1、安装环境

如何安装Python解释器和PyCharm,这里就不说明了,

参考文章链接:https://blog.csdn.net/weixin_72959097/article/details/130226675

下面主要说明在配置好开发环境后,Opencv是如何安装的。

首先,创建一个新项目,创建一个main.py的代码文件。

在下面的命令窗口,选择终端窗口,然后打开本地窗口输入

1 pip list

按回车后,就可以显示出当前已经安装的库。这三个库都是默认安装的库,除此之外,我们还发现弹出了两段黄色的字,这个一个警告,意思是说 pip 出了新版本了,而我们还在用老版本,要按它的的提示去升级到最新版本。

1 python.exe -m pip install --upgrade pip

执行升级命令后,看到 Successfully 就表示升级成功了。

接下来安装图像处理的的 opencv-python 库,继续在光标闪烁处,输入

pip install opencv-python<4.6 -i https://mirror.baidu.com/pypi/simple

后按回车,就会自动安装好 opencv-python 这个第三方库了。

继续在光标闪烁处输入:

1 pip list

可以看到除了之前那三个库,现在多了 opencv-python 和 numpy 库了,表示我们安装成功了。

2、Opencv中图像的存储格式

先了解一些图像的基本知识:

(1)图像是由像素构成的。像素,也叫像素点或像元,是最基本的构图元素。如果把图放的足够大,就能看到一个个像马赛克一样的小色块,这就是像素点。每个像素点为一种颜色,多个像素点在一起组成了丰富多彩的图片。

图片尺寸可以理解为图片横向和纵向的像素点数量。比如一张图片由100×100个像点组成,那么这张图片的尺寸就是100x100。

(2)常见的图像有1通道(灰度图)、3通道(彩色图)、4通道(透明图),每个通道的像素值范围是[0,255],彩色图是我们最常见的,意思是每个像素由B、G、R三个值组成(也就是三原色),比如(255,255,255)表示白色。

在图像识别中,我们可以使用一组向量来表示颜色,比如用(0,0,0)表示黑色、(255,255,255)表示白色。其中,0-255表示色彩空间被量化成256个数,最低亮度值为0,最高亮度值为255。在这个色彩空间中,有256*256*256种颜色。

(3)二值图像:图像中每个像素的灰度值仅可取0或1,即不是取黑,就是取白,二值图像可理解为黑白图像。

灰度图像:图像中每个像素可以由0-255的灰度值表示,具体表现为从全黑到全白中间有255个介于中间的灰色值可以取

彩色图像:每幅图像是由三幅灰度图像组合而成,依次表示红绿蓝三通道的灰度值,即我们熟知的BGR(RGB),此时彩色图像可以视为三维的[height,width, 3],也即相当于有三层,从上到下分别是blue, green和red。

HSV图像:HSV图显示也是彩色的,HSV图是三通道图像,其三个通道如下:H,色彩或者色度,取值0-179;S,饱和度,取值为0-255;V,亮度,取值为0-255。

3、Opencv的基本操作

3.1 读取图像

语法:cv2.imread(filepath,flags)读进来图片直接是BGR格式

cv2.IMREAD_COLOR:默认参数,读入一副彩色图片,忽略alpha通道

cv2.IMREAD_GRAYSCALE:读入灰度图片

cv2.IMREAD_UNCHANGED:顾名思义,读入完整图片,包括alpha通道

1 cv2.imread(filepath,flag)
# 第一个参数为文件夹内图片或者其他文件夹的图片的绝对路径,注意:其中路径内的斜杠一定为/或者\\
# 文件路径(相对路径和绝对路径),路径中不要带有中文。

# 第二个参数是一个标志,用来表示该张图片以何种方式被读取
含义 数值
保持原格式不变 -1
灰度图像 0
BGR 1
图像深度为16 or 32 返回灰度图像,否则转换为8位图像 2
以任何可能颜色格式读取图像 4

3.2 显示图像

语法:cv2.imshow(window_name,image)

window-name:显示图像的窗口的名字

image             :  要显示的图像,窗口大小自动调整为图片大小。

注意:该函数一般和cv2.waitKey()cv2.destroyAllWindows()cv2.destroyWindow()一起使用。

cv2.waitKey()函数是键盘绑定函数,等待键击任意键或指定键继续程序。

cv2.destroyAllWindows()用于销毁全部窗口(从内存中清除)

cv2.destroyWindow()销毁指定窗口(从内存中清除)。

3.3 保存图像

语法:cv2.imwrite(filename,image[,params])

将图像保存到指定文件。filename:文件名,img:要保存的图像,params:格式特定参数编码

4、应用例子

下载的可用图片:

将下载的图片命名为nv.png,并放在新建的main.py文件夹内,代码如下:

 1 import cv2
2
3 fn = "nv.png"
4 # if __name__ == '__main__':
5 print('loading %s' % fn)
6 img = cv2.imread(fn) # 读取图像,可以使用CV2模块中的imread()函数来读取图像,并将其存储为numpy数组。
7 sp = img.shape
8 print(sp)
9
10 # 获取图像大小
11 sz1 = sp[0]
12 sz2 = sp[1]
13 print('width:%d\nheight:%d' % (sz2, sz1))
14 # 创建一个窗口显示图像
15 cv2.namedWindow('img')
16 cv2.imshow('img', img)
17 # 复制图像矩阵,生成与源图像一样的图像,并显示
18 myimg2 = img.copy();
19 cv2.namedWindow('myimg2')
20 cv2.imshow('myimg2', myimg2)
21
22 # 复制并转换为灰度化图像并显示
23 myimg1 = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
24 cv2.namedWindow('myimg1')
25 cv2.imshow('myimg1', myimg1)
26 cv2.waitKey()
27 cv2.destroyAllWindows()

结果显示:

Opencv学习笔记(1)的更多相关文章

  1. opencv学习笔记(七)SVM+HOG

    opencv学习笔记(七)SVM+HOG 一.简介 方向梯度直方图(Histogram of Oriented Gradient,HOG)特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子 ...

  2. opencv学习笔记(六)直方图比较图片相似度

    opencv学习笔记(六)直方图比较图片相似度 opencv提供了API来比较图片的相似程度,使我们很简单的就能对2个图片进行比较,这就是直方图的比较,直方图英文是histogram, 原理就是就是将 ...

  3. opencv学习笔记(五)镜像对称

    opencv学习笔记(五)镜像对称 设图像的宽度为width,长度为height.(x,y)为变换后的坐标,(x0,y0)为原图像的坐标. 水平镜像变换: 代码实现: #include <ios ...

  4. opencv学习笔记(四)投影

    opencv学习笔记(四)投影 任选了一张图片用于测试,图片如下所示: #include <cv.h> #include <highgui.h> using namespace ...

  5. opencv学习笔记(三)基本数据类型

    opencv学习笔记(三)基本数据类型 类:DataType 将C++数据类型转换为对应的opencv数据类型 OpenCV原始数据类型的特征模版.OpenCV的原始数据类型包括unsigned ch ...

  6. opencv学习笔记(二)寻找轮廓

    opencv学习笔记(二)寻找轮廓 opencv中使用findContours函数来查找轮廓,这个函数的原型为: void findContours(InputOutputArray image, O ...

  7. opencv学习笔记(一)IplImage, CvMat, Mat 的关系

    opencv学习笔记(一)IplImage, CvMat, Mat 的关系 opencv中常见的与图像操作有关的数据容器有Mat,cvMat和IplImage,这三种类型都可以代表和显示图像,但是,M ...

  8. paper 93:OpenCV学习笔记大集锦

    整理了我所了解的有关OpenCV的学习笔记.原理分析.使用例程等相关的博文.排序不分先后,随机整理的.如果有好的资源,也欢迎介绍和分享. 1:OpenCV学习笔记 作者:CSDN数量:55篇博文网址: ...

  9. (转) OpenCV学习笔记大集锦 与 图像视觉博客资源2之MIT斯坦福CMU

          首页 视界智尚 算法技术 每日技术 来打我呀 注册     OpenCV学习笔记大集锦 整理了我所了解的有关OpenCV的学习笔记.原理分析.使用例程等相关的博文.排序不分先后,随机整理的 ...

  10. OpenCV学习笔记(27)KAZE 算法原理与源码分析(一)非线性扩散滤波

    http://blog.csdn.net/chenyusiyuan/article/details/8710462 OpenCV学习笔记(27)KAZE 算法原理与源码分析(一)非线性扩散滤波 201 ...

随机推荐

  1. 超详细的mysql总结(基本概念、DDL、DML)

    开发中存在着各种数据,比如用户的个人信息.商品详情.购买记录,这些数据都要以一定的方式储存,如果以文本的形式储存,每一次获取都要读取文件,如果信息有修改则需要直接修改文本,大量的数据会需要保存大量的文 ...

  2. [nginx]lua控制响应头

    前言 适用场景:添加CDN缓存时间.操作set-cookie.标记业务数据类型等. 获取响应头 指令:ngx.resp.get_headers 语法:headers = ngx.resp.get_he ...

  3. Java不能操作内存?Unsafe了解一下

    前言 C++可以动态的分类内存(但是得主动释放内存,避免内存泄漏),而java并不能这样,java的内存分配和垃圾回收统一由JVM管理,是不是java就不能操作内存呢?当然有其他办法可以操作内存,接下 ...

  4. 3.0 Python 迭代器与生成器

    当我们需要处理一个大量的数据集合时,一次性将其全部读入内存并处理可能会导致内存溢出.此时,我们可以采用迭代器Iterator和生成器Generator的方法,逐个地处理数据,从而避免内存溢出的问题. ...

  5. nacos适配SqlServer、Oracle

    继上文<nacos适配达梦.瀚高.人大金仓数据库及部分源码探究>后补充nacos适配SqlServer.Oracle的贴码,主要区别是SqlServer.Oracle的分页SQL有点不一样 ...

  6. 四层负载均衡的NAT模型与DR模型推导

    导读 本文首先讲述四层负载均衡技术的特点,然后通过提问的方式推导出四层负载均衡器的NAT模型和DR模型的工作原理.通过本文可以了解到四层负载均衡的技术特点.NAT模型和DR模型的工作原理.以及NAT模 ...

  7. 聊一聊 Go 的内存对齐

    前言 在一次工作中,需要使用 Go 调用 DLL 文件,其中就涉及到内存对齐的相关知识,如果自定义的结构体内存布局和所调用的 DLL 结构体内存布局不一致,就会无法正确调用.所以,一旦涉及到较为底层的 ...

  8. Github工具库

    0x01 漏洞练习平台 WebGoat漏洞练习平台: https://github.com/WebGoat/WebGoat webgoat-legacy漏洞练习平台: https://github.c ...

  9. dedebiz 清理冗余废弃未引用图片方法

    原理描述: 在原有织梦后台菜单中增加"清理冗余图片按钮",实现清理冗余图片的功能. 操作步骤: 1. 打开后台admin\sys_sql_query.php代码 在该文件中搜索如下 ...

  10. 「codechef - STRQUER」Strange Queries

    link. 首先对原序列排序,考虑静态序列做法为:设 \(f(n,k\in\{0,1\})\) 为对于前 \(n\) 个数,第 \(n\) 个数否 / 是已经决策完毕的最优方案,转移即 \[\begi ...