha通道
  • 返回值：一个rows * cols * depth的数组，rows是图像像素的行数 cols是图像像素的列数 depth是图像颜色深度，灰度图一般是1 ，RGB图一般是3

显示图片

cv2.imshow('image',img)
  • image：显示图像的窗口的名字
  • img：要显示的图像（imread读入的图像）

保存图片

cv2.imwrite(file，img，[num])
  • file：要保存的文件名
  • img：保存的图像
  • num：针对特定的格式：对于JPEG，其表示的是图像的质量，用0 - 100的整数表示，默认95;对于png ,第三个参数表示的是压缩级别，默认为3。

颜色空间转换函数

cv2.cvtColor(src, code, dst=None, dstCn=None)
  • src: 原图像；
  • code: 指定颜色空间转换类型，cv2.COLOR_BGR2RGB，cv2.COLOR_BGR2GRAY 等
  • dst: 目标图像；与原图像大小深度一致；
  • dstCn: 指定目标图像通道数；默认None，则会根据src、code自动计算；

图像仿射

cv2.warpAffine(src, M, dsize[, dst[, flags[, borderMode[, borderValue]]]]) → dst
  • src ：输入图像；
  • M：变换矩阵，作为仿射变换矩阵，一般反映平移或旋转的关系，为numpy的float32类型的2×3的变换矩阵。
  • dsize：输出图像的大小；
  • flags ：插值方法的组合（int 类型）；
  • borderMode ：边界像素模式（int 类型）；
  • borderValue ：边界填充值; 默认情况下，它为0。

获得仿射变化矩阵

cv2.getRotationMatrix2D(center, angle, scale) -> Mat
  • center：图片的旋转中心
  • angle：旋转角度
  • scale：缩放比例
  • Mat：仿射变换矩阵，2×3的变换矩阵。

图像缩放

cv2.resize(src, dsize[, dst[, fx[, fy[, interpolation]]]])
  • src：原图像d
  • size：输出图像所需大小
  • fx：沿水平轴的比例因子
  • fy：沿垂直轴的比例因子
  • interpolation：插值方式

画图

画直线、矩形

cv2.line(img, pt1, pt2, color[, thickness[, lineType[, shift]]]) → img
cv2.rectangle(img, pt1, pt2, color[, thickness[, lineType[, shift]]]) → img
  • img：背景图
  • pt1：直线起点坐标
  • pt2：直线终点坐标
  • color，当前绘画的颜色。如在BGR模式下，传递(255,0,0)表示蓝色画笔。灰度图下，只需要传递亮度值即可。
  • thickness，画笔的粗细，线宽。若是-1表示画封闭图像，如填充的圆。默认值是1
  • lineType，线条的类型
    • 如8-connected类型、anti-aliased线条（反锯齿），默认情况下是8-connected样式ide，cv2.LINE_AA表示反锯齿线条，在曲线的时候视觉效果更佳。

画圆形

cv2.circle(img, center, radius, color[, thickness[, lineType[, shift]]]) → img
  • img：背景图
  • center：圆心
  • radius：半径
  • color：颜色
  • thickness：线粗细

添加文本

cv2.putText(img, text, org, fontFace, fontScale, color[, thickness[, lineType[, bottomLeftOrigin]]]) → None
  • img：图片
  • text：想要输出到图像上的的文本
  • org：文字的起始坐标（左下角为起点）
  • position：输出位置的坐标
  • Font type：字体，可以用cv2.putText()函数文档查看支持的字体
  • Font Scale，指定字体大小，文字大小（缩放比例）
  • 其他，如颜色，线宽，线型等，推荐使用lineType = cv2.LINE_AA

几何变换

图像翻转

cv2.flip(src, flipCode[, dst]) → dst
  • src: 原始图像矩阵；
  • dst: 变换后的矩阵；
  • flipMode: 翻转模式，有三种模式
    • 0 --- 垂直方向翻转； 1----- 水平方向翻转； -1：水平、垂直方向同时翻转

图像加法

cv2.add(src1, src2, dst=None, mask=one)
  • src1：图像1
  • src2：图像2
  • dst：返回结果
  • mask：指定msk区域进行操作。

图像减法

cv2.substract(src1, src2, dst=None, mask=one)

图像与、或、非、异或运算

cv2.bitwise_and(src1, src2, dst=None, mask=one)
cv2.bitwise_or(src1, src2, dst=None, mask=None)
cv2.bitwise_not(src1, src2, dst=None, mask=None)
cv2.bitwise_xor(src1, src2, dst=None, mask=None)

图像通道拆分

cv2.split(m [，mv]) -> mv
  • m：输入多通道数组。
  • mv：输出数组或数组向量

图像通道合并

 cv2.merge(mv [，dst]) -> dst
  • mv：要合并的矩阵的输入数组或向量；所有的矩阵都mv必须具有相同的大小和深度。
  • dst：具有与相同大小和相同深度的输出数组mv[0]；通道数将是矩阵数组中通道的总数。

图像下采样

cv2.pyrDown(src, dst=None, dstsize=None, borderType=None)
  • src：表示输入图像
  • dst：表示输出图像
  • dstsize：表示输出图像的大小
  • borderType：表示图像边界的处理方式

图像上采样

cv2.pyrUp(src, dst=None, dstsize=None, borderType=None)

形态学

构造结构元素（核）

cv2.getStructuringElement(shape, ksize[, anchor]) → retval
  • size：核的形状。可以选择三种
    • 矩形：MORPH_RECT;
    • 交叉形：MORPH_CROSS;
    • 椭圆形：MORPH_ELLIPSE;
  • ksize：核的尺寸
  • anchor：元素内的锚点位置。默认值 （-1，-1）表示锚点位于中心。注意，只有十字形的形状取决于锚位置。在其他情况下，锚点仅调节形态运算结果偏移了多少。

腐蚀

cv2.erode(src, kernel[, dst[, anchor[, iterations[, borderType[, borderValue]]]]]) → dst¶
  • 消除噪声，分割(isolate)独立的图像元素，以及连接(join)相邻的元素，寻找图像中的明显的极大值区域或极小值区域。
  • src：输入的图片
  • kernel：结构元素（核）
  • dst：输出与src大小和类型相同的图像
  • iteration：迭代的次数
  • anchor：锚点在元素内的位置；默认值（-1， -1）表示锚点位于元素中心。

膨胀

cv2.dilate(src, kernel[, dst[, anchor[, iterations[, borderType[, borderValue]]]]]) → dst¶
  • 消除噪声，分割(isolate)独立的图像元素，以及连接(join)相邻的元素，寻找图像中的明显的极大值区域或极小值区域。

高级形态转换

cv2.morphologyEx(src, op, kernel[, dst[, anchor[, iterations[, borderType[, borderValue]]]]]) → dst
  • src：输入的图片，
  • op：进行变化的方式
    • cv2.MORPH_OPEN：开运算，先进行腐蚀操作，再进行膨胀操作，消除小白点
    • cv2.MORPH_CLOSE：关运算，先进行膨胀操作，再进行腐蚀操作，消除小黑点
    • cv2.MORPH_GRADIENT：形态学梯度，膨胀图减去腐蚀图，得到图片的轮廓
    • cv2.MORPH_TOPHAT：顶帽，原图减去开运算后的图，原始图片的白点
    • cv2.MORPH_BLACKHAT： 黑帽，闭运算减去原图后的图，原始图片的黑点
  • kernel：结构元素（核）
  • iterations：迭代次数
  • borderType ：像素外推方法
  • borderValue ：边框不变时的边框值

图像滤波

均值滤波

blur(src, ksize[, dst[, anchor[, borderType]]]) → dst
  • img：原图像
  • ksize：核大小

中值滤波

cv2.medianBlur(src, ksize[, dst]) → dst
  • img：原图像
  • ksize：核大小

高斯滤波

cv2.GaussianBlur(src, ksize, sigmaX[, dst[, sigmaY[, borderType]]]) → dst
  • img：原图像
  • ksize：核大小

双边滤波

cv2.bilateralFilter(src, d, sigmaColor, sigmaSpace[, dst[, borderType]]) → dst
  • src：输入图像
  • d：过滤时周围每个像素领域的直径
  • sigmaColor：在color space中过滤sigma。参数越大，临近像素将会在越远的地方mix。
  • sigmaSpace：在coordinate space中过滤sigma。参数越大，那些颜色足够相近的的颜色的影响越大。

颜色空间转换

RGB

​ RGB是从颜色发光的原理来设计定的，通俗点说它的颜色混合方式就好像有红、绿、蓝三盏灯，当它们的光相互叠合的时候，色彩相混，而亮度却等于两者亮度之总和，越混合亮度越高，即加法混合。

HSV

HSV是一种比较直观的颜色模型，所以在许多图像编辑工具中应用比较广泛，这个模型中颜色的参数分别是：色调（H, Hue），饱和度（S,Saturation），明度（V, Value）。

  • 色调H：用角度度量，取值范围为0°～360°，从红色开始按逆时针方向计算，红色为0°，绿色为120°,蓝色为240°。它们的补色是：黄色为60°，青色为180°,品红为300°；

  • 饱和度S：饱和度S表示颜色接近光谱色的程度。一种颜色，可以看成是某种光谱色与白色混合的结果。其中光谱色所占的比例愈大，颜色接近光谱色的程度就愈高，颜色的饱和度也就愈高。饱和度高，颜色则深而艳。光谱色的白光成分为0，饱和度达到最高。通常取值范围为0%～100%，值越大，颜色越饱和。

  • 明度V：明度表示颜色明亮的程度，对于光源色，明度值与发光体的光亮度有关；对于物体色，此值和物体的透射比或反射比有关。通常取值范围为0%（黑）到100%（白）。

Lab

​ 一种设备无关的颜色系统，也是一种基于生理特征的颜色系统。这也就意味着，它是用数字化的方法来描述人的视觉感应。

  • L：用于表示像素的亮度，取值范围是[0,100]，表示从纯黑到纯白；
  • a：从红色到绿色的范围，取值范围是[127,-128]；
  • b：从黄色到蓝色的范围，取值范围是[127,-128]。

Grayscale

​ 灰阶图像就是黑白图像，通过调节灰度值来显示影像

图像二值化

固定阈值二值化

cv2.threshold(src, thresh, maxval, type[, dst]) → retval, dst

  • src：输入图片 (single-channel, 8-bit or 32-bit floating point).

  • thresh：表示的是阈值（起始值）

  • maxval：在二元阈值THRESH_BINARY和逆二元阈值THRESH_BINARY_INV中使用的最大值

  • type：表示的是这里划分的时候使用的是什么类型的算法

    • THRE SH_BINARY

      <img src="openCV基本操作.assets/image-20200409151821364.png" alt="image-20200409151821364" style="zoom:50%;" />

    • THRE SH_BINARY_INV

      <img src="openCV基本操作.assets/image-20200409151849539.png" alt="image-20200409151849539" style="zoom:50%;" />

    • THRE SH_TRUNC

      <img src="openCV基本操作.assets/image-20200409151904889.png" alt="image-20200409151904889" style="zoom:50%;" />

    • THRE SH_TOZERO

      <img src="openCV基本操作.assets/image-20200409151917045.png" alt="image-20200409151917045" style="zoom:50%;" />

    • THRE SH_TOZERO_INV

      <img src="openCV基本操作.assets/image-20200409151937495.png" alt="image-20200409151937495" style="zoom:50%;" />

  • 自动获取阈值（基于直方图的二值化）：特殊值THRESH_OTSU可以与以上值之一通过 ‘|’ 组合。在这种情况下，通过Otsu’s算法确定最佳阈值值，并使用它，而不是指定的阈值。目前，Otsu的方法仅适用于8位图像。

自适应阈值二值化

cv2.adaptiveThreshold(src, maxValue, adaptiveMethod, thresholdType, blockSize, C[, dst]) → dst
  • src： 输入图，只能输入单通道8位图像
  • maxval： 当像素值超过了阈值（或者小于阈值，根据type来决定），所赋予的值
  • thresh_type： 阈值的计算方法，包含以下2种类型：
    • cv2.ADAPTIVE_THRESH_MEAN_C：阈值取自相邻区域的平均值
    • cv2.ADAPTIVE_THRESH_GAUSSIAN_C：阈值取自相邻区域的加权和，权重为一个高斯窗口
  • type：二值化操作的类型，与固定阈值函数相同，包含以下5种类型：
    • cv2.THRESH_BINARY；
    • cv2.THRESH_BINARY_INV；
    • cv2.THRESH_TRUNC；
    • cv2.THRESH_TOZERO；
    • cv2.THRESH_TOZERO_INV.
  • Block Size： 邻域大小（用来计算阈值的区域大小）
  • C ：阈值计算方法中的常数项，阈值等于平均值或加权平均值减去这个常数

图像梯度

Laplacian

cv2.Laplacian(src, ddepth[, dst[, ksize[, scale[, delta[, borderType]]]]]) → dst
  • src：输入图像不用解释了；
  • ddepth：图像的深度（数据类型），-1表示采用的是与原图像相同的深度。可以使用cv2.CV_64F等，因为有方向，所以要比原图大
  • ksize：算子的大小，必须为1、3、5、7。默认为1。
  • scale：缩放导数的比例常数，默认情况下没有伸缩系数；
  • delta：是一个可选的增量，将会加到最终的dst中，同样，默认情况下没有额外的值加到dst中；
  • borderType：是判断图像边界的模式。这个参数默认值为cv2.BORDER_DEFAULT。

Sobel

cv2.Sobel(src, ddepth, dx, dy[, dst[, ksize[, scale[, delta[, borderType]]]]]) → dst
  • dx和dy表示的是求导的阶数，0表示这个方向上没有求导，一般为0、1、2

CANNY边缘检测

  1. 噪声去除
  2. 计算图像梯度
  3. 非极大值抑制
  4. 滞后阈值
cv2.Canny(image, threshold1, threshold2[, edges[, apertureSize[, L2gradient ]]])
  • image：源图像,必须为单通道的灰度图
  • threshold1：阈值minVal
  • threshold2：阈值maxVal
  • apertureSize：用于计算图片提取的 Sobel kernel 尺寸
  • L2gradient：指定计算梯度的等式

视频操作

摄像头读取

cv2.VideoCapture() → <VideoCapture object>
cv2.VideoCapture(filename) → <VideoCapture object>
cv2.VideoCapture(device) → <VideoCapture object>
  • filename：打开的视频文件（例如video.avi）或图像序列的名称（例如img_％02d.jpg，它将读取img_00.jpg，img_01.jpg，img_02.jpg等示例）
  • device：打开的视频捕获设备的ID（即摄像机索引）。如果连接了单个摄像机，则只需传递0。

读取帧

cv2.VideoCapture.read([image]) → retval, image
  • retval：布尔值，如果读取帧是正确的则返回True，如果文件读取到结尾，它的返回值就为False
  • image：读取到的图像

初始化成功判断

cv2.VideoCapture.isOpened() → retval
  • retval：如果先前对VideoCapture构造函数或cv2.VideoCapture.open调用成功，则返回true。

关闭视频文件或捕获设备

cv2.VideoCapture.release() → None

关闭所有窗口

cv2.destroyAllWindows()

延时等待键盘输入

cv2.waitKey([delay]) → retval
  • delay：等待时间，单位为毫秒，当为0是，代表永远
  • 常用方法：if cv2.waitKey(1) & 0xFF == ord('q'): break

获取摄像头属性

cv2.VideoCapture.get(propId) → retval
  • propId：属性标识符
    • cv2.CAP_PROP_POS_MSEC：视频文件的当前位置，以毫秒为单位或视频捕获时间戳。
    • cv2.CAP_PROP_POS_FRAMES：基于0的下一个要解码/捕获的帧的索引。
    • cv2.CAP_PROP_POS_AVI_RATIO：视频文件的相对位置：0-电影的开始，1-电影的结束。
    • cv2.CAP_PROP_FRAME_WIDTH：视频流中帧的宽度。
    • cv2.CAP_PROP_FRAME_HEIGHT：视频流中帧的高度。
    • cv2.CAP_PROP_FPS：帧频。
    • cv2.CAP_PROP_FOURCC：编解码器的4个字符的代码。
    • cv2.CAP_PROP_FRAME_COUNT：视频文件中的帧数。
    • cv2.CAP_PROP_FORMAT resolve ()：返回的Mat对象的格式。
    • cv2.CAP_PROP_MODE：特定于后端的值，指示当前的捕获模式。
    • cv2.CAP_PROP_BRIGHTNESS：图像的亮度（仅适用于相机）。
    • cv2.CAP_PROP_CONTRAST：图像的对比度（仅适用于相机）。
    • cv2.CAP_PROP_SATURATION：图像的饱和度（仅适用于相机）。
    • cv2.CAP_PROP_HUE：图像的色相（仅适用于相机）。
    • cv2.CAP_PROP_GAIN：图像的增益（仅适用于相机）。
    • cv2.CAP_PROP_EXPOSURE：曝光（仅适用于相机）。
    • cv2.CAP_PROP_CONVERT_RGB：布尔型标志，指示是否应将图像转换为RGB。
    • CV_CAP_PROP_WHITE_BALANCE_U：白平衡设置的U值（注意：当前仅由DC1394 v 2.x后端支持）
    • CV_CAP_PROP_WHITE_BALANCE_V：白平衡设置的V值（注意：当前仅受DC1394 v 2.x后端支持）
    • CV_CAP_PROP_RECTIFICATION：立体摄像机的纠正标志（注意：当前仅受DC1394 v 2.x后端支持）
    • CV_CAP_PROP_ISO_SPEED：摄像机的ISO速度（注意：当前仅受DC1394 v 2.x后端支持）
    • CV_CAP_PROP_BUFFERSIZE：存储在内部缓冲存储器中的帧数（注意：当前仅受DC1394 v 2.x后端支持）

设置摄像头属性

cv2.VideoCapture.set(propId, value) → retval

视频写入

cv2.VideoWriter([filename, fourcc, fps, frameSize[, isColor]]) → <VideoWriter object>
  • filename：输出文件名.
  • fourcc：4个部分用来选择视频编码格式。例如：, CV_FOURCC('P','I','M','1') 是MPEG-1 编解码器, CV_FOURCC('M','J','P','G') 是jpeg编解码器等。
  • fps：输出视频的帧率.
  • frameSize：视频帧的大小.
  • isColor：如果不为零，则编码器将期望并编码彩色框架，否则它将与灰度框架一起使用（仅Windows当前支持该标志）

 

想要认识更多深度学习小伙伴，交流更多技术问题，欢迎关注公众号“极链AI云”（为你提供性价比最高的共享算力平台，官网地址：https://cloud.videojj.com/）

# opencv # 计算机视觉
Logo
九章云极普惠算力

更多推荐

cover

AI核心知识68——大语言模型之NSP （简洁且通俗易懂版）

avatar 九章云极普惠算力
cover

大语言模型系列(3): Qwen2.5-VL-3B 多模态模型端侧部署

avatar 九章云极普惠算力
cover

基于深度学习YOLOv12的垃圾分类识别检测系统（YOLOv12+YOLO数据集+UI界面+登录注册界面+Python项目源码+模型）

avatar 九章云极普惠算力