您当前的位置:首页 > IT编程 > python
| C语言 | Java | VB | VC | python | Android | TensorFlow | C++ | oracle | 学术与代码 | cnn卷积神经网络 | gnn | 图像修复 | Keras | 数据集 | Neo4j | 自然语言处理 | 深度学习 | 医学CAD | 医学影像 | 超参数 | pointnet | pytorch | 异常检测 | Transformers | 情感分类 | 知识图谱 |

自学教程:python OpenCV学习笔记

51自学网 2021-10-30 22:46:53
  python
这篇教程python OpenCV学习笔记写得很实用,希望能帮到您。

图像翻转

使用Python的一个包,imutils。使用下面的指令可以安装。

pip install imutils

imutils包的Github地址:https://github.com/jrosebr1/imutils

CSDN镜像:https://codechina.csdn.net/mirrors/jrosebr1/imutils

可以在上面这个地址里面学习更多的使用方式。

import cv2import imutils'''imutils.rotate第一个参数是翻转的图像,第二个参数的翻转角度函数还提供翻转中心的设置,但默认就是中心翻转。'''vc = cv2.VideoCapture(0)if vc.isOpened():  flag, frame = vc.read()  img = imutils.rotate(frame, 180)  # 图像翻转   cv2.imshow("frame", img)else:  flag = Falsewhile flag:  flag, frame = vc.read()  if frame is None:    break  if flag is True:    img = imutils.rotate(frame, 180)  # 图像翻转    cv2.imshow("frame", img)    if cv2.waitKey(10) == 27:      breakvc.release()cv2.destroyAllWindows()

这样写的话,最后的输出图像就是翻转180度的。

imutils包里还有其他好用的函数,resizing、4-point Perspective Transform、Sorting Contours等等。

图像轮廓排序

这个效果同样也是依靠imutils包完成。

from imutils import contoursimport cv2'''contours.sort_contours可选排序方式:"left-to-right", "right-to-left", "top-to-bottom", "bottom-to-top"返回值为轮廓和外接矩形contours.label_contourcontours包内自带的画轮廓的函数,可以直接用,然后可以在图片上标出轮廓序号也可以直接使用cv2.drawContours直接画轮廓'''img = cv2.imread(r"D:/opencv-workspace/Opencv/test17--VScode/shapes.png")draw_img = img.copy()img_rect = img.copy()gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)img = cv2.Canny(gray, 10, 20)  # Canny边缘检测cnts, hierarchy = cv2.findContours(img, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)  # 获得轮廓(cnts, boundingBoxes) = contours.sort_contours(cnts, "top-to-bottom")  # 对轮廓进行排序处理for (i, c) in enumerate(cnts):  sortedImage = contours.label_contour(draw_img, c, i, color=(240, 0, 159))# img_out = cv2.drawContours(draw_img, cnts, -1, (240, 0, 159), 2)# 根据boundingBoxes画外接矩形for (x, y, w, h) in boundingBoxes:  img_rect = cv2.rectangle(img_rect, (x, y), (x+w, y+h), (240, 0, 159), 2)cv2.imshow("top-to-bottom", sortedImage)cv2.imshow("rect", img_rect)cv2.waitKey(0)cv2.destroyAllWindows()

这样写的话,最后的输出图像就是翻转180度的。

imutils包里还有其他好用的函数,resizing、4-point Perspective Transform、Sorting Contours等等。

图像轮廓排序

这个效果同样也是依靠imutils包完成。

from imutils import contoursimport cv2'''contours.sort_contours可选排序方式:"left-to-right", "right-to-left", "top-to-bottom", "bottom-to-top"返回值为轮廓和外接矩形contours.label_contourcontours包内自带的画轮廓的函数,可以直接用,然后可以在图片上标出轮廓序号也可以直接使用cv2.drawContours直接画轮廓'''img = cv2.imread(r"D:/opencv-workspace/Opencv/test17--VScode/shapes.png")draw_img = img.copy()img_rect = img.copy()gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)img = cv2.Canny(gray, 10, 20)  # Canny边缘检测cnts, hierarchy = cv2.findContours(img, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)  # 获得轮廓(cnts, boundingBoxes) = contours.sort_contours(cnts, "top-to-bottom")  # 对轮廓进行排序处理for (i, c) in enumerate(cnts):  sortedImage = contours.label_contour(draw_img, c, i, color=(240, 0, 159))# img_out = cv2.drawContours(draw_img, cnts, -1, (240, 0, 159), 2)# 根据boundingBoxes画外接矩形for (x, y, w, h) in boundingBoxes:  img_rect = cv2.rectangle(img_rect, (x, y), (x+w, y+h), (240, 0, 159), 2)cv2.imshow("top-to-bottom", sortedImage)cv2.imshow("rect", img_rect)cv2.waitKey(0)cv2.destroyAllWindows()

颜色识别

基础颜色识别

颜色识别是在HSV空间内进行的,因此在使用之前先进行颜色空间的转换。

'''使用下面这个函数进行转换,第一个参数填写要转换的图片,第二个参数填写cv2.COLOR_BGR2HSV'''cv2.cvtColor
import cv2import numpy as np'''cv2.inRange函数很简单,参数有三个第一个参数:hsv指的是原图第二个参数:lower_red指的是图像中低于这个lower_red的值,图像值变为0第三个参数:upper_red指的是图像中高于这个upper_red的值,图像值变为0而在lower_red~upper_red之间的值变成255'''# 阈值lower_green = np.array([50, 255, 255])upper_green = np.array([70, 255, 255])img = cv2.imread(r"D:/opencv-workspace/Opencv/test16--VScode/photo.jpg")img_hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)mask_green = cv2.inRange(img_hsv, lower_green, upper_green)cv2.imshow("img_or", mask_green)# 使用下面这个函数能显示原来的颜色。res_green = cv2.bitwise_and(img, img, mask=mask_green)cv2.imshow("img", res_green)cv2.waitKey(0)cv2.destroyAllWindows()

在进行颜色识别时,难免会出现“漏颜色”的现象,也就是会出现没识别全的现象。这个时候可以再对图像进行处理,比如说进行形态学处理,让图像更加饱满之类的。

根据BGR获取HSV

import cv2color = np.uint8([[[193, 189, 147]]])  # 参数填写BGR的值hsv = cv2.cvtColor(color, cv2.COLOR_BGR2HSV)print(hsv)  # 打印出来的数值就是对应的HSV值

程序运行的结果是

[[[ 93 61 193]]]

这个就是对应的HSV的值。

根据之前写的颜色识别,就需要把对应的阈值写出。具体写法就是保持S和V不变,H加减10。这样的话就可以写出高低阈值然后应用到颜色识别里面就可以了。

阈值编辑器

import cv2import numpy as npdef function(x):  lowH = cv2.getTrackbarPos("lowH", "img_666")  lowS = cv2.getTrackbarPos("lowS", "img_666")  lowV = cv2.getTrackbarPos("lowV", "img_666")  HighH = cv2.getTrackbarPos("HighH", "img_666")  HighS = cv2.getTrackbarPos("HighS", "img_666")  HighV = cv2.getTrackbarPos("HighV", "img_666")  # print(lowH, lowS, lowV, HighH, HighS, HighV)  lower = np.uint8([lowH, lowS, lowV])  upper = np.uint8([HighH, HighS, HighV])  mask = cv2.inRange(img_hsv, lower, upper)  res = cv2.bitwise_and(img, img, mask=mask)  cv2.imshow("img", res)img = cv2.imread(r"D:/opencv-workspace/Opencv/test16--VScode/test.jpg")img_hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)cv2.namedWindow("img_666")cv2.createTrackbar("lowH", "img_666", 0, 179, function)cv2.createTrackbar("lowS", "img_666", 0, 255, function)cv2.createTrackbar("lowV", "img_666", 0, 255, function)cv2.createTrackbar("HighH", "img_666", 0, 179, function)cv2.createTrackbar("HighS", "img_666", 0, 255, function)cv2.createTrackbar("HighV", "img_666", 0, 255, function)cv2.imshow("img", img)cv2.waitKey(0)cv2.destroyAllWindows()

写了一个比较垃圾的阈值编辑器。。。就不多解释了。。

以上就是python OpenCV学习笔记的详细内容,更多关于python OpenCV的资料请关注51zixue.net其它相关文章!


python基于OpenCV模板匹配识别图片中的数字
如何用python插入独创性声明
万事OK自学网:51自学网_软件自学网_CAD自学网自学excel、自学PS、自学CAD、自学C语言、自学css3实例,是一个通过网络自主学习工作技能的自学平台,网友喜欢的软件自学网站。