实例所用的函数可在另一篇文章查询:  https://www.cnblogs.com/Zhouce/p/17867164.html

1、图像读取

 1 import cv2            # 引入opencv库
2 import numpy as np # 引入numpy库
3 fn = "car.png"
4
5 # img_color = cv2.imread(fn,1) # 上下两种方式都是读取彩色图像的flag
6 img_color = cv2.imread(fn,cv2.IMREAD_COLOR)
7
8 # img_gray = cv2.imread(fn,0) # 上下两种方式都是读取灰色图像的flag
9 img_gray = cv2.imread(fn,cv2.IMREAD_GRAYSCALE)
10
11 # 获取图像大小
12 sp1 = img_color.shape
13 sp2 = img_gray.shape
14 print("img_color.shape = ",sp1) # 彩色图像三通道 : 高度(图像行数)、宽度(图像列数)、通道数
15 print("img_gray.shape = ",sp2) # 灰色图像两通道 : 高度(图像行数)、宽度(图像列数)
16
17 # # 创建窗口
18 # cv2.namedWindow('img_color')
19 # cv2.namedWindow('img_color')
20
21 # 显示图像
22 cv2.imshow('img_color',img_color)
23 cv2.imshow('img_gray',img_gray)
24
25 cv2.waitKey(0)

2、保存图像

 1 import cv2
2
3 fn = "car.png"
4 img_gray = cv2.imread(fn,0)
5 sp1 = img_gray.shape
6
7 cv2.imshow('image',img_gray) # 显示灰色图像
8 cv2.imwrite("car_gray.png",img_gray) # 在当前文件夹下保存图像
9
10 cv2.waitKey(0)
11 cv2.destroyAllWindows()

3、缩放图像

 # 第一种缩放图像的方法
1 import cv2
2 import numpy as np
3
4 fn = 'car.png'
5
6 img = cv2.imread(fn)
7
8 #指定目标图像的宽高
9 #图像不失真
10
11 # img_down_0 = cv2.resize(img,(150,150)) #
12 img_up_0 = cv2.resize(img,(500,500))
13
14 # cv2.imshow('carimg',img_down_0)
15 cv2.imshow('carimg',img_up_0)
16
17 # 图像失真
18 img_distortion = cv2.resize(img, (200, 300))
19 cv2.imshow('img_distortion', img_distortion)
20 cv2.waitKey(0)
21 cv2.destroyAllWindows()

 # 第二种缩放图像的方法
1 import cv2
2 import numpy as np
3
4 fn = 'car.png'
5
6 img = cv2.imread(fn)
7
8 # 指定图像的比例因子(需要指出的是dsize必须要传参,None)
9 # 图像不失真
10 img_down_1 = cv2.resize(img,None,fx=0.75,fy=0.75)
11 img_up_1 = cv2.resize(img,None,fx=1.2,fy=1.2)
12 cv2.imshow('img_down-No distortion1', img_down_1)
13 cv2.imshow('img_up-No distortion1', img_up_1)
14 # 图像失真
15 img_distortion1 = cv2.resize(img,None,fx=0.75,fy=1.2)
16 cv2.imshow('img distortion1',img_distortion1)
17 cv2.waitKey(0)
18 cv2.destroyAllWindows()

 1 import cv2
2 import numpy as np
3
4 fn = 'car.png'
5
6 img = cv2.imread(fn)
7
8 # 指定图像缩放方法
9 img_scale0 = cv2.resize(img, (150, 150), interpolation=cv2.INTER_AREA)
10 img_scale1 = cv2.resize(img, (450, 450), interpolation=cv2.INTER_CUBIC)
11 img_scale2 = cv2.resize(img, (450, 450), interpolation=cv2.INTER_LINEAR)
12 img_scale3 = cv2.resize(img, (150, 150), interpolation=cv2.INTER_NEAREST)
13
14 cv2.imshow('img_scale0',img_scale0)
15 cv2.imshow('img_scale1',img_scale1)
16 cv2.imshow('img_scale2',img_scale2)
17 cv2.imshow('img_scale3',img_scale3)
18
19 cv2.waitKey(0)
20 cv2.destroyAllWindows()
21 # 可选值包括cv2.INTER_NEAREST、cv2.INTER_LINEAR双线性插值法(默认)、cv2.INTER_AREA、cv2.INTER_CUBIC、cv2.INTER_LANCZOS4等

4、图像裁剪

 1 import cv2
2
3 fn = "car.png"
4 car = cv2.imread(fn)
5 print(car.shape)
6
7 # 裁剪图像
8 cropped_car = car[25:190,50:300] # image[start_row : end_row , start_rol : end_rol]
9 cv2.imshow('original',car)
10 cv2.imshow('cropped',cropped_car)
11 cv2.waitKey(0)
12 cv2.destroyAllWindows()

5、色彩空间转换

 1 # 颜色空间转换 cv2.cvtColor(img,flags)
2
3 import cv2
4 import matplotlib.pyplot as plt
5
6 img = cv2.imread("car.png")
7 # 利用plot函数画出图像并放置在一个窗口中显示
8 plt.subplot(3,3,1)
9 plt.imshow(img)
10 plt.axis('off')
11 plt.title('BGR')
12
13 # BGR变换RGB
14 img_RGB = cv2.cvtColor(img,cv2.COLOR_BGR2RGB)
15 plt.subplot(3,3,2)
16 plt.imshow(img_RGB)
17 plt.axis('off')
18 plt.title('RGB')
19
20 # 原图变换灰度图
21 img_GRAY = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
22 plt.subplot(3, 3, 3)
23 plt.imshow(img_GRAY)
24 plt.axis('off')
25 plt.title('GRAY')
26
27 # 变换HSV空间
28 img_HSV = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
29 plt.subplot(3, 3, 4)
30 plt.imshow(img_HSV)
31 plt.axis('off')
32 plt.title('HSV')
33
34 # 变换YCrCb空间
35 img_YcrCb = cv2.cvtColor(img, cv2.COLOR_BGR2YCrCb)
36 plt.subplot(3, 3, 5)
37 plt.imshow(img_YcrCb)
38 plt.axis('off')
39 plt.title('YcrCb')
40
41 # 变换HLS空间
42 img_HLS = cv2.cvtColor(img, cv2.COLOR_BGR2HLS)
43 plt.subplot(3, 3, 6)
44 plt.imshow(img_HLS)
45 plt.axis('off')
46 plt.title('HLS')
47
48 # 变换XYZ空间
49 img_XYZ = cv2.cvtColor(img, cv2.COLOR_BGR2XYZ)
50 plt.subplot(3, 3, 7)
51 plt.imshow(img_XYZ)
52 plt.axis('off')
53 plt.title('XYZ')
54
55 # 变换LAB空间
56 img_LAB = cv2.cvtColor(img, cv2.COLOR_BGR2LAB)
57 plt.subplot(3, 3, 8)
58 plt.imshow(img_LAB)
59 plt.axis('off')
60 plt.title('LAB')
61
62 # 变换YUV空间
63 img_YUV = cv2.cvtColor(img, cv2.COLOR_BGR2YUV)
64 plt.subplot(3, 3, 9)
65 plt.imshow(img_YUV)
66 plt.axis('off')
67 plt.title('YUV')
68 plt.show()

(2)

 1 import cv2
2
3 img = cv2.imread('car.png')
4
5 img_BGR = cv2.cvtColor(img,cv2.COLOR_BGR2RGB)
6 img_HSV = cv2.cvtColor(img,cv2.COLOR_BGR2HSV)
7
8 cv2.imshow('origin_img',img)
9 cv2.imshow('BGR_img',img_BGR)
10 cv2.imshow('HSV_img',img_HSV)
11
12 cv2.waitKey(0)
13 cv2.destroyAllWindows()

Opencv实例练习的更多相关文章

  1. opencv实例一:显示一张图片

    第一个简单的实例,显示一张图片: 1)代码如下 /*************************************************************************** ...

  2. AdaBoost算法原理及OpenCV实例

    备注:OpenCV版本 2.4.10 在数据的挖掘和分析中,最基本和首要的任务是对数据进行分类,解决这个问题的常用方法是机器学习技术.通过使用已知实例集合中所有样本的属性值作为机器学习算法的训练集,导 ...

  3. opencv实例三:播放AVI格式视频

    一.不带滚动条的视频读取播放. 1.原理介绍:视频的本质是一些静态的图像的集合,opencv可以不断读取视屏中的图片,显示,就可以实时的视频流进行处理了. 2.代码如下: /************* ...

  4. opencv实例二:缩放一张图片

    1.知识补充 const char*, char const*, char*const的区别 事实上这个概念谁都有只是三种声明方式非常相似: Bjarne在他的The C++ Programming ...

  5. openCV实例:Canny边缘检测

    http://blog.sina.com.cn/s/blog_737adf530100z0jk.html 在第一次使用openCV程序成功对图像进行打开后,现在开始试验第二个例程试验:Canny边缘检 ...

  6. OpenCV与QT联合开发示例

    1.OpenCV及QT开发环境搭建 windows基于vs2017的opencv安装 windows下安装QT并与visual studio 2017搭建开发环境 2.工程创建 1.导入Qt项目 选择 ...

  7. OpenCV基础知识介绍

    1.图像与矩阵 一般来说,图像是一个标准的矩形,有着宽度(width)和高度(height).而矩阵有着行(row)和列(column),矩阵的操作在数学和计算机中的处理都很常见且成熟,于是很自然的就 ...

  8. 【Android】Eclipse自动编译NDK/JNI的三种方法

    [Android]Eclipse自动编译NDK/JNI的三种方法 SkySeraph Sep. 18th  2014 Email:skyseraph00@163.com 更多精彩请直接访问SkySer ...

  9. 从PyOpenCV到CV2

    安装cv2 http://hyry.dip.jp/files/opencv.zip 采用cv2重写的<Python科学计算>中的实例程序 读者可以在下面的页面中搜索“opencv”,并根据 ...

  10. ubuntu ndk 开发

      参考 https://developer.android.com/ndk/index.html   配置 下载android-ndk-r10d-linux-x86_64.bin  ,运行自解压. ...

随机推荐

  1. SQL 注入学习手册【笔记】

    SQL 注入基础 [若本文有问题请指正] 有回显 回显正常 基本步骤 1. 判断注入类型 数字型 or 字符型 数字型[示例]:?id=1 字符型[示例]:?id=1' 这也是在尝试闭合原来的 sql ...

  2. 手写raft(二) 实现日志复制

    1. Raft日志复制介绍 在上一篇博客中MyRaft实现了leader选举,为接下来实现日志复制功能打下了基础: 手写raft(一) 实现leader选举 日志复制是raft最核心也是最复杂的功能, ...

  3. 使用 Sealos 在离线环境中光速安装 K8s 集群

    作者:尹珉.Sealos 开源社区 Ambassador,云原生爱好者. 当容器化交付遇上离线环境 在当今快节奏的软件交付环境中,容器化交付已经成为许多企业选择的首选技术手段.在可以访问公网的环境下, ...

  4. QA|重写了元素定位后报错xx object has no attribute 'find_element'|网页计算器自动化测试实战

    代码如下: 1 # basepage.py 2 3 from selenium import webdriver 4 5 6 class BasePage(): 7 """ ...

  5. SQL简单使用指南

    SQL简单使用指南 SQL(结构化查询语言)是一种用于管理和操作关系型数据库的标准化语言. 数据库概述 数据库是用于存储和组织数据的结构.它由表(表格)组成,每个表都包含多个列和行.以下是SQL中最常 ...

  6. 在微服务环境下,远程调用feign和异步线程存在请求数据丢失问题

    一.无异步线程得情况下feign远程调用: 0.登录拦截器: @Component public class LoginUserInterceptor implements HandlerInterc ...

  7. ps--提升字体排版的美感四个有效方法

    一,文字的摆放位置 (字体的选择不要超过三种,分散注意力)

  8. 使用 TensorFlow 进行机器学习

    使用 TensorFlow 进行机器学习 这是使用 TensorFlow 进行机器学习的官方代码存储库. 使用 TensorFlow(Google 最新.最好的机器学习库)开始进行机器学习. 概括 第 ...

  9. nginx中一个请求匹配到多个location时的优先级问题,马失前蹄了

    背景 为什么讲这么小的一个问题呢?因为今天在进行系统上线的时候遇到了这个问题. 这次的上线动作还是比较大的,由于组织架构拆分,某个接入层服务需要在两个部门各自独立部署,以避免频繁的跨部门沟通,提升该接 ...

  10. 当个 PM 式程序员「GitHub 热点速览」

    本周 GitHub 热点依旧是 GPT 类项目,当中的佼佼者自然是本文收录的 gpt-pilot,一周获得了 7k+ star.此外,像是 LangChain.Autogen 之类的 LLM 工具链项 ...