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. 痞子衡嵌入式:AppCodeHub - 一站网罗恩智浦MCU应用程序

    近日,恩智浦官方隆重上线了应用程序代码中心(Application Code Hub,简称 ACH),这是恩智浦 MCUXpresso 软件生态的一个重要组成部分.痞子衡之所以要如此激动地告诉大家这个 ...

  2. plt.rcParams运行时修改全局配置参数

    plt.rcParams简单介绍 plt.rcParams即 "运行时配置参数"("runtime configuration parameters"),是运行 ...

  3. COF框架集成mongodb驱动

    今天打算在我的COF框架中集成mongodb驱动,这实在是简单的工作,因为基本上只是对pymongo的封装 数据库的集成大同小异,要考虑的点无非是以下几点: 1.命名 2.连接创建 3.连接池管理 4 ...

  4. 【matplotlib基础】--文本标注

    Matplotlib 文本和标注可以为数据和图形之间提供额外的信息,帮助观察者更好地理解数据和图形的含义. 文本用于在图形中添加注释或提供更详细的信息,以帮助观察者理解图形的含义.标注则是一种更加细粒 ...

  5. MySQL实战实战系列 01 基础架构:一条SQL查询语句是如何执行的?

    这是专栏的第一篇文章,我想来跟你聊聊 MySQL 的基础架构.我们经常说,看一个事儿千万不要直接陷入细节里,你应该先鸟瞰其全貌,这样能够帮助你从高维度理解问题.同样,对于 MySQL 的学习也是这样. ...

  6. 3 分钟把高质量 AI 知识库 FastGPT 装进企业微信

    FastGPT V4 已经上线,直接冲上 GitHub Trending. 如果你还不知道 FastGPT 是什么,可以先去看看作者的介绍 使用 FastGPT 构建高质量 AI 知识库 非常多的企业 ...

  7. 「codeforces - 868F」Yet Another Minimization Problem

    link. 值域分治优化决策单调性 DP 的 trick.朴素做法 trivial,不赘述. 考虑求取一个区间 \([l,r]\) 的 DP 值.先搞定在 \(m=\lfloor\frac{l+r}{ ...

  8. MySQL运维1-日志

    一.错误日志 错误日志是MySQL中最重要的日志之一,它记录了当MySQL启动和停止时,以及服务器在运行过程中发生的任何严重错误时的相关信息,当数据库出现任何故障导致无法正常使用时,建议首先查看此日志 ...

  9. Go语言系列——Go语言介绍

    文章目录 01-Go语言介绍 一 Go语言介绍 二 Go语言特性 三 Go语言发展(版本/特性) 四 Go语言应用 谁在用 Google Facebook 腾讯 百度 京东 小米 360 应用领域 五 ...

  10. Flask框架——flask介绍

    文章目录 1 什么是flask? 2 为什么要有flask? 3 学前准备:虚拟环境 3.1 虚拟环境是什么? 3.2 如何使用虚拟环境? 3.2.1 搭建虚拟环境 3.2.1 在虚拟环境中安装我们的 ...