当前位置：网站首页>【 2 】 OpenCV image processing: basic knowledge of OpenCV

【 2 】 OpenCV image processing: basic knowledge of OpenCV

2022-08-05 02:19:00 【LeoATLiang】

文章目录

二、OpenCV 基础知识

1、OpenCV 的色彩空间

1.1 RGB 和 BGR

最常见的色彩空间就是RGB,人眼也是基于RGB的色彩空间去分辨颜色的.OpenCV 默认使用的是BGR.

RGB和BGR色彩空间的区别在于图片在色彩通道上的排列顺序不同.

1、RGB 如下图所示：

2、BGR 如下图所示：

Be careful when displaying pictures适配图片color space and 显示环境的色彩空间.

比如传入的图片是BGR色彩空间,显示环境是RGB色彩空间,就会出现颜色混乱的情况.

1.2 HSV、HSL 和 YUV

1、HSV（HSB）

  • Hue：色相,即色彩,如红色、绿色、蓝色.
    • 用角度度量,取值范围为0°~360°,从红色开始按逆时针方向计算,红色为0°,绿色为120°,蓝色为240°.
    • 它们的补色是：黄色为60°,青色为180°,紫色为300°.
  • Saturation：饱和度,表示颜色接近光谱色的程度.
    • 一种颜色,可以看成是某种光谱色与白色混合的结果.
      • 其中光谱色所占的比例愈大,颜色接近光谱色的程度就愈高,颜色的饱和度也就愈高.
      • 饱和度高,颜色则深而艳.
      • 光谱色的白光成分为0,饱和度达到最高.
    • 通常取值范围为0%~100%,值越大,颜色越饱和.
  • Value（Brightness）：明度,表示颜色明亮的程度.
    • 对于光源色,明度值与发光体的光亮度有关;
    • 对于物体色,This value is related to the transmittance or reflectance of the object.
    • 通常取值范围为0%（黑）~100%（白）.

OpenCV用的最多的色彩空间是HSV.

2、HSL

  • HUE：色相,色彩的基本属性,就是平常所说的颜色名称.如红色、黄色等.

  • Saturation：色彩的纯度,越高色彩越纯,低则逐渐变灰,取0%~100%的数值.

  • Lightness：亮度,取0%~100%

3、HSV 和 HSL 的区别：

4、YUV

YUV,是一种颜色编码方法.常使用在各个视频处理组件中. YUV在对照片或视频编码时,考虑到人类的感知能力,允许降低色度的带宽.

“Y”表示明亮度（Luminance或Luma）,也就是灰阶值,“U”和“V”表示的则是色度（Chrominance或Chroma）,作用是描述影像色彩及饱和度,用于指定像素的颜色.

YUV的发明是由于彩色电视与黑白电视的过渡时期.

黑白视频只有Y（Luma,Luminance）视频,也就是灰阶值.到了彩色电视规格的制定,是以YUV/YIQ的格式来处理彩色电视图像,把UV视作表示彩度的C（Chrominance或Chroma）,如果忽略C信号,那么剩下的Y（Luma）信号就跟之前的黑白电视频号相同,这样一来便解决彩色电视机与黑白电视机的兼容问题.

YUV最大的优点在于只需占用极少的带宽.

为节省带宽起见,大多数YUV格式平均使用的每像素位数都少于24位.主要的抽样（subsample）格式有YCbCr4:2:0、YCbCr4:2:2、YCbCr4:1:1和YCbCr4:4:4.YUV的表示法称为A:B:C表示法：

  • 4:4:4表示完全取样.
  • 4:2:2表示2:1的水平取样,垂直完全采样.
  • 4:2:0表示2:1的水平取样,垂直2：1采样.
  • 4:1:1表示4:1的水平取样,垂直完全采样.

1.3 色彩空间的转换

1.3.1 cvtColor() 颜色转换

cvtColor()用法：

cv2.cvtColor(img, colorspace)

参数说明：

  • img：需要转换的图像
  • colorspace：What format to convert the image to

cv2.COLOR_BGR2RGBA是将BGR格式转换为RGBA格式

1.3.2 代码实现

import cv2

def callback(value):
    print(value)

cv2.namedWindow('color', cv2.WINDOW_NORMAL)
cv2.resizeWindow('color', 640, 480)

# OpenCV读取的图像默认是BGR的色彩空间
img = cv2.imread('../resource/dog.jpg')

# Defines a list of color space conversions 2 = to
color_spaces = [
    cv2.COLOR_BGR2RGBA, cv2.COLOR_BGR2BGRA,
    cv2.COLOR_BGR2GRAY, cv2.COLOR_BGR2HSV,
    cv2.COLOR_BGR2YUV
]

# 创建Trackbar
cv2.createTrackbar('trackbar', 'color', 0, 4, callback)

while True:
    # 获取当前Trackbar值
    index = cv2.getTrackbarPos('trackbar', 'color')

    # 颜色空间转换API
    cvt_img = cv2.cvtColor(img, color_spaces[index])

    cv2.imshow('color', cvt_img)

    key = cv2.waitKey(10)
    if key & 0xFF == ord('q'):
        break

cv2.destroyAllWindows()

2、Numpy 基本操作

Numpy是一个经高度优化的Python数值库.OpenCV中用到的矩阵都要转换成Numpy数组,然后再进行后续操作.

在使用Numpywhen performing basic operations,都需要导入Numpy库,即import numpy as np.

2.1 创建矩阵

1、创建数组 array()

  • 一维数组
a = np.array([1, 2, 3])
  • 二维数组
b = np.array([[1, 3, 5], [2, 4, 6]])

2、创建全 0 / 1 数组 zeros() / ones()

zeros()用法：

c = np.zeros((480, 640, 3), np.uint8)

参数说明：

  • (480, 640, 3)：(行的个数, 列的个数, 通道数/层数)
  • np.uint8：矩阵中的数据类型

实例1：4 * 4 * 3（方便演示）

c = np.zeros((4, 4, 3), np.uint8)
print(c)

[[[0 0 0]
  [0 0 0]
  [0 0 0]
  [0 0 0]]

 [[0 0 0]
  [0 0 0]
  [0 0 0]
  [0 0 0]]

 [[0 0 0]
  [0 0 0]
  [0 0 0]
  [0 0 0]]

 [[0 0 0]
  [0 0 0]
  [0 0 0]
  [0 0 0]]]

实例2：4 * 4（The number of channels may not be specified/层数,即默认1通道/层）

c = np.zeros((4, 4), np.uint8)
print(c)

[[0 0 0 0]
 [0 0 0 0]
 [0 0 0 0]
 [0 0 0 0]]

ones()用法：

d = np.ones((480, 640, 3), np.uint8)

ones() 用法和 zeros() 用法基本一致,其主要区别是：ones() The created array values ​​are all 1 ,而 zeros() The created arrays are all 0 .

3、创建全值数组 full()

full()用法：

e = np.full((480, 640, 3), 255, np.uint8)

参数说明：

  • (480, 640, 3)：(行的个数, 列的个数, 通道数/层数)
  • 255：表示每个元素的数值
  • np.uint8：矩阵中的数据类型

实例1：

e = np.full((4, 4, 3), 255, np.uint8)
print(e)

[[[255 255 255]
  [255 255 255]
  [255 255 255]
  [255 255 255]]

 [[255 255 255]
  [255 255 255]
  [255 255 255]
  [255 255 255]]

 [[255 255 255]
  [255 255 255]
  [255 255 255]
  [255 255 255]]

 [[255 255 255]
  [255 255 255]
  [255 255 255]
  [255 255 255]]]

实例2：Of course, the number of channels may not be specified/层数

e = np.full((4, 4), 255, np.uint8)
print(e)

[[255 255 255 255]
 [255 255 255 255]
 [255 255 255 255]
 [255 255 255 255]]

4、创建单元数组 identity() / eye()

identity()用法：

f = np.identity(3)

参数说明：

  • 3：表示几维数组,即 3 * 3（3行3列）
  • The main diagonal is1,其它是0

实例1：3 * 3

f = np.identity(3)
print(f)

[[1. 0. 0.]
 [0. 1. 0.]
 [0. 0. 1.]]

实例2：5 * 5

f = np.identity(5)
print(f)

[[1. 0. 0. 0. 0.]
 [0. 1. 0. 0. 0.]
 [0. 0. 1. 0. 0.]
 [0. 0. 0. 1. 0.]
 [0. 0. 0. 0. 1.]]

eye()用法：

g = np.eye(3, 5, k=3)

参数说明：

  • (3, 5)：3行5列
  • k=3：从下标为3The starting diagonal is 1,其它为0（下标0,1,2,3,…）

实例1：

g = np.eye(3, 5, k=3)
print(g)

[[0. 0. 0. 1. 0.]
 [0. 0. 0. 0. 1.]
 [0. 0. 0. 0. 0.]]

实例2：如果不指定k或者k为0,The default is to start with one（下标为0）That is, the main diagonal assignment1,其它为0.

g = np.eye(3, 5)
h = np.eye(3, 5, 0)
print(g)
print(h)

[[1. 0. 0. 0. 0.]
 [0. 1. 0. 0. 0.]
 [0. 0. 1. 0. 0.]]
# 效果一样
[[1. 0. 0. 0. 0.]
 [0. 1. 0. 0. 0.]
 [0. 0. 1. 0. 0.]]

2.2 检索与赋值[y, x] / [y, x, channel]

1、检索

  • [y, x]
img = np.zeros((480, 640, 3), np.uint8)
print(img[100, 100])

[0 0 0]
  • [y, x, channel]
img = np.zeros((480, 640, 3), np.uint8)
print(img[100, 100, 0])

0

channelUsed to specify the number of channels,由于OpenCV默认是BGR三通道,所以取值0,1,2

2、赋值

实例1：img[y, x] = 255

img[count, 100] = 255

不指定channel,默认白色.

实例2：img[y, x] = [B, G, R]

通道组合 [B, G, R] Generally only need to master the following：

  • [255, 0, 0]：蓝色通道(B)
  • [0, 255, 0]：绿色通道(G)
  • [0, 0, 255]：红色通道
  • [255, 255, 255]：白色(混合)
img[count, 100] = [0, 0, 255]


img[count, 100] = [255, 255, 255]

实例3：img[y, x, channel] = 255

OpenCV默认是BGR三通道,所以channel可以取0、1或2,即：

  • channel = 0：蓝色通道(B)
  • channel = 1：绿色通道(G)
  • channel = 2：红色通道
img[count, 100, 0] = 255

代码实现（完整）

import cv2
import numpy as np

img = np.zeros((480, 640, 3), np.uint8)

# Read the value of an element from a matrix
print(img[100, 100])
print(img[100, 100, 1])

count = 0

# Assign a value to an element in a matrix
while count < 200:
    # img[count, 100] = 255
    # img[count, 100, 0] = 255
    img[count, 100] = [255, 255, 255]
    count += 1

cv2.imshow('img', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

2.3 获取子矩阵[:, :]

1、[y1: y2, x1: x2]获取像素点x1~x2,y1~y2的区域.

2、[:, :] 或 [:] Get all pixels.

import cv2
import numpy as np

img = np.zeros((480, 640, 3), np.uint8)

roi = img[100:400, 100:600]
# roi[:, :] = [0, 0, 255]
roi[:] = [0, 0, 255]

roi[10:200, 10:200] = [0, 255, 0]

cv2.imshow('img', roi)
cv2.waitKey(0)
cv2.destroyAllWindows()

3、OpenCV 的重要数据结构—Mat

3.1 Mat 介绍

Mat是OpenCV在 C++ 语言中用来表示图像数据的一种数据结构,在 Python 中转换为numpy的ndarray.

  • Mat由header和data组成,header中记录了图片的维数、Data such as size and data type.

  • Mat在C++中的原型：
class CV_EXPORTS Mat{
    public:
    ...
    int dims; //维数
    int rows, cols; //行、列数
    uchar *data; //存储数据的指针
    int *refcount; //引用计数
    ...
};
  • Mat属性
字段说明字段说明
dims维度channels通道数 RGB是3
rows行数size矩阵大小
cols列数typedep + dt + chs CV_8UC3
depth像素的位深data存放数据

3.2 Mat 拷贝

MatThe default is shallow copy when copying,只拷贝Header中的内容,数据不变.

1、Mat浅拷贝

Mat A
A = imread(file, IMREAD_COLOR)
Mat B(A)

B 与 A 的 Header 不同,但指向的数据相同,如下代码：

img1 = cv2.imread('../resource/cold.jpg', cv2.IMREAD_COLOR)
img2 = img1
img1[10:100, 10:100] = [0, 0, 255]

2、Mat深拷贝

C++中实现方式有两种：

cv::Mat::clone()
cv::Mat::copyTo()

将 Data 也重新赋值一份,A 与 B 完全切断.

在Python中：

img3 = img1.copy()

进行深拷贝后,The original image is not affected during image processing.

img1 = cv2.imread('../resource/cold.jpg', cv2.IMREAD_COLOR)
img3 = img1.copy()
img1[10:100, 10:100] = [0, 0, 255]

3.3 代码实现

import cv2

img1 = cv2.imread('../resource/cold.jpg', cv2.IMREAD_COLOR)

# 浅拷贝
img2 = img1
# 深拷贝
img3 = img1.copy()

img1[10:100, 10:100] = [0, 0, 255]

cv2.imshow('img1', img1)
cv2.imshow('img2', img2)
cv2.imshow('img3', img3)
cv2.waitKey(0)
cv2.destroyAllWindows()

3.4 访问图像(Mat)的属性

import cv2

img = cv2.imread('../resource/structure.jpg', cv2.IMREAD_COLOR)

方便演示！

1、img.shape用法：

shape 中包含三个信息：高度、宽度和通道数.

print(img.shape)

(3000, 4500, 3)

i.e. the image（高：3000,宽：4500,通道数：3）.

2、img.size用法：

size i.e. the image takes up space = 高度 * 宽度 * 通道数 .

print(img.size)

40500000

3000 * 4500 * 3 = 40500000

3、img.dtype用法：

dtype Represents each element in the image位深.

print(img.dtype)

uint8

uint8 表示 8位无符号整型（0~255）.

3.5 通道分离与合并

1、split(mat)： 分离

import cv2
import numpy as np

img = np.zeros((480, 640, 3), np.uint8)

b, g, r = cv2.split(img)

b[10:100, 10:100] = 255
g[10:100, 10:100] = 255

cv2.imshow('img', img)
cv2.imshow('b', b)
cv2.imshow('g', g)

cv2.waitKey(0)
cv2.destroyAllWindows()

2、merge((ch1, ch2, ...))： 合并

import cv2
import numpy as np

img = np.zeros((480, 640, 3), np.uint8)

b, g, r = cv2.split(img)

b[10:100, 10:100] = 255
g[10:100, 10:100] = 255

img_merge = cv2.merge((b, g, r))

cv2.imshow('img', img)
cv2.imshow('b', b)
cv2.imshow('g', g)
cv2.imshow('img_merge', img_merge)

cv2.waitKey(0)
cv2.destroyAllWindows()

原网站

版权声明
本文为[LeoATLiang]所创，转载请带上原文链接，感谢
https://yzsam.com/2022/217/202208050208468178.html

边栏推荐

猜你喜欢

随机推荐