python OpenCV学习笔记

 更新时间:2021年03月31日 14:47:40   作者:LightningMaster  
这篇文章主要介绍了python OpenCV的相关资料,帮助大家更好的理解和学习使用python的opencv,感兴趣的朋友可以了解下

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 cv2
import 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 = False

while 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:
      break
vc.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 contours
import 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_contour
contours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 contours
import 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_contour
contours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 cv2
import 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 cv2

color = 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 cv2
import numpy as np


def 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的资料请关注脚本之家其它相关文章!

相关文章

  • 深入分析在Python模块顶层运行的代码引起的一个Bug

    深入分析在Python模块顶层运行的代码引起的一个Bug

    几个星期前, 我的同事跑过来, 说发现一个奇怪的Bug: 在使用Python的subprocess运行子进程时, 当子进程运行失败时居然没有抛出错误!
    2014-07-07
  • django搭建项目配置环境和创建表过程详解

    django搭建项目配置环境和创建表过程详解

    这篇文章主要介绍了django搭建项目配置环境和创建表过程详解,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
    2019-07-07
  • numpy中tensordot的用法

    numpy中tensordot的用法

    本文主要介绍了numpy中tensordot的用法,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧
    2023-02-02
  • Appium中scroll和drag_and_drop根据元素位置滑动

    Appium中scroll和drag_and_drop根据元素位置滑动

    本文主要介绍了Appium中scroll和drag_and_drop根据元素位置滑动,文中通过示例代码介绍的非常详细,具有一定的参考价值,感兴趣的小伙伴们可以参考一下
    2022-02-02
  • python实现图片处理和特征提取详解

    python实现图片处理和特征提取详解

    这篇文章主要介绍了python实现图片处理和特征提取详解,文中向大家分享了Python导入图片,将图像转化为二维矩阵,模糊化图片等Python对图像的操作,具有一定参考价值,需要的朋友可以了解下。
    2017-11-11
  • Numpy中arange()的用法及说明

    Numpy中arange()的用法及说明

    Numpy的arange()函数用于在指定间隔内生成均匀间隔的数组,它接受开始值、停止值和步长来创建数组,返回的是ndarray类型,如果没有提供dtype,则会根据其他参数推断数据类型,对于浮点类型参数,结果数组的长度计算方式为ceil((stop-start)/step)
    2024-10-10
  • Python数据可视化图实现过程详解

    Python数据可视化图实现过程详解

    这篇文章主要介绍了Python数据可视化图实现过程详解,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
    2020-06-06
  • NumPy之矩阵向量线性代数等操作示例

    NumPy之矩阵向量线性代数等操作示例

    这篇文章主要为大家介绍了NumPy之矩阵向量线性代数等操作示例详解,有需要的朋友可以借鉴参考下,希望能够有所帮助,祝大家多多进步,早日升职加薪
    2023-04-04
  • Python实现的金山快盘的签到程序

    Python实现的金山快盘的签到程序

    正在学习python而且自己一直在用金山快盘,所以就写来个签到的功能,每天定时跑
    2013-01-01
  • 详解Python中内置的NotImplemented类型的用法

    详解Python中内置的NotImplemented类型的用法

    这篇文章主要介绍了详解Python中内置的NotImplemented类型的用法,包括对相关的__eq__()和__ne__()两个方法使用的讲解,需要的朋友可以参考下
    2015-03-03

最新评论