学过的知识，会过时、会遗忘，但在努力过程中学会的处事态度和做事习惯，都会留在骨子里，变成我们的一部分。
Open Source Computer Vision Library，OpenCV于 1999 年由 Intel 建立，如今由 Willow Garage 提供支持。OpenCV是一个基于 BSD 许可(开源)发行的跨平台计算机视觉库，可以运行在Linux、Windows、MacOS操作系统上。它轻量而且高效——由一系列 C 函数和少量C 类构成，同时提供了Python、Ruby、MATLAB等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。
1. 环境搭建：
命令行 pip 安装依赖库即可，如下所示：
代码语言：javascript复制pip install opencv-python -i http://pypi.douban.com/simple --trusted-host pypi.douban.com
pip install opencv-contrib-python -i http://pypi.douban.com/simple --trusted-host pypi.douban.com
pip install pytesseract -i http://pypi.douban.com/simple --trusted-host pypi.douban.com安装 opencv 的扩展模块
2. 读取并显示图片
代码语言：javascript复制import cv2 as cv
def get_image_info(image):
print(type(image)) # <class 'numpy.ndarray'>
print(image.shape) # 高度 宽度 通道数
print(image.size) # 像素大小
print(image.dtype) # 数据类型
src = cv.imread(r'D:pythonpycharm2020test 04.jpg')
cv.imshow("input image", src)
get_image_info(src)
cv.waitKey(0)
cv.destroyAllWindows()运行结果如下：
代码语言：javascript复制<class 'numpy.ndarray'> # 图像是 三维numpy.ndarray数组
(500, 500, 3) # 宽 高 RGB三通道
750000 # 500*500*3
uint8 # unit8类型 0-255
3. 读取视频和调用本地摄像头
代码语言：javascript复制import cv2 as cv
def read_video():
cap = cv.VideoCapture(r'D:beautyvideotest.mp4')
while True:
ret, frame = cap.read()
if ret == False:
break
cv.imshow('video', frame)
cv.waitKey(20)
read_video()import cv2 as cv
# 调用笔记本内置镜头
cap = cv.VideoCapture(0, cv.CAP_DSHOW)
while True:
ret, frame = cap.read()
frame = cv.flip(frame, 1)
cv.imshow('video', frame) # 显示镜头捕获的每一帧
if cv.waitKey(100) & 0xff == ord('q'): # 按q退出
break
cap.release()
cv.destroyAllWindows()释放摄像头对象时错误：
代码语言：javascript复制SourceReaderCB::~SourceReaderCB terminating async callback解决方法：
代码语言：javascript复制cap = cv.VideoCapture(0, cv.CAP_DSHOW)4. 色彩空间转换API的调用
代码语言：javascript复制import cv2 as cv
def color_space_transform(img):
gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
cv.imshow('gray', gray)
hsv = cv.cvtColor(img, cv.COLOR_BGR2HSV)
cv.imshow('hsv', hsv)
hls = cv.cvtColor(img, cv.COLOR_BGR2HLS)
cv.imshow('hls', hls)
YCrCb = cv.cvtColor(img, cv.COLOR_BGR2YCrCb)
cv.imshow('YCrCb', YCrCb)
yuv = cv.cvtColor(img, cv.COLOR_BGR2YUV)
cv.imshow('yuv', yuv)
src = cv.imread(r'D:pythonpycharm2020test 04.jpg')
src = cv.resize(src, None, fx=0.5, fy=0.5)
cv.imshow('src', src)
color_space_transform(src)
cv.waitKey(0)
cv.destroyAllWindows()运行效果如下：
5. InRage函数的使用，追踪特定颜色
函数的参数意义：第一个参数为原数组，可以为单通道，多通道。第二个参数为下界，第三个参数为上界 mask = cv2.inRange(hsv, lower_blue, upper_blue)
- 第一个参数：hsv指的是原图（原始图像矩阵）
- 第二个参数：lower_blue指的是图像中低于这个 lower_blue 的值，图像值变为0
- 第三个参数：upper_blue指的是图像中高于这个 upper_blue的值，图像值变为0(0代表黑色)
而在lower_blue～upper_blue之间的值变成255 (255代表白色)
即：opencv的 inRange 函数可提取特定颜色，使特定颜色变为白色，其他颜色变为黑色，从而实现图像的二值化处理。
HSV颜色对应的RGB分量范围表如下：（这里是三通道的）
测试所用图像如下：
追踪绿色，代码如下：
代码语言：javascript复制import cv2 as cv
import numpy as np
def tracking_colors(image):
hsv = cv.cvtColor(image, cv.COLOR_BGR2HSV)
# 追踪绿色
lower_hsv = np.array([35, 43, 46])
upper_hsv = np.array([77, 255, 255])
mask = cv.inRange(hsv, lowerb=lower_hsv, upperb=upper_hsv)
cv.imshow('mask', mask)
cv.waitKey(0)
cv.destroyAllWindows()
src = cv.imread(r'D:pythonpycharm2020test 01.jpg')
tracking_colors(src)运行效果如下：
追踪蓝色，代码如下：
代码语言：javascript复制import cv2 as cv
import numpy as np
def tracking_colors(image):
hsv = cv.cvtColor(image, cv.COLOR_BGR2HSV)
# 追踪蓝色
lower_hsv = np.array([100, 43, 46])
upper_hsv = np.array([124, 255, 255])
mask = cv.inRange(hsv, lowerb=lower_hsv, upperb=upper_hsv)
cv.imshow('mask', mask)
cv.waitKey(0)
cv.destroyAllWindows()
src = cv.imread(r'D:pythonpycharm2020test 01.jpg')
tracking_colors(src)运行效果如下：
通道分离与合并
代码语言：javascript复制import cv2 as cv
src = cv.imread(r'D:pythonpycharm2020test 04.jpg')
src = cv.resize(src, None, fx=0.5, fy=0.5)
b, g, r = cv.split(src) # 分离
cv.imshow('blue', b)
cv.imshow('green', g)
cv.imshow('red', r)
cv.imshow('src', src)
cv.waitKey(0)
cv.destroyAllWindows()运行效果如下：
import cv2 as cv
src = cv.imread(r'D:pythonpycharm2020test 04.jpg')
b, g, r = cv.split(src)
src[:, :, 2] = 0 # 修改了的图片
cv.imshow('changed src', src)
src1 = cv.merge((b, g, r)) # 合并得到原来的图片
cv.imshow('merged src', src1)
cv.waitKey(0)运行效果如下：
6. 像素运算
算数运算： 像素的算术运算涉及加减乘除等基本运算(要进行算术运算，两张图片的shape必须一样)
实例如下：
代码语言：javascript复制import cv2 as cv
def add_demo(m1, m2): # 像素的加运算
dst = cv.add(m1, m2)
cv.imshow("add_demo", dst)
def subtract_demo(m1, m2): # 像素的减运算
dst = cv.subtract(m1, m2)
cv.imshow("subtract_demo", dst)
def divide_demo(m1, m2): # 像素的除法运算
dst = cv.divide(m1, m2)
cv.imshow("divide_demo", dst)
def multiply_demo(m1, m2): # 像素的乘法运算
dst = cv.multiply(m1, m2)
cv.imshow("multiply_demo", dst)
src1 = cv.imread(r'D:pythonpycharm2020test 07.png')
src2 = cv.imread(r'D:pythonpycharm2020test 08.png')
cv.imshow('image1', src1)
cv.imshow('image2', src2)
# 像素的算术运算(加、减、乘、除) 两张图片必须shape一致
add_demo(src1, src2)
subtract_demo(src1, src2)
divide_demo(src1, src1)
multiply_demo(src1, src2)
cv.waitKey(0)
cv.destroyAllWindows()运行效果如下：
像素的逻辑运算： 像素的逻辑运算涉及与、或、非、异或等基本运算(要进行逻辑运算，两张图片的shape必须一样)
实例如下：
代码语言：javascript复制import cv2 as cv
def and_demo(m1, m2): # 与运算 每个像素点每个通道的值按位与
dst = cv.bitwise_and(m1, m2)
cv.imshow("and_demo", dst)
def or_demo(m1, m2): # 或运算 每个像素点每个通道的值按位或
dst = cv.bitwise_or(m1, m2)
cv.imshow("or_demo", dst)
def not_demo(m1): # 非运算 每个像素点每个通道的值按位取反
dst = cv.bitwise_not(m1)
cv.imshow("not_demo", dst)
src1 = cv.imread(r'D:pythonpycharm2020test 07.png')
src2 = cv.imread(r'D:pythonpycharm2020test 08.png')
cv.imshow('image1', src1)
cv.imshow('image2', src2)
# 像素的逻辑运算(与、或、非) 两张图片必须shape一致
and_demo(src1, src2)
or_demo(src1, src2)
not_demo(src1)
cv.waitKey(0)
cv.destroyAllWindows()运行效果如下：
调节图片对比度和亮度：
简单测试如下：
代码语言：javascript复制import cv2 as cv
import numpy as np
def adjust_brightness_image(image, c, b): # 第2个参数rario为对比度 第3个参数b为亮度
height, width, channels = image.shape
blank = np.zeros([height, width, channels], image.dtype) # 新建的一张全黑图片和img1图片shape类型一样，元素类型也一样
dst = cv.addWeighted(image, c, blank, 1 - c, b)
cv.imshow("adjust_contrast_brightness", dst)
src = cv.imread(r'D:pythonpycharm2020test 04.jpg')
cv.imshow("first", src)
# 调节图片对比度和亮度 contrast and brightness (1.2, 100) (2.5, 0) (0.5 10)
adjust_brightness_image(src, 1.2, 100)
cv.waitKey(0)
cv.destroyAllWindows()运行效果如下：
