快捷導(dǎo)航

Python?OpenCV超詳細(xì)講解基本功能

更新時間：2022年04月01日 15:55:03 作者：振華OPPO

OpenCV用C++語言編寫，它具有C?++，Python，Java和MATLAB接口，并支持Windows，Linux，Android和Mac?OS，OpenCV主要傾向于實時視覺應(yīng)用，并在可用時利用MMX和SSE指令，本篇文章帶你了解OpenCV的基本功能

準(zhǔn)備工作

右擊新建的項目，選擇Python File，新建一個Python文件，然后在開頭import cv2導(dǎo)入cv2庫。

在這里插入圖片描述

轉(zhuǎn)成灰度圖像

調(diào)用imread()方法獲取我們資源文件夾中的圖片lena.png
cvtColor()方法可以讓我們的圖片轉(zhuǎn)換成任意顏色，第一個參數(shù)是我們要轉(zhuǎn)換的圖片，第二個參數(shù)是要轉(zhuǎn)成的顏色空間，cv2.COLOR_BGR2GRAY就是由BGR變?yōu)镚RAY，我們?nèi)粘Ｉ钪卸际荝GB三通道順序，而在OpenCV中是BGR順序。
使用imshow()方法顯示圖片，窗口名稱為Gray Image
waitKey(0)這句可以讓窗口一直保持，如果去掉這句，窗口會一閃而過

img=cv2.imread("Resources/lena.png")
imgGray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
cv2.imshow("Gray Image",imgGray)
cv2.waitKey(0)

我們來看下效果：

在這里插入圖片描述

高斯模糊

GaussianBlur()是對圖片進行高斯模糊(也稱為高斯平滑)，是去除圖像噪聲的一種方法。
第一個參數(shù)是圖像，第二個參數(shù)(7,7)是卷積核的大小，只能是奇數(shù)長度的矩陣，第三個參數(shù)是Sigma X，默認(rèn)為0
imshow()顯示原圖和灰度圖

img=cv2.imread("Resources/lena.png")
imgGray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
imgBlur=cv2.GaussianBlur(imgGray,(7,7),0)
cv2.imshow("Gray Image",imgGray)
cv2.imshow("Blur Image",imgBlur)
cv2.waitKey(0)

我們來看下效果，左為原圖，右是高斯模糊：

在這里插入圖片描述

邊緣檢測

邊緣檢測Canny()方法中第一個參數(shù)是圖像，第二個參數(shù)是閾值1，第三個參數(shù)是閾值2，用來顯示灰度值在此范圍內(nèi)的邊緣線。

img=cv2.imread("Resources/lena.png")
imgGray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
imgBlur=cv2.GaussianBlur(imgGray,(7,7),0)
imgCanny=cv2.Canny(img,150,200)

cv2.imshow("Gray Image",imgGray)
cv2.imshow("Blur Image",imgBlur)
cv2.imshow("Canny Image",imgCanny)
cv2.waitKey(0)

我們運行看下效果：

在這里插入圖片描述

膨脹運算

膨脹運算中，會用到numpy庫，我們先導(dǎo)入一下：import numpy as np定義一下大小為5x5的卷積核：kernel=np.ones((5,5),np.uint8)，數(shù)值類型是無符號整型

kernel=np.ones((5,5),np.uint8)
img=cv2.imread("Resources/lena.png")
imgGray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
imgBlur=cv2.GaussianBlur(imgGray,(7,7),0)
imgCanny=cv2.Canny(img,150,200)
imgDialation=cv2.dilate(imgCanny,kernel,iterations=1)

cv2.imshow("Gray Image",imgGray)
cv2.imshow("Blur Image",imgBlur)
cv2.imshow("Canny Image",imgCanny)
cv2.imshow("Dialation Image",imgDialation)
cv2.waitKey(0)

我們看下效果，膨脹使得邊緣線變得更厚，全部連接到一塊。

在這里插入圖片描述

腐蝕運算

我們對剛剛膨脹的圖像進行腐蝕運算，就可以得到閉合的邊緣圖像。

kernel=np.ones((5,5),np.uint8)
img=cv2.imread("Resources/lena.png")
imgGray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
imgBlur=cv2.GaussianBlur(imgGray,(7,7),0)
imgCanny=cv2.Canny(img,150,200)
imgDialation=cv2.dilate(imgCanny,kernel,iterations=1)

cv2.imshow("Gray Image",imgGray)
cv2.imshow("Blur Image",imgBlur)
cv2.imshow("Canny Image",imgCanny)
cv2.imshow("Dialation Image",imgDialation)
cv2.waitKey(0)

從左到右依次為膨脹圖像、腐蝕圖像、邊緣檢測圖像

在這里插入圖片描述