python--openCV--图像处理

安装 pip3 install opencv-python

图像处理：

import cv2    #导入opencv库
import numpy as np

img = cv2.imread("ma.jpg")  #读取一张图片，地址不能带中文
"""
第二个参数，取值可为：
cv2.IMREAD_COLOR=1：默认参数，读入一副彩色图片，忽略alpha通道
cv2.IMREAD_GRAYSCALE=0：读入灰度图片
cv2.IMREAD_UNCHANGED=-1：读入完整图片，包括alpha通道(png有，jpg无）
"""

img1 = cv2.imread("ma.jpg",cv2.IMREAD_GRAYSCALE)
cv2.namedWindow("new window")  #创建一个窗口，中文显示会出乱码
    #参数 窗口标题

cv2.imshow("new window", img1)   #显示图片
    #参数1：窗口标题--不能是Pyqt的窗口;如果找不到参数1的窗口就新建一个
    #imread读入的图像

cv2.imshow("new", img)

print(img.shape)    #输出：(452, 400, 3) 高像素(行数)，宽像素(列数)，通道数(一个像素有三个通道RGB)
# 灰度图由于没有颜色通道，使用shape属性返回的是（图像的高度，图像的宽度）。
print(img.size)   # 542400  总通道数=高* 宽* 通道数
print(img.dtype)# uint8  3个通道每个通道占的位数（8位，一个字节）
#print(img)  #输出每个像素点的参数（ B , G , R )
#print(np.array(img)) #输出每个像素点的参数（ B , G , R )
print(cv2.mean(img))   #获取图片 B G R 各个均值
#(210.87173119469026, 222.68342920353982, 228.77969579646017, 0.0)
#而pixel mean的话，其实是图片的所有R通道像素，求了均值，G,B通道类似，所以求出来就是三个数值（R_mean,G_mean,B_mean）

print(cv2.meanStdDev(img))  #获取均值和方差，可用均值方差都为零判断图片无效
#(array([[210.87173119],[222.6834292 ],[228.7796958 ]]), array([[67.49584092],[54.39694368],[46.32777341]]))
#array([[210.87173119],[222.6834292 ],[228.7796958 ]])  是B G R 各个均值
#array([[67.49584092],[54.39694368],[46.32777341]])  是方差
#方差的概念：https://wenku.baidu.com/view/474731e31b37f111f18583d049649b6648d709d4.html

img2=img.copy()  #复制图片
cv2.imshow("fuzi", img2)

cv2.waitKey(5000)  #窗口等待任意键盘按键输入,0为一直等待,其他数字为毫秒数

cv2.destroyAllWindows()   #销毁窗口，退出程序

cv2.namedWindow("operation", cv2.WINDOW_AUTOSIZE)  #创建窗口--方式一
#cv2.namedWindow('image',cv2.WINDOW_AUTOSIZE)  #创建窗口--方式二
#cv2.WINDOW_NORMAL  窗口大小可以改变
#cv2.WINDOW_AUTOSIZE   窗口大小不可以改变
#cv2.WINDOW_FREERATIO  窗口大小自适应比例
#cv2.WINDOW_KEEPRATIO  窗口大小保持比例
#cv2.WINDOW_GUI_EXPANDED  显示色彩变成暗色

cv2.imwrite("2.jpg",img)     # 存储图片

参数1 文件名

参数2 图片(图片矩阵数据)

参数3 可选参数，可以指定使用特定格式编码保存的参数，一般情况下我们很少用到

img = 255*np.ones((240,480,3),np.uint8)  #自定义一张彩色图像
#240 高；480 宽；3 通道数

img = *np.ones((,,),np.uint8)  #自定义一张彩色图像
#240 高；480 宽；3 通道数