OpenCV 功能函数介绍

一，二值化函数

功能：

用于对图像进行二值化处理

参数：

cv2.threshold(输入你的图像所对应的灰度图，

阈值：是浮点还是整数取决予图像的数据类型

最大值;高于阈值的像素值，

阈值类型：cv2.THRESH_BINARY、cv2.THRESH_BINARY_INV、 cv2.THRESH_TRUNC、cv2.THRESH_TOZERO 和 cv2.THRESH_TOZERO_INV

)

返回值：

二值化的返回值有2个

1：实际使用的阈值

2：二值化的图像

注意：调用二值化函数使用的图像一定要是灰度化后的图像

应用：

import cv2img = cv2.imread("./women.png.")img_gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)ret, img_threshold = cv2.threshold(img_gray,120,255,cv2.THRESH_BINARY)print(ret)cv2.imshow("img",img)
cv2.imshow("img_gary",img_gray)
cv2.imshow("img_threshold",img_threshold)
cv2.waitKey(0)

可以通过修改阈值呈现不同的效果

1.使用cv2.THRESH_BINARY

2.使用cv2.THRESH_BINARY_INV

3.使用THRESH_TRUNC

二.自适应二值化函数功能、参数、返回值、应用

功能:

与二值化算法相比，自适应二值化更加适合用在明暗分布不均的图片

参数：

cv2.adaptiveThreshold（输入你的图像所对应的灰度图，

最大值，#通常为255

自适应方法，#cv2.ADAPTIVE_THRESH_MEAN_C | cv2.ADAPTIVE_THRESH_GAUSSIAN_C

二值化类型，

核的大小：最好是奇数

最终的阈值：从计算出的平均值或加权和中减去的常数

）

返回值：

自适应二值化的图像

应用：

import cv2img = cv2.imread("./women.png.")img_gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)img_adapt = cv2.adaptiveThreshold(img_gray,255,cv2.ADAPTIVE_THRESH_GAUSSIAN_C,cv2.THRESH_BINARY,5,3)cv2.imshow("img",img)
cv2.imshow("img_gary",img_gray)
cv2.imshow("img_threshold",img_adapt)
cv2.waitKey(0)

可以通过修改阈值和自适应方法呈现不同的效果

1.cv2.ADAPTIVE_THRESH_GAUSSIAN_C

2.cv2.ADAPTIVE_THRESH_MEAN_C

三，腐蚀函数

功能：

将二值化图像中的白色部分尽可能的压缩

参数：

cv2.erode（读取图片，

kernel: 结构元素，核，

iterations: 迭代次数，次数越多效果越明显

）

kernel:

cv2.getStructuringElement(cv2.MORPH_ELLIPSE,

(3, 3)大小

)

返回值：

腐蚀后的图像

应用：

import cv2img = cv2.imread("./123.png.")kernal = cv2.getStructuringElement(cv2.MORPH_ELLIPSE,(3,3))img_erode = cv2.erode(img,kernal)cv2.imshow("img",img)
cv2.imshow("img_gary",img_erode)
cv2.waitKey(0)

四，膨胀函数

功能：

将二值化图像中的白色部分尽可能的扩张

参数：

cv2.dilate(

读取图片，

kernel: 结构元素，核，

iterations: 迭代次数，次数越多效果越明显

)

返回值：

膨胀后的图片

应用:

import cv2img = cv2.imread("./123.png.")kernal = cv2.getStructuringElement(cv2.MORPH_ELLIPSE,(3,3))img_dilate = cv2.dilate(img,kernal)cv2.imshow("img",img)
cv2.imshow("img_gary",img_dilate)
cv2.waitKey(0)

五，仿射变换函数

功能：

用于对图像进行仿射变换（Affine Transformation）的函数，仿射变换包括平移、旋转、缩放以及剪切等操作。

参数：

cv2.warpAffine(输入的图像，

变换矩阵，：通过其他函数（如 cv2.getRotationMatrix2D()）计算得到的，用于描述仿射变换

输出图像的大小，

插值方法（默认为线性），：cv2.INTER_LINEAR（线性插值）、cv2.INTER_NEAREST（最近邻插值）、cv2.INTER_CUBIC（三次样条插值）

边缘填充方法，：cv2.BORDER_CONSTANT（常量填充）、cv2.BORDER_REFLECT（反射）、cv2.BORDER_REFLECT_101（反射101）

边界颜色：borderMode 为 cv2.BORDER_CONSTANT

)

cv2.getRotationMatrix2D(center：旋转的中心点, angle：旋转角度, scale：缩放因子)

返回值：

输出图像

应用：

import cv2img = cv2.imread("./women.png")M = cv2.getRotationMatrix2D((img.shape[1]/2,img.shape[0]/2),45,0.5)
img_warp = cv2.warpAffine(img,M,(700,700),flags=cv2.INTER_LINEAR,borderMode=cv2.BORDER_WRAP)cv2.imshow("img",img)
cv2.imshow("img_gary",img_warp)
cv2.waitKey(0)

修改缩放因子

六，透视变换函数

功能：

用于对图像进行透视变换的函数

而透视变换是把一个图像投影到一个新的视平面的过程

参数：

cv2.warpPerspective(src, M, dsize, dst=None, flags=cv2.INTER_LINEAR, borderMode=cv2.BORDER_CONSTANT, borderValue=None)

cv2.warpPerspective（输入图像，

透视变换矩阵，

输出图像的尺寸，

输出图像，这是一个可选参数。

插值方法，：cv2.INTER_LINEAR（线性插值）、cv2.INTER_NEAREST（最近邻插值）、cv2.INTER_CUBIC（三次样条插值）

）

返回值：

图像

应用：

import cv2
import numpy as npimg = cv2.imread("./223.png")points1 = np.array([[80, 300], [950, 50], [150, 620], [1060,400]],dtype=np.float32)points2 = np.array([[0, 0], [img.shape[1], 0], [0, img.shape[0]], [img.shape[1], img.shape[0]]],dtype=np.float32)
M = cv2.getPerspectiveTransform(points1, points2)img_warp = cv2.warpPerspective(img, M,(img.shape[1], img.shape[0]))cv2.imshow("img",img)
cv2.imshow("img1",img_warp)
cv2.waitKey(0)