1. opencv图片基础操作

1.导入相关的包

import cv2 as cv  
import numpy as np
import matplotlib.pyplot as plt#画出效果图

2.读入图片

img = cv.imread(BASIC_PATH+"/test.jpg")
#imread(路径,读取类型)类型有IMREAD_GRAYSCALE(灰度)，IMREAD_COLOR(彩色)
#默认是按原图像读入
<!--读入的图片是一个三维列表格式img[B[], G[], R[]]-->

3.显示图片窗口

def show_image(name, image):
    cv.imshow(name, image)
    <!--#cv.imshow(窗口名, 图片文件)-->
    cv.waitKey(param)#param窗口显示的秒数（毫秒级1秒=1000毫秒）,为0时任意按键可以终止
    <!--# cv.destroyWindow(name)name表示需要销毁的窗口名-->
    cv.destroyAllWindows()

4.一些基础操作

    img[100, 100] = [255, 255, 255]
    blue = img[100, 100, 0] #只显示该位置蓝色的像素值，通道按照BGR序
    # print(blue)
    
    print(img.shape)  # 图像的shape元组返回（高h，宽w，通道数）
    print(img.size)  # 图像的size元组返回图像占有的像素点
    print(img.dtype)  # 图像的dtype返回图像的类型

5.将图片的两块替换

temp = img[280:340, 330:390]
img[273:333, 100:160] = temp
show_image("test", img)

6.单一图像的划分与合并

 	b, g, r = cv.split(img)#将图像分为三个通道的矩阵，是一项代价高昂的操作（就时间而言）。因此，只有在必要时才使用它。否则去数字索引
    b = img[:, :, 0]#将图像第一个通道的矩阵赋值给b
    img2 = cv.merge((b, g, r))#合并三个通道的矩阵

7.对图像的某一通道赋值

	img3[:, :, 0] = 0#将图片的B和G通道值设为0结果如下
    img3[:, :, 1] = 0
    show_image("test", img3)

  	img3[:, :, 0] = 0#将图片的B和R通道值设为0结果如下
    img3[:, :, 2] = 0

temp = img[:, :, 0] + 10#将某一通道的值全部加10

8.图片边缘的填充

参考cv.copyMakeBorder（）

	''' cv.copyMakeBorder(imagesrc, top, bottom, left, right, borderType) borderType: cv.BORDER_REPLICATE#边缘填充，按照边缘像素填充 cv.BORDER_REFLECT#边缘反射，以边缘为界镜像反射like this : fedcba|abcdefgh|hgfedcb cv.BORDER_REFLECT_101#和上面的一样，有一点小的变化like this : gfedcb|abcdefgh|gfedcba BORDER_WRAP#无法解释，它会看起来像这样：cdefgh|abcdefgh|复制颠倒边缘的像素 BORDER_CONSTANT,value=(B, G, R) #以常量颜色来填充边缘 '''
  
    replicate = cv.copyMakeBorder(img3, 50, 50, 50, 50, cv.BORDER_REPLICATE)
    reflect = cv.copyMakeBorder(img3, 50, 50, 50, 50, cv.BORDER_REFLECT)
    reflect101 = cv.copyMakeBorder(img3, 50, 50, 50, 50, cv.BORDER_REFLECT_101)
    wrap = cv.copyMakeBorder(img3, 50, 50, 50, 50, cv.BORDER_WRAP)
    constant = cv.copyMakeBorder(img3, 50, 50, 50, 50, cv.BORDER_CONSTANT, value=(105, 172, 91))
    plt.subplot(231), plt.imshow(img3, 'gray'), plt.title('ORIGINAL')
    plt.subplot(232), plt.imshow(replicate, 'gray'), plt.title('REPLICATE')
    plt.subplot(233), plt.imshow(reflect, 'gray'), plt.title('REFLECT')
    plt.subplot(234), plt.imshow(reflect101, 'gray'), plt.title('REFLECT_101')
    plt.subplot(235), plt.imshow(wrap, 'gray'), plt.title('WRAP')
    plt.subplot(236), plt.imshow(constant, 'gray'), plt.title('CONSTANT')
    plt.show()

9.两张图片的重合

1.直接相加

print(img.shape, img2.shape)#查看两张图片的大小是否一致，只有两张图片宽高一致时才能相加
img + img2#直接将ndarray相加
show_image("test", img + img2)

直接相加会导致图片变色，BGR超过255时会变成超过值%256求余

2.用add()方法相加

res = cv.add(img, img2)

add()方法相加时会让相加值超过255的变为255

3.用addWeighted()相融合

res = cv.addWeighted(img, 0.3, img2, 0.7, 0)
#alpha*x1 + beta*x2 +gama

10.重设图像大小

1.按照原图像像素重设图像大小

height, width = img2.shape[:2]#获取高和宽
res = cv.resize(img2, (2*width, 2*height), interpolation=cv.INTER_CUBIC)
show_image("test", res)

2.按照尺度重设图像大小

res = cv.resize(img2, None, fx=2, fy=2, interpolation=cv.INTER_LINEAR)
show_image("test", res)

以上两种方法都是将图像扩大两倍一般来说
差值cv.INTER_AREA用于缩小
差值cv.INTER_CUBIC (slow) & cv.INTER_LINEAR用于放大
插值cv.INTER_LINEAR ‎用于所有调整大小的目的