当前位置：首页 > news >正文

Python学习笔记—100页Opencv详细讲解教程

news 2025/7/1 9:03:51

1 创建和显示窗口... - 4 -

2 加载显示图片... - 6 -

3 保存图片... - 7 -

4 视频采集... - 8 -

5视频录制... - 11 -

6 控制鼠标... - 12 -

7 TrackBar 控件... - 14 -

8．RGB和BGR颜色空间... - 16 -

9.HSV和HSL和YUV.. - 17 -

10 颜色空间的转化... - 18 -

11 mat的深浅拷贝... - 19 -

12 颜色通道的分离与合并... - 20 -

13 画直线... - 22 -

14 绘制矩形和圆... - 23 -

15 绘制椭圆... - 24 -

16 绘制多边形和填充多边形... - 25 -

17 绘制文本及中文文本... - 26 -

18 作业：根据需要画图... - 28 -

19 图像运算之加减乘除... - 30 -

20 图片的融合... - 32 -

21 Opencv的位运算... - 33 -

22 resize() 用法... - 35 -

23 图片上加Logo(完美贴合) - 36 -

24 图像的翻转与旋转... - 39 -

25 仿射变换之平移... - 40 -

26 仿射变换之获取变换矩阵... - 42 -

27 仿射变换之透视变换... - 44 -

28 卷积操作... - 45 -

29 均值滤波和方盒滤波... - 48 -

30 高斯滤波... - 49 -

31 中值滤波... - 50 -

32 双边滤波... - 51 -

33 索贝尔（sobel）算子... - 52 -

34 scharr算子... - 53 -

35 拉普拉斯算子... - 54 -

36 形态学... - 55 -

37 Canny边缘检测... - 56 -

38 全局二值化... - 57 -

39 自适应阈值二值化... - 58 -

40 腐蚀操作... - 59 -

41 获取形态学卷积核... - 60 -

42 膨胀操作... - 61 -

43 开运算... - 62 -

44 闭运算... - 63 -

45 形态学梯度... - 64 -

46 顶帽操作... - 65 -

47 黑帽操作... - 66 -

48 查找轮廓... - 67 -

49 绘制轮廓... - 68 -

50 计算轮廓面积和周长... - 69 -

51 多边形逼近... - 71 -

52 凸包... - 72 -

53 最小外接矩形和最大外接矩形... - 74 -

54 高斯金字塔... - 76 -

55 拉普拉斯金字塔... - 78 -

56 图形直方图介绍... - 78 -

57 使用Opencv统计直方图... - 79 -

58绘制直方图... - 79 -

59用掩膜的直方图... - 80 -

60图均衡化... - 82 -

61 车辆统计项目（一）... - 83 -

71 特征检测基本概念... - 89 -

72 harris 角点检测数学原理1. - 90 -

73 Harris角点检测数学原理2. - 90 -

74 harris 角点检测应用... - 90 -

75 sift算法原理... - 91 -

76 sift算法使用... - 91 -

77 shi-tomasi 角点检测... - 91 -

1 创建和显示窗口

namedWindow() 创建命名窗口
imshow() 显示窗口
destroyAllwindws() 摧毁窗口
resizeWindow() 改变窗口大小
waitKey() 等待用户输入

import cv2

# 创建窗口之前不要调整窗口大小

cv2.namedWindow('window', cv2.WINDOW_NORMAL) # 创建窗口

cv2.resizeWindow('window', 600, 800) # 调整窗口大小

# 显示图像

image = cv2.imread('path_to_image')

cv2.imshow('window', image)

# 等待按键后关闭窗口

cv2.waitKey(0)

cv2.destroyAllWindows()

确保在调用 cv2.resizeWindow 之前窗口已经创建，并且在窗口存在的情况下调整其大小。

ord()计算ASCII数值

import cv2

#创建窗口
# WINDOW_NORMAL 可以让窗口大小变得可调节,默认WINDOW_AUTOSIZE 自动大小
cv2.namedWindow('new',cv2.WINDOW_NORMAL)
cv2.resizeWindow('new',600,800)

# 展示名字为window的窗口
cv2.imshow('window',0)   #没有内容只好写0
cv2.resizeWindow('window',600,800)

# 等待按键输入;0表示接收任意按键，如果给其他整数，表示等待按键的时间，单位毫秒;可以利用waitKey()实现关闭窗口
key = cv2.waitKey(0)   #key 为键盘输入的ASCII码
if key & 0xFF == ord('q'):
    print('准备销毁窗口')
    cv2.destroyAllWindows() # 销毁所有窗口

2 加载显示图片

imread(path,flag):使用imread可以读取图片，默认读取的是彩色图片。

Matplotlib显示的图片和实际不一样，因为opencv读取的颜色通道是按照BGR排列的，一般照片是RGB，为了显示正常要用opencv的显示方法：

如果常用显示图片可以封装成函数，以后可以使用（自己所有的功能都可以封装起来，以后导入就可以直接用，方便积累）

import cv2

# 显示图片
def cv_show(name,img):
    cv2.imshow('name',img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

import cv2
import monkey
import matplotlib.pyplot as plt
import numpy as np

# 读取图片
img = cv2.imread('2.jpg')

# 显示图片
monkey.cv_show('侯文广',img)
monkey.music_play()

3 保存图片

imwrite(path,img):使用imwrite保存图片

“./123.png” # 当前目录下的图片。

import cv2

cv2.namedWindow('img',cv2.WINDOW_NORMAL) #创建一个窗口
cv2.resizeWindow('img',320,240) #设置窗口尺寸

img = cv2.imread('./2.jpg') # 载入当前目录下的图片

#利用while 循环优化退出逻辑
while True:
    cv2.imshow('img',img)
    key = cv2.waitKey(0)    #接收键盘的输入字母的ASCII码
    if(key&0xff==ord('q')):
        break
    elif(key&0xff==ord('s')):
        cv2.imwrite(r'D:/5.png',img)
        print('保存成功')
        break
    else:
        print(key)
        break

cv2.destroyAllWindows()

4 视频采集

视频是由图片组成的，视频的每一帧就是一幅图片，一般是30帧。

cv2.VideoCapture可以捕获摄像头，用数字来表示不同的设备，比如0，1

如果是视频文件直接指定路径即可。

读取视频

import cv2
# 创建窗口
cv2.namedWindow('video',cv2.WINDOW_NORMAL)
cv2.resizeWindow('video',640,380)

# 打开视频文件
vc = cv2.VideoCapture('./nine.mp4')

# 循环读取摄像头每一帧
while True:
    # 读每一帧数据，返回标记和这一帧数据frame，True表示读到了数据，False表示没读到数据
    ret,frame = vc.read() # ret表示标记，frame表示图片

    # 可以根据ret做个判断
    if not ret:
        # 没有读到数据
        break
    # 显示窗口
    cv2.imshow('video',frame)

    # 退出条件
    key = cv2.waitKey(1)
    if key == ord('q'):
        break

# 别忘了释放资源
vc.release()
cv2.destroyAllWindows()

读取摄像头

import cv2# 创建窗口cv2.namedWindow('video',cv2.WINDOW_NORMAL)cv2.resizeWindow('video',640,380)# 打开摄像头vc1 = cv2.VideoCapture(0)# 循环读取摄像头每一帧while True:    # 读每一帧数据，返回标记和这一帧数据frame，True表示读到了数据，False表示没读到数据    ret,frame = vc1.read()  # ret表示标记，frame表示图片    # 可以根据ret做个判断    if not ret:        # 没有读到数据        break    # 显示窗口    cv2.imshow('video',frame)    # 退出条件    key = cv2.waitKey(1000//30) #每帧图片之间的间隔时间ms（30帧，每帧之间隔多久）

if key ==ord('q'):
break

# 别忘了释放资源
vc1.release()
cv2.destroyAllWindows()

5视频录制

VideoWriter:参数一为输出文件，参数二为多媒体文件格式（VideoWriter.fourcc），参数三为帧率，参数四为分辨率。
write 编码并写入缓存
release 缓存内容写入磁盘，并释放资源
import cv2

cap = cv2.VideoCapture(0) # 打开摄像头

# *mp4v就是解包操作，等同于'm','p','4','v'
fourcc = cv2.VideoWriter.fourcc(*'mp4v')

# (640,480)表示摄像头拍视频，这个大小搞错了不行
# 主要是分辨率

vw = cv2.VideoWriter('output.mp4', fourcc, 20, (640, 480))

while cap.isOpened():
    ret, frame = cap.read()
    if not ret:
        print('can not receive framne ,Exiting ....')
        break

    vw.write(frame)
    cv2.imshow('frame', frame)

    if cv2.waitKey(1) == ord('q'):
        break

6 控制鼠标

Opencv允许对窗口上的鼠标进行操作

setMouseCallback(winname,callback,userdata)，winname是窗口的名字，callback是回调函数，userdata是给回调函数的参数，
callback(event,x,y,flags,userdata)回调函数包含这5个参数，event是事件（鼠标移动，左键，右键），x,y是点鼠标的坐标点，flags主要用于组合键，userdata是上面setMouseCallback的userdata

鼠标事件：

EVENT_MOUSEMOVE 0 鼠标移动
EVENT_LBUTTONDOWN 1 按下鼠标左键
EVENT_RBUTTONDOWN 2 按下鼠标右键
EVENT_MBUTTONDOWN 3 按下鼠标中键
EVENT_LBUTTONUP 4 左键释放
EVENT_RBUTTONUP 5 右键释放
EVENT_MBUTTONUP 6中键释放
EVENT_LBUTTONDBLCLK 7 左键双击
EVENT_RBUTTONDBLCLK 8 右键双击
EVENT_MBUTTONDBLCLK 9 中键双击
EVENT_MOUSEWHEEL 10鼠标滚轮上下滚动
EVENT_MOUSEHWHEEL 11鼠标左右滚动

Flags:

EVENT_FLAG_LBUTTON 1 按下左键
EVENT_FLAG_RBUTTON 2 按下右键
EVENT_FLAG_MBUTTON 4 按下中键
EVENT_FLAG_CRTLKEY 8 按下CTRL键
EVENT_FLAG_SHIFTKEY 16 按下SHIFTKEY键
EVENT_FLAG_ALTKEY 32 按下ALT键
import cv2
import numpy as np

# 函数名可以随便取，但是必须5个参数
def mouse_callback(event,x,y,flags,userdata):
    # 内容根据具体作用进行更换（鼠标在窗口操作会触发函数）
    print(event,x,y,flags,userdata)
    # 根据event或者flags的值来定义函数
    # 按下鼠标右键退出
    if event == 2:
        cv2.destroyAllWindows()

# 创建窗口
cv2.namedWindow('mouse',cv2.WINDOW_NORMAL)
# 窗口是宽度（列）高度（行）
cv2.resizeWindow('mouse',640,360)

# 设置鼠标回调函数
# userdata是'123'
cv2.setMouseCallback('mouse',mouse_callback,'123')

# 生成全黑图片
# 先行（高）后列（宽）
img = np.zeros((360,640,3),np.uint8)
while True:
    cv2.imshow('mouse',img)
    key = cv2.waitKey(1000//30)
    if key & 0xff == ord('q'):
        break

cv2.destroyAllWindows()

7 TrackBar 控件

可以拖动的控件。

表示拖动了多少值。最多三原色控制

createTrackbar(trackbarname,winname,value,count,onChange)

创建TrackBar控件，value为trackbar的默认值，count为bar的最大值，trackbar的名字，窗口的名字。回调函数（trackbar动了会触发的结果）

getTrackbarPos(trackbarname,winname)获取TrackBar当前值。

import cv2
import numpy as np

# 创建窗口
cv2.namedWindow('trackbar',cv2.WINDOW_NORMAL)
cv2.resizeWindow('trackbar',640,360)

# 定义回调函数
# 触发
def callback(value):
    if value >= 50:
         print(value)

# 创建trackbar
cv2.createTrackbar('R','trackbar',0,255,callback)
cv2.createTrackbar('G','trackbar',0,255,callback)
cv2.createTrackbar('B','trackbar',0,255,callback)

# 创建一个背景图片
img = np.zeros((360,640,3),np.uint8)

while True:
    # 获取当前trackBar的值
    r = cv2.getTrackbarPos('R','trackbar')
    g = cv2.getTrackbarPos('G', 'trackbar')
    b = cv2.getTrackbarPos('B', 'trackbar')

    # 改变背景图颜色(bgr顺序）
    img[:] = [b,g,r]
    cv2.imshow('trackbar',img)

    key = cv2.waitKey(1000//30)
    if key ==ord('q'):
        break

cv2.destroyAllWindows()

8．RGB和BGR颜色空间

Opencv默认使用BGR排列顺序

9.HSV和HSL和YUV

Opencv采用最多HSV色彩空间

Hue:色相取值0—360°，从红色开始逆时针方向计算，红色为0°，绿色120°，蓝色240°。

Saturation：饱和度取值0—100%，饱和度高颜色越饱和，光谱色越多。越低越浅色。

Value（brightness）:明度，光亮程度，0%黑，100%白

HSV(Hue, Saturation, Value)是根据颜色的直观特性由A. R. Smith在1978年创建的一种颜色空间, 也称六角锥体模型(Hexcone Model)。HSV色系对用户来说是一种直观的颜色模型，对于颜色，人们直观的会问”什么颜色？深浅如何？明暗如何？“，而HSV色系则直观的表示了这些信息。

每一种颜色都是由色相（Hue，简H），饱和度（Saturation，简S）和色明度（Value，简V）所表示的。这个模型中颜色的参数分别是：色调（H），饱和度（S），亮度（V）。

色调H参数表示色彩信息，即所处的光谱颜色的位置。该参数用一角度量来表示，取值范围为0°～360°。若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°，紫色为300°；

饱和度S：取值范围为0.0～1.0；

亮度V：取值范围为0.0(黑色)～1.0(白色)。

10 颜色空间的转化

cvtColor(img,colorspace):颜色转化关键API
import cv2

def callback(value):
    # 鼠标不同操作value不同值
    print(value)

cv2.namedWindow('color',cv2.WINDOW_NORMAL)
cv2.resizeWindow('color',640,480)

img = cv2.imread('2.jpg')

# 常见颜色空间转换
colorspaces = [cv2.COLOR_BGR2RGBA,cv2.COLOR_BGR2BGRA,cv2.COLOR_BGR2GRAY,cv2.COLOR_BGR2HSV,cv2.COLOR_BGR2YUV]

# trackbar
cv2.createTrackbar('curcolor','color',0,4,callback)

while True:
    # 获得trackbar上的值
    index = cv2.getTrackbarPos('curcolor','color')

    # 颜色空间转化API
    cvt_img = cv2.cvtColor(img,colorspaces[index])

    cv2.imshow('color',cvt_img)
    key = cv2.waitKey(1000//30)
    if key & 0XFF == ord('q'):
        break

cv2.destroyAllWindows()

11 mat的深浅拷贝

Mat是Opencv在C++语言中用来表示图像数据的一种数据结构，在python中转化为numpy的ndarray。

MAT 数据结构由header和data组成。Header中记录了图片的维数，大小，数据类型等数据。

Ndarray的四种常见属性：data(数据存放的地址)，size(元素总个数),dtype(数据类型),shape(形状)

Mat 共享数据

Header 不同，data相同。

Mat的深浅拷贝就是对ndarry的深浅拷贝。

import cv2
import numpy as np

img = cv2.imread('2.jpg')