今天小編來和大家分享一下Python在圖像處理當中的具體應用，那既然是圖像處理，那必然要提到opencv模塊了，該模塊支持與計算機視覺和機器學習相關的眾多算法，并且應用領域正在日益擴展，大致有以下幾種領域

• 物體識別：通過視覺以及內部存儲來進行物體的判斷
• 圖像分割
• 人臉識別
• 汽車安全駕駛
• 人機交互
• 等等

當然這次小編并不打算將這么高深的內容，今天就從最基本的opencv模塊在圖像的基本操作上說起

模塊的安裝

模塊的安裝我們通過都是通過pip命令來進行的

pip install opencv-python
pip install opencv-contrib-python

圖片的各種操作

學過線性代數(shù)的肯定懟矩陣并不感到陌生。圖像本質上來說就是矩陣，灰度圖像是一個普通的矩陣，而彩色圖像就是一個多維矩陣，我們對于圖像的操作可以自然地轉換成是對矩陣的操作

讀取圖像

首先我們先來讀取圖像，調用的是cv2.imread()方法，它的語法格式如下

cv2.imread(filename, flag=1)

其中的flag參數(shù)是用來設置讀取圖像的格式，默認的是1，表示為按照RGB三通道的格式來進行讀取，如果設置成0，則表示以灰度圖單通道的方式來進行讀取，

import cv2
import numpy as np
img=cv2.imread('1.jpg', 0)

展示圖像

cv2.imshow(name,?img)

其參數(shù)解釋分別如下：

• name: 表示的是展示窗口的名字
• img: 圖片的矩陣形式

我們嘗試將上面讀取的圖片展示出來，代碼如下

cv2.imshow("grey_img", img)
## 如果使用了cv2.imshow()函數(shù)，下面一定要跟著一個摧毀窗口的函數(shù)
cv2.destroyAllWindows()

當我們運行了上述的代碼之后，可以發(fā)現(xiàn)在一瞬間當中圖片彈了出來，但是還沒有等我們看清楚圖片的樣子之后就直接關閉了，原因在于cv2.imshow()函數(shù)方法并沒有延時的作用，我們添加一個延時的函數(shù)，代碼如下

import cv2
import numpy as np

img = cv2.imread('1.jpg')
cv2.imshow("grey_img", img)
cv2.waitKey(0)
cv2.destroyAllWindows()

output

圖片保存

最后我們將圖片保存下來，這里用到的函數(shù)是cv2.imwrite()，它的語法格式如下

cv2.imwrite(imgname,?img)

其參數(shù)解釋分別如下：

• imgname: 要保存的圖片的名字
• img: 圖片的矩陣形式

示例代碼如下

import cv2
import numpy as np

img = cv2.imread('1.jpg')
cv2.imshow("grey_img", img)
cv2.waitKey(0)
cv2.imwrite('1.png', img)
cv2.destroyAllWindows()

圖片的各種屬性

有時候我們想要知道圖片的像素大小，而圖片的本質是矩陣，例如一張1024像素*960像素的圖片，就意味著在矩陣當中的行數(shù)就是960行，列數(shù)是1024列，在opencv模塊當中調用的shape()函數(shù)方法，代碼如下

import cv2

img = cv2.imread('1.jpg')
print(img.shape[0]) # 行數(shù)
print(img.shape[1]) # 列數(shù)
print(img.shape[2]) # 通道數(shù)

output

308
340
3

可以看到該圖片的像素是340*380，通道數(shù)是3，而針對灰度圖像而言，我們來看一下圖片的屬性，代碼如下

img?=?cv2.imread('1_grey.png',?0)
print(img.shape)

output

(308, 340)

可以看到對于灰度圖像而言，我們就沒有看到通道數(shù)，只有行數(shù)和列數(shù)

圖像的基本操作

最后我們來對圖像進行一些基本操作，無非就是改變當中的一些像素值，我們導入一張空白的圖片，通過修改當中的像素值來往里面添加一個黑點，代碼如下

import cv2
import numpy as np

img = cv2.imread('2.jpg')
(x, y, z) = img.shape

for i in range(-10, 10):
    for j in range(-10, 10):
        # 圖片的正中心的位置來改變像素值，
        img[int(x/2) + i, int(y/2) + j] = (0, 0, 0)

cv2.imshow("img", img)
cv2.waitKey(0)
cv2.destroyAllWindows()

output

到此這篇關于Python+OpenCV實現(xiàn)基本的圖像處理操作的文章就介紹到這了,更多相關Python OpenCV圖像處理內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！

最新評論