图像的基本操作
1. 实验目的和要求
2. 主要设备及环境
3. 实验内容及实验结果
3.0 实验准备
3.1 图像的读取
3.2 视频的读取
3.2.1 打开视频文件：
3.2.2 打开摄像头：
3.2.3 读取视频帧：
3.3 图像的显示
3.3.1 Opencv 方式
3.3.2 matplotlib 方式
3.4 图像的保存
3.4.1 读入彩色和灰度图像文件，并显示出来，同时给出图像的基本属性。
3.4.2 读取文件夹 images 的图像 lena.bmp，并显示出来。然后将图像另存为 lena.jpg，并比较两文件大小。
3.5 图像的通道拆分与合并
3.5.1 通道拆分
结论：
3.5.2 通道合并
3.6 图像 ROI （region of interest ）（图像剪裁）
3.6.1 运行实例
3.6.2 思考题：怎样取出、修改图像某点的像素值？
3.7 图像坐标变换
3.7.1 图像缩放
（1）result = cv2.resize(src, (160,160))， 输出 result ，观察效果。
（2）result = cv2.resize(src, None, fx=0.5, fy=0.5)， 输出 result，观察效果。
3.7.2 图像的仿射变换（实现图像缩放、图像旋转和图像平移）
3.8 图像色彩空间转化
3.8.1 运行实例：
3.8.2 思考：对比上一个 print 语句的输出有何不同？为什么？
4. 实验分析与思考
（1）熟悉并掌握Python在处理图像方面的能力；
（2）精通在Python中使用opencv-python库读取图像的方法，包括读取不同格式的图像，以及调整图像大小、色彩转换等操作；
（3）掌握Python获取图像信息的方法，包括获取图像的大小、颜色、高度、宽度等相关信息，以及图像的通道等；
（4）掌握在Python中使用opencv-python按照指定要求存储一幅图像的方法，包括存储为不同格式的图像等操作；
（5）掌握图像间的转化方法，包括图像坐标变换和图像的色彩空间转化。
（1）计算机；
（2）Python、Pycharm及Anaconda软件；
（3）典型的灰度、彩色图像文件。
3.0 实验准备
首先在程序开头导入 OpenCV 模块。
3.1 图像的读取
函数返回一个（行数（高），列数（宽），颜色通道数）的多维阵列，表示图像数据，默认的颜色次序为 BGR。
img = cv2.imread(文件名[,参数])
其中第一个参数为图像文件的路径，第二个参数（可选）的主要形式有：
(1) cv2.IMREAD_UNCHANGED (图像不可变)；
(2) cv2.IMREAD_GRAYSCALE (灰度图像)；
(3) cv2.IMREAD_COLOR (读入彩色图像)，这是默认参数，不填的话默认为这个。
运行结果：
print(image.shape) 返回一个三元组，分别是图像的高度，宽度和颜色通道数。
3.2 视频的读取
用同样的方法读取视频文件、USB 摄像头及监控摄像头的视频帧。
#打开视频文件
cap=cv2.VideoCapture('https://blog.csdn.net/weixin_/article/details/images/1.avi')
#打开内置或 USB 摄像头，0 表示第一个摄像头
cap=cv2.VideoCapture(0)#判断 VideoCaputre 对象是否成功打开，只有成功打开才能进行读操作
if cap.isOpened(): #VideoCaputre 对象成功打开
print('已经打开了视频文件或摄像头')
else:
print('视频文件或摄像头打开失败')
3.2.1 打开视频文件：
运行结果：
删除视频文件后运行结果：
3.2.2 打开摄像头：
运行结果：
3.2.3 读取视频帧：
ret, frame = cap.read() # 读取一帧视频
其中 ret 是布尔值，如果读取帧是正确的则返回 True，如果文件读取到结尾，它的返回值就为 False。frame 就是每一帧的图像，是个三维矩阵。
运行结果：
3.3 图像的显示
3.3.1 Opencv 方式
cv2.imshow(窗口名, img)
cv2.waitKey(0)#等待显示，如果没有这句的话，图片就会显示一下立马消失
#0 表示无限制的等待（按任意键就退出），大于 0（如 5）表示等待 5ms 自
#动关闭窗口
cv2.destroyAllWindows() #从内存将窗口清除
运行结果：
3.3.2 matplotlib 方式
from matplotlib import pyplot as plt #首先导入 pyplot 模块
rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
plt.imshow(rgb)
plt.xticks([]), plt.yticks([])
plt.show()
运行结果：
3.4 图像的保存
cv2.imwrite(文件名, img)
3.4.1 读入彩色和灰度图像文件，并显示出来，同时给出图像的基本属性。
运行结果：
3.4.2 读取文件夹 images 的图像 lena.bmp，并显示出来。然后将图像另存为 lena.jpg，并比较两文件大小。
运行结果：
3.5 图像的通道拆分与合并
3.5.1 通道拆分
拆分后，输出 b,g,r 三幅图像。看看哪幅图像最亮，并解释原因。
方法一：
b, g, r = cv2.split(img)
方法二：
b = img[:, :, 0]
g = img[:, :, 1]
r = img[:, :, 2]
方法三：
b = cv2.split(img)[0]
g = cv2.split(img)[1]
r = cv2.split(img)[2]
输出结果：
结论：
哪幅图像最亮取决于图像的内容和颜色分布。在图像中，红色通道是最亮的，其次，蓝色通道比绿色通道亮，因为空气对蓝色光的散射强。
3.5.2 通道合并
m = cv2.merge([b, g, r])
输出结果：
3.6 图像 ROI （region of interest ）（图像剪裁）
img = cv2.imread("图像文件名")
subimg=img[r1:r2, c1:c2]
# 输出 subimg，观察效果。
3.6.1 运行实例
输出结果：
3.6.2 思考题：怎样取出、修改图像某点的像素值？
导入图像，将它转化为数组形式，对每一个像素点的像素值进行调整和修改并输出。
3.7 图像坐标变换
3.7.1 图像缩放
（1）result = cv2.resize(src, (160,160))， 输出 result ，观察效果。
输出结果：
（2）result = cv2.resize(src, None, fx=0.5, fy=0.5)， 输出 result，观察效果。
输出结果：
3.7.2 图像的仿射变换（实现图像缩放、图像旋转和图像平移）
编写程序来使用 cv2.warpAffine() 函数(先读入图像，然后用该函数对图像做各种变换，最后显示各种变换后的图像效果)。
输出结果：
3.8 图像色彩空间转化
dst = cv2.cvtColor(src, 参数)
其中常用的参数有：
cv2.COLOR_BGR2GRAY
cv2.COLOR_BGR2RGB
cv2.COLOR_BGR2HSV
cv2.COLOR_RGB2BGR
cv2.COLOR_GRAY2BGR
3.8.1 运行实例：
输出结果：
3.8.2 思考：对比上一个 print 语句的输出有何不同？为什么？
原始图像的形状通常为 (height, width, channels)，其中channels通常为3（对应RGB）。灰度图像的形状为 (height, width)，因为灰度图像只有一个通道。
在实验中遇到预想之外的问题（比如得到的图像处理效果与预期不同），自己找到原因，并想到办法加以解决。
（1）运行时，配置环境未选择anaconda，所以报错，选择后解决；
（2）img= cv2.imread('D:imageslena_noise.jpg') 报错，因为返回值不是img，应该是jpg，修改成jpg之后运行成功；
（3）print(image.shape)返回一个三元组，分别是图像的高度，宽度和颜色通道数；
（4）变量“jpg”没有被定义，要在调用cv2.cvtColor(jpg, cv2.COLOR_BGR2RGB)之前读取一张图片并将其存储在变量“jpg”中；
报错：
添加语句后：
如果觉得作者写得还不错的话, 点赞 / 收藏 / 评论 / 转发 四连支持一下吧~😘
最重要的是点一个大大的关注, 你的支持就是作者创作的最大动力!!!❤
版权声明：
本文来源网络，所有图片文章版权属于原作者，如有侵权，联系删除。
本文网址：https://www.mushiming.com/mjsbk/14113.html