1.1. 图片基本操作

1.1.1. 图片读取

使用 cv2.imread() 函数可以读取图片文件。OpenCV 默认以 BGR 格式读取彩色图像。

python">import cv2# 读取图片
image = cv2.imread("example.jpg")  # 读取彩色图像
# image = cv2.imread("example.jpg", cv2.IMREAD_GRAYSCALE)  # 读取灰度图像
# image = cv2.imread("example.jpg", cv2.IMREAD_UNCHANGED)  # 读取包含透明通道的图像if image is None:print("Error: Could not read the image.")
else:print("Image loaded successfully.")

1.1.2. 图片显示

使用 cv2.imshow() 函数可以显示图片。

python">cv2.imshow("Image", image)  # 显示图片
cv2.waitKey(0)  # 等待用户按键（0 表示无限等待）
cv2.destroyAllWindows()  # 关闭所有窗口

使用 matplotlib.pyplot

• 功能：matplotlib.pyplot 是一个强大的绘图库，可以用来显示图像，并支持更多的绘图功能。
• 适用场景：

• • 适用于需要在 Jupyter Notebook 或其他支持 matplotlib 的环境中显示图像的情况。
  • 适用于需要对图像进行更复杂的可视化（如添加标题、坐标轴、注释等）的情况。

python">import cv2
import matplotlib.pyplot as plt# 读取图像
image = cv2.imread("image.jpg")# 显示图像
plt.imshow(cv2.cvtColor(image, cv2.COLOR_BGR2RGB))
plt.title("Image")
plt.xlabel("X-axis")
plt.ylabel("Y-axis")
plt.show()

两者差异:

matplotlib.pyplot:

• 所属库：matplotlib 是一个强大的绘图库，广泛用于数据可视化。
• 特点：

• • 主要用于绘制图表、图形和图像，支持丰富的绘图功能。
  • 支持显示多种类型的图像，包括灰度图、彩色图等。
  • 可以添加标题、坐标轴、注释等。
  • 适合在 Jupyter Notebook 或其他支持 matplotlib 的环境中使用。

• 适用场景：

• • 数据分析和可视化。
  • 在 Jupyter Notebook 中快速显示图像。
  • 需要对图像进行标注、绘制图形或与其他数据可视化内容结合。

cv2.imshow:

• 所属库：OpenCV 是一个专注于计算机视觉和图像处理的库。
• 特点：

• • 专门用于显示图像，支持实时显示和处理。
  • 提供了简单的窗口管理功能，如调整窗口大小、移动窗口等。
  • 支持键盘和鼠标事件，方便与用户交互。
  • 适合在本地运行的脚本中使用。

• 适用场景：

• • 图像处理和计算机视觉任务。
  • 实时显示图像处理结果。
  • 需要与用户交互（如按键退出、鼠标点击等）。

结论：如果需要用户交互则用cv2.imshow()，如果需要标注坐标系则用matlpltlib.pyplot

1.1.3. 图片保存

使用 cv2.imwrite() 函数可以将处理后的图像保存到文件。

python">cv2.imwrite("output.jpg", image)  # 保存图像
print("Image saved successfully.")

1.1.4. 图片属性获取

可以获取图片的尺寸、通道数、数据类型等信息。

不同格式shpe信息有所差异

BGR/RGB格式的 shape为（Height,Width,Channels）

灰度图像的shape为（Height,Width）

python">height, width = image.shape[:2]  # 获取图像的高和宽
print(f"Height: {height}, Width: {width}")if len(image.shape) == 3:  # 彩色图像channels = image.shape[2]print(f"Channels: {channels}")
else:  # 灰度图像print("Channels: 1")print(f"Data type: {image.dtype}")

1.1.5. 图片大小调整

• 调整大小：使用 cv2.resize() 改变图像尺寸，放大缩小与裁剪不同。

python">resized_image = cv2.resize(image, (800, 600))  # 调整为固定尺寸
# resized_image = cv2.resize(image, None, fx=0.5, fy=0.5)  # 按比例缩放

1.1.6. 图片裁剪

• 裁剪：在上一节了解到图片是保存在Numpy数组中故通过 NumPy 的切片操作实现。

python">cropped_image = image[100:500, 200:700]  # 裁剪图像 高100-500 宽200-700的区域

1.1.7. 图片旋转

• 旋转：

• • 使用 cv2.rotate()

• • • 用于以 90 度的倍数旋转图像。该函数使用 rotateCode 参数以三种不同的方式旋转图像。cv2.rotate() 函数有两个主要的参数：src 和 rotateCode。其中，src 是输入图像（源图像），它是一个 NumPy 数组。rotateCode 是旋转的类型，指定旋转的方向和角度。常见的值包括：

• • • • cv2.ROTATE_90_CLOCKWISE：顺时针旋转 90 度。
      • cv2.ROTATE_180：旋转 180 度。
      • cv2.ROTATE_90_COUNTERCLOCKWISE：逆时针旋转 90 度。

python">import cv2# 读取图片
img = cv2.imread('wechat.jpg')
# 修改图片大小（可选）
img = cv2.resize(img, dsize=None, fx=0.3, fy=0.3)rotated_image = cv2.rotate(img, cv2.ROTATE_90_CLOCKWISE)  # 顺时针90度
rotated_image1 = cv2.rotate(img, cv2.ROTATE_90_COUNTERCLOCKWISE)  # 逆时针90度
rotated_image2 = cv2.rotate(img, cv2.ROTATE_180)  # 旋转180度# 显示图片
cv2.imshow('shun90', rotated_image)
cv2.imshow('ni90', rotated_image1)
cv2.imshow('180', rotated_image2)# 等待任意键按下后关闭所有窗口
cv2.waitKey(0)
cv2.destroyAllWindows()

• • 自定义旋转矩阵。

• • • 计算旋转矩阵：cv2.getRotationMatrix2D

• • • • 使用 cv2.getRotationMatrix2D 计算旋转矩阵，参数分别是旋转中心、旋转角度和缩放因子（这里为 1.0，表示不缩放）。

• • • 应用旋转矩阵：cv2.warpAffine

• • • • 使用 cv2.warpAffine 应用旋转矩阵到图像上，参数分别是输入图像、旋转矩阵和输出图像的尺寸。

python">import cv2
import numpy as np# 读取图像
image = cv2.imread('path_to_image.jpg')angle = 45  # 旋转 45 度# 获取图像尺寸
(height, width) = image.shape[:2]# 计算旋转中心 整除
center = (width // 2, height // 2) # 计算旋转矩阵 旋转中心，旋转角，缩放比例1.0表示不变
rotation_matrix = cv2.getRotationMatrix2D(center, angle, 1.0)# 应用旋转 图片源，旋转矩阵，目标尺寸
rotated_image = cv2.warpAffine(image, rotation_matrix, (width, height))# 显示原始图像和旋转后的图像
cv2.imshow('Original Image', image)
cv2.imshow('Rotated Image', rotated_image)# 等待任意键按下后关闭所有窗口
cv2.waitKey(0)
cv2.destroyAllWindows()

1.1.8. 图片翻转

• 翻转：使用 cv2.flip()，可以实现三种翻转如下：

python">flipped_image = cv2.flip(image, 1)  # 水平翻转
# flipped_image = cv2.flip(image, 0)  # 垂直翻转
# flipped_image = cv2.flip(image, -1)  # 水平垂直翻转

1.2. 图像的基本处理

1.2.1. 灰度化

• 介绍：图像的灰度化是图像处理中一种常见的预处理技术，它将彩色图像转换为灰度图像。灰度图像只有一个亮度通道，通常表示为从黑到白的灰度值。
• 灰度化：使用 cv2.cvtColor() 将彩图转换为灰度图。
• 功能及应用场景：

1. 1. 简化数据
      彩色图像通常包含三个通道（如 RGB 或 BGR），而灰度图像只有一个通道。灰度化可以显著减少数据量，简化后续处理步骤。
   2. 降低计算复杂度
      由于灰度图像的数据量较少，处理灰度图像通常比处理彩色图像更快，计算复杂度更低。这对于需要实时处理的应用（如视频分析、实时监控等）尤为重要。
   3. 特征提取
      在许多计算机视觉任务中，如边缘检测、纹理分析等，灰度图像已经足够提取有用的特征。灰度化可以去除颜色信息，使算法专注于亮度和对比度等特征。
   4. 兼容性
      某些图像处理算法和库可能只支持灰度图像。将彩色图像转换为灰度图像可以提高算法的兼容性。
   5. 提高算法性能
      在某些情况下，灰度图像可以提高算法的性能和准确性。例如，在人脸识别中，灰度图像可以减少颜色变化带来的干扰，提高识别率。
   6. 数据增强
      在机器学习和深度学习中，灰度化可以作为一种数据增强技术，增加模型的泛化能力。
   7. 艺术效果
      在艺术和设计领域，灰度图像可以产生独特的视觉效果，如复古风格、高对比度等。

python">gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

1.2.2. 颜色通道分离与合并：

• 水印嵌入：在图像水印嵌入中，可以分别在每个颜色通道中嵌入水印，以提高水印的鲁棒性。

python"># b, g, r = cv2.split(image)  # 分离通道
# merged_image = cv2.merge([b, g, r])  # 合并通道import cv2
import matplotlib.pyplot as plt# 读取图像
image = cv2.imread("Cat.jpg")# 分离通道
b, g, r = cv2.split(image)# 显示原始图像
plt.figure(figsize=(12, 6))
plt.subplot(2, 2, 1)
plt.imshow(cv2.cvtColor(image, cv2.COLOR_BGR2RGB))
plt.title("Original Image")
plt.axis("off")# 显示蓝色通道
plt.subplot(2, 2, 2)
plt.imshow(b, cmap='gray')
plt.title("Blue Channel")
plt.axis("off")# 显示绿色通道
plt.subplot(2, 2, 3)
plt.imshow(g, cmap='gray')
plt.title("Green Channel")
plt.axis("off")# 显示红色通道
plt.subplot(2, 2, 4)
plt.imshow(r, cmap='gray')
plt.title("Red Channel")
plt.axis("off")# 合并通道 注意顺序为BGR
merged_image = cv2.merge([b, g, r])# 显示合并后的图像
plt.figure(figsize=(6, 6))
plt.imshow(cv2.cvtColor(merged_image, cv2.COLOR_BGR2RGB))
plt.title("Merged Image")
plt.axis("off")plt.show()