1.图像的分类

⼆值图像：

二值图像（Binary Image）是指将图像上的每一个像素只有两种可能的取值或灰度等级状态，人们经常用黑白、B&W、单色图像表示二值图像。

二值图像是指在图像中，灰度等级只有两种，也就是说，图像中的任何像素点的灰度值均为0或者255，分别代表黑色和白色。

灰度图：

灰度图，Gray Scale Image 或是Grey Scale Image，又称灰阶图。把白色与黑色之间按对数关系分为若干等级，称为灰度。灰度分为256阶。

彩⾊图：

彩色图像是指每个像素由R、G、B分量构成的图像，其中R、G、B是由不同的灰度级来描述的。每个像素通常是由红（R）、绿（G）、蓝（B）三个分量来表示的，分量介于（0，255）。RGB图像与索引图像⼀样都可以⽤来表示彩⾊图像。与索引图像⼀样，它分别⽤红（R）、绿（G）、蓝（B）三原⾊的组合来表示每个像素的颜⾊。但与索引图像不同的是，RGB图像每⼀个像素的颜⾊值（由RGB三原⾊表示）直接存放在图像矩阵中，由于每⼀像素的颜⾊需由R、G、B三个分量来表示，M、N分别表示图像的⾏列数，三个M x N的⼆维矩阵分别表示各个像素的R、G、B三个
颜⾊分量。RGB图像的数据类型⼀般为8位⽆符号整形，通常⽤于表示和存放真彩⾊图像。

2.OpenCV安装方法

安装OpenCV之前需要先安装numpy, matplotlib

先安装OpenCV-Python, 由于⼀些经典的算法被申请了版权，新版本有很⼤的限
制，所以选⽤3.4.3以下的版本

pip install opencv-python==3.4.2.17

现在可以测试下是否安装成功，运⾏以下代码⽆报错则说明安装成功。

import cv2
# 读⼀个图⽚并进⾏显示(图⽚路径需⾃⼰指定)
lena=cv2.imread("1.jpg")
cv2.imshow("image",lena)
cv2.waitKey(0)

如果我们要利⽤SIFT和SURF等进⾏特征提取时，还需要安装：

pip install opencv-contrib-python==3.4.2.17

3.OpenCV的模块 

 其中core、highgui、imgproc是最基础的模块，该课程主要是围绕这⼏个模块展开
的，分别介绍如下：
core模块实现了最核⼼的数据结构及其基本运算，如绘图函数、数组操作相关函数等。
highgui模块实现了视频与图像的读取、显示、存储等接⼝。
imgproc模块实现了图像处理的基础⽅法，包括图像滤波、图像的⼏何变换、平滑、阈值分割、形态学处理、边缘检测、⽬标检测、运动分析和对象跟踪等。
对于图像处理其他更⾼层次的⽅向及应⽤，OpenCV也有相关的模块实现features2d模块⽤于提取图像特征以及特征匹配，nonfree模块实现了⼀些专利算法，如sift特征。
objdetect模块实现了⼀些⽬标检测的功能，经典的基于Haar、LBP特征的⼈脸检测，基于HOG的⾏⼈、汽⻋等⽬标检测，分类器使⽤Cascade Classification（级联分类）和Latent SVM等。
stitching模块实现了图像拼接功能。
FLANN模块（Fast Library for Approximate Nearest Neighbors），包含快速近似最近邻搜FLANN 和聚类Clustering算法。
ml模块机器学习模块（SVM，决策树，Boosting等等）。
photo模块包含图像修复和图像去噪两部分。
video模块针对视频处理，如背景分离，前景检测、对象跟踪等。

calib3d模块即Calibration（校准）3D，这个模块主要是相机校准和三维重建
相关的内容。包含了基本的多视⻆⼏何算法，单个⽴体摄像头标定，物体姿态
估计，⽴体相似性算法，3D信息的重建等等。
G-API模块包含超⾼效的图像处理pipeline引擎

4.OpenCV基本操作

4.1 读取图像

cv.imread()

参数：

• 要读取的图像
• 读取⽅式的标志

                cv.IMREAD*COLOR：以彩⾊模式加载图像，任何图像的透明度都将被忽略。这是默认参数。
                cv.IMREAD*GRAYSCALE：以灰度模式加载图像
                cv.IMREAD_UNCHANGED：包括alpha通道的加载图像模式。可以使⽤1、0或者-1来替代上⾯三个标志

4.2 显示图像

cv.imshow()

参数：

• 显示图像的窗⼝名称，以字符串类型表示
• 要加载的图像

注意：在调⽤显示图像的API后，要调⽤cv.waitKey()给图像绘制留下时间，否则
窗⼝会出现⽆响应情况，并且图像⽆法显示出来。

另外我们也可使⽤matplotlib对图像进⾏展示。

import cv2 as cv
 
#读取
img = cv.imread("image_01.jpg")
#显示
cv.imshow("image",img)
#写入
cv.imwrite("1.jpg",img)
cv.waitKey(0)

plt显示

import cv2 as cv
 
#读取
from matplotlib import pyplot as plt
 
img = cv.imread("image_01.jpg")
#显示
plt.imshow(img[:,:,::-1])
plt.show()

img[:,:,::-1]的解释是  实现RGB到BGR通道的转换

图像领域img[：，：，：：-1]的理解_ZJE_ANDY的博客-CSDN博客_[:,:,::-1]先开门见山，img[：，：，：：-1]的作用就是实现RGB到BGR通道的转换 （若图片一开始就是BGR的，就是实现从BGR到RGB的转换）。对于列表img进行img[:,:,::-1]的作用是列表数组左右翻转，例如：import numpy as npa = np.arange(27).reshape(3,3,3)print(a)'''[[[ 0 1 2] [ 3...https://blog.csdn.net/u014453898/article/details/93716118

注意：opencv显示是窗口形式   plt显示是内置形式

​

不清楚的话 自己测试一下代码。

4.3 保存图像

cv.imwrite()

 参数：

• ⽂件名，要保存在哪⾥
• 要保存的图像

 代码

import cv2 as cv
import matplotlib.pyplot as plt
# 1 读取图像
img = cv.imread('image_01.jpg',)
 
# 利⽤opencv展示图像
cv.imshow('image',img)
cv.waitKey(0)
# 3 保存图像
cv.imwrite('image_01.png',img)

5.opencv绘制图形

5.1 绘制直线

cv.line(img,start,end,color,thickness)

参数：

• img:要绘制直线的图像
• Start,end: 直线的起点和终点
• color: 线条的颜⾊
• Thickness: 线条宽度 

5.2 绘制圆形 

cv.circle(img,centerpoint, r, color, thickness)

 参数：

• img:要绘制圆形的图像
• Centerpoint, r: 圆⼼和半径
• color: 线条的颜⾊
• Thickness: 线条宽度，为-1时⽣成闭合图案并填充颜⾊

5.3 绘制矩形 

cv.rectangle(img,leftupper,rightdown,color,thickness)

5.4 向图像中添加⽂字

cv.putText(img,text,station, font, fontsize,color,thickness,cv.LINE_AA)

 代码

import cv2 as cv
import numpy as np
import matplotlib.pyplot as plt
 
#创建空白图像
img = np.zeros((512,512,3),np.uint8)
 
#绘制图像
cv.line(img,(0,0),(511,511),(255,0,0),5) #(255,0,0) 代表B G R
cv.rectangle(img,(384,0),(510,128),(0,255,0),3) #(255,0,0) 代表B G R
cv.circle(img,(200,200),50,(0,0,255),4)
font = cv.FONT_HERSHEY_SIMPLEX
cv.putText(img,'OpenCV',(10,500), font, 4,(255,255,255),2,cv.LINE_AA)
#结果展示
plt.imshow(img[:,:,::-1])
plt.title("结果"),plt.xticks([]),plt.yticks([])
plt.show()

 6.获取并修改图像中的像素点

import numpy as np
import cv2 as cv
img = cv.imread('messi5.jpg')
# 获取某个像素点的值
px = img[100,100]
# 仅获取蓝⾊通道的强度值
blue = img[100,100,0]
# 修改某个位置的像素值
img[100,100] = [255,255,255]

7.获取图像的属性

 8. 图像通道的拆分与合并

 有时需要在B，G，R通道图像上单独⼯作。在这种情况下，需要将BGR图像分割
为单个通道。或者在其他情况下，可能需要将这些单独的通道合并到BGR图像。你
可以通过以下⽅式完成。

# 通道拆分
b,g,r = cv.split(img)
# 通道合并
img = cv.merge((b,g,r))

9. ⾊彩空间的改变

OpenCV中有150多种颜⾊空间转换⽅法。最⼴泛使⽤的转换⽅法有两种，
BGR↔Gray和BGR↔HSV。

cv.cvtColor(input_image，flag)

参数：

• input_image: 进⾏颜⾊空间转换的图像
• flag: 转换类型
  • cv.COLOR_BGR2GRAY : BGR↔Gray
  • cv.COLOR_BGR2HSV: BGR→HSV

import cv2 as cv
from matplotlib import pyplot as plt
 
img = cv.imread('image_01.jpg')
# 获取某个像素点的值
plt.imshow(img[:,:,::-1])
 
gray = cv.cvtColor(img,cv.COLOR_BGR2GRAY)
plt.imshow(gray)
plt.show()