本章节主要是图像处理基础操作，主要包括以下几点内容：
1、图像视频读取显示保存
2、图像变换
3、卷积处理：图像增强和滤波去燥
以下代码均在python3.6，opencv4.2.0环境下试了跑一遍，可直接运行。
1、图像视频读取显示保存
1）读取路径下的图像并显示，完整代码如下：
代码语言：javascript复制# -*- coding: utf-8 -*-
import cv2
import numpy as np
# 图片路径
img_path = "test.jpg"
# 读取路径下的图像
img=cv2.imread(img_path)
# 显示读取的图片
cv2.imshow("origin_img", img)
cv2.waitKey(0)
cv2.destroyAllWindows()运行结果：
2） 读取路径下的视频并显示，完整代码如下：
代码语言：javascript复制# -*- coding: utf-8 -*-
import cv2
import numpy as np
# 视频路径
video_path = "car.mp4"
# 读取路径下的视频
cap = cv2.VideoCapture(video_path)
while (1):
ret, img = cap.read()
# 显示读取的视频
cv2.imshow("origin_img", img)
cv2.waitKey(100)
cap.release()
cv2.destroyAllWindows()运行结果：
3）打开摄像头，显示读取的视频，并保存视频，完整代码如下：
代码语言：javascript复制# -*- coding: utf-8 -*-
import cv2
import numpy as np
# 定义编码方式并创建VideoWriter对象
fourcc = cv2.VideoWriter_fourcc('M','J','P','G')
outfile = cv2.VideoWriter('output.avi', fourcc, 25., (640, 480))
# 打开摄像头
cap = cv2.VideoCapture(0)
while (1):
# 获取一帧
ret, img = cap.read()
# 保存视频
outfile.write(img)
# 显示读取的视频
cv2.imshow("origin_img", img)
cv2.waitKey(100)
cap.release()
cv2.destroyAllWindows()运行结果：
保存的视频文件：output.avi
2、图像变换
主要包括：
获取图像的高和宽；
将图像变为原来的2倍；
水平翻转180度；
垂直翻转180度；
水平垂直同时翻转；
图像绕着某一点的旋转；
调整亮度与对比度；
完整代码如下：
代码语言：javascript复制# -*- coding: utf-8 -*-
import cv2
import numpy as np
# 图片路径
img_path = "test.jpg"
# 读取路径下的图像
img=cv2.imread(img_path)
cv2.imshow("origin_img", img)
#获取图像的高和宽
height, width = img.shape[:2]
# 将图像变为原来的2倍, cv2.resize(变量 ,(宽,高), 插值方法)
resize_img = cv2.resize(img, (width*2,height*2), interpolation=cv2.INTER_CUBIC)
cv2.imshow("resize_img", resize_img)
#水平翻转180度
h_pic = cv2.flip(img, 1)
cv2.imshow("h_pic", h_pic)
#垂直翻转180度
v_pic = cv2.flip(img, 0)
cv2.imshow("v_pic", v_pic)
#水平垂直同时翻转
hv_pic = cv2.flip(img, -1)
cv2.imshow("hv_pic", hv_pic)
# 图像绕着某一点的旋
center = (width / 2, height / 2) #取图像的中点
angle = 45
# 获得图像绕着某一点的旋转矩阵
M = cv2.getRotationMatrix2D(center, angle, scale=1.0)
# 第二个参数是变换矩阵,第三个参数是输出图像的大小
rotated = cv2.warpAffine(img, M, (height, width))
cv2.imshow("rotated", rotated)
# 调整亮度与对比度
contrast = 1 #对比度
brightness = 100 #亮度
addWeighted = cv2.addWeighted(img,contrast,img,0,brightness)
cv2.imshow("addWeighted", addWeighted)
cv2.waitKey(0)
cv2.destroyAllWindows()运行结果：
3、卷积处理：图像增强和滤波去燥
主要包括：
直方图均衡化；
高斯去燥；
均值滤波；
中值滤波；
完整代码如下：
代码语言：javascript复制# -*- coding: utf-8 -*-
import cv2
import numpy as np
img_path = "test.jpg"
img=cv2.imread(img_path)
cv2.imshow("img",img)
gray = cv2.cvtColor(img, cv2.COLOR_RGB2GRAY)
cv2.imshow("gray",gray)
# 直方图均衡化：作用是图像增强，对比度增强。
equalize_img = cv2.equalizeHist(gray)
cv2.imshow('equalize_img', equalize_img)
# 高斯去燥：高斯模糊实质上就是一种均值模糊，线性滤波算法，
# 只是高斯模糊是按照加权平均的，距离越近的点权重越大，距离越远的点权重越小。
gaussianBlur_img = cv2.GaussianBlur(gray, (5, 5), 0)
cv2.imshow("gaussianBlur_img", gaussianBlur_img)
# 均值滤波：去随机噪声有很好的去燥效果，典型的线性滤波算法
#（1, 15）是垂直方向模糊，（15， 1）是水平方向模糊
mean_Blur_img = cv2.blur(gray, (1, 15))
cv2.imshow("mean_Blur_img", mean_Blur_img)
# 中值滤波：对椒盐噪声有很好的去燥效果，非线性平滑
medianBlur_img = cv2.medianBlur(gray,15)
cv2.imshow("medianBlur_img", medianBlur_img)
cv2.waitKey(0)
cv2.destroyAllWindows()
运行结果：
以上内容如有错误或者需要补充的，请留言！
