目录

• 图像处理基本操作
• • 图像读取
  • 图像显示
  • 图像保存
  • 图像翻转
  • 图像缩放
• 如何绘制简单的图形
• • 绘制线段
  • • 示例（在画布上绘制线段）
  • 绘制矩形
  • • 示例（标记图片中的花朵位置）
  • 绘制圆形
  • • 示例（同心圆绘制）
  • 绘制多边形
  • • 示例（绘制两个六边形）
  • 绘制文字
  • • 示例（绘制文字）
• 阈值处理函数
• • 阈值处理类型
  • 示例：查看各种阈值处理的效果
  • 自适应阈值函数
  • 示例（自适应阈值处理效果）
• To be continue...

图像处理基本操作

图像读取

cv2.imread(filename[, flags]) 

读取图像，返回该图像的像素值

返回值类型：numpy.ndarray

图像显示

cv2.imshow(winname,mat)

生成一个窗口，显示图像

图像保存

cv2.imwrite(filename, image[, params])

将处理后的图像保存为文件

图像翻转

cv2.flip(src, flipCode[, dst])

图像缩放

cv2.resize(src, dsize[, dst[, fx[, fy[, interpolation]]]]) 

如何绘制简单的图形

绘制线段

cv.line(img, pt1, pt2, color, thickness=1, lineType=8, shift=0) 

示例（在画布上绘制线段）

import numpy as np
import cv2canvas=np.zeros((500,300,3),np.int8)canvas=cv2.line(canvas,(50,50),(250,50),(255,0,0),5)
canvas=cv2.line(canvas,(150,50),(0,200),(0,255,0),10)
canvas=cv2.line(canvas,(0,200),(300,200),(0,0,255),15)
canvas=cv2.line(canvas,(300,200),(150,50),(255,0,0),20)
canvas=cv2.line(canvas,(150,200),(150,500),(255,255,0),25)cv2.imwrite('../imgs/draw_lines.jpg',canvas)

运行结果

绘制矩形

cv.rectangle(img, pt1, pt2, color, thickness=1, lineType=8, shift=0)

示例（标记图片中的花朵位置）

import cv2img=cv2.imread('../imgs/R-C_resize.jpg')
# 生成一个空心矩形
canvas=cv2.rectangle(img,(50,23),(347,286),(0,0,255),1)
# 生成两个实心矩形
canvas=cv2.rectangle(canvas,(10,23),(40,53),(0,0,255),-1)
canvas=cv2.rectangle(canvas,(10,256),(40,286),(0,0,255),-1)
cv2.imwrite('rect_img.jpg',canvas)

运行结果

绘制圆形

cv2.circle(img, center, radius, color[, thickness[, lineType[, shift]]])

示例（同心圆绘制）

import cv2
import numpy as np#生成画布
canvas=np.zeros((500,600,3),np.uint8)
# 定义参数
radius=180
color=(255,255,255)
for i in range(4):canvas=cv2.circle(canvas,(300,250),radius,color,10)radius-=30
canvas=cv2.circle(canvas,(300,250),radius,color,-1)
cv2.imwrite('circle.jpg',canvas)

运行结果

绘制多边形

cv.polyLine(img, polys, isClosed, color, thickness=1, lineType=8, shift=0)

示例（绘制两个六边形）

import cv2
import numpy as np
polys = np.array([[(200, 200),(400, 200),(500, 200 + 100 * np.sqrt(3)),(400, 200 + 200 * np.sqrt(3)),(200, 200 + 200 * np.sqrt(3)),(100, 200 + 100 * np.sqrt(3))]],dtype=np.int32)
canvas = np.zeros((999, 999, 3), np.uint8)
canvas = cv2.polylines(canvas, [polys], isClosed=True, color=(255, 255, 255),thickness=10)
canvas = cv2.polylines(canvas, [polys+300], isClosed=True, color=(255, 255, 255),thickness=10)
cv2.imwrite('../imgs/polys.jpg', canvas)

运行结果

运行过程中的一个报错：p.checkVector(2, CV_32S) >= 0 in function ‘cv::polylines’
原因：上面的代码中顶点坐标出现了3\sqrt33​，使用dtype参数将其转化为整数即可

绘制文字

cv2.putText(img, text, org, fontFace, fontScale, color[, thickness[, linetype[, bottomLeftOrigin]]])

示例（绘制文字）

import cv2
import numpy as np
# 生成画布
canvas=np.zeros((240,240,3),np.uint8)cv2.putText(canvas,'hello',(20,60),cv2.FONT_HERSHEY_SCRIPT_SIMPLEX,2,(0,255,0),5)
cv2.putText(canvas,'hello',(20,120),cv2.FONT_ITALIC+cv2.FONT_HERSHEY_TRIPLEX,2,(0,255,0),5)
cv2.putText(canvas,'hello',(20,180),cv2.FONT_HERSHEY_SIMPLEX,2,(0,255,0),5)
cv2.imwrite('../imgs/font_img.jpg',canvas)

运行结果

阈值处理函数

cv2.threshold(src, thresh, maxval, type[, dst])

阈值处理类型

示例：查看各种阈值处理的效果

import cv2
import matplotlib.pyplot as plt
import matplotlibplt.subplots_adjust(hspace=0.5)
matplotlib.rcParams['font.family']='SimHei'
img=cv2.imread('../imgs/R-C_resize.jpg')plt.subplot(321)
plt.title('原始图像')
plt.imshow(img)plt.subplot(322)
plt.title('二值化')
plt.imshow(cv2.threshold(img,150,255,cv2.THRESH_BINARY)[1])plt.subplot(323)
plt.title('反二值化')
plt.imshow(cv2.threshold(img,150,255,cv2.THRESH_BINARY_INV)[1])plt.subplot(324)
plt.title('低于阈值零处理')# 低于阈值的像素值归零
plt.imshow(cv2.threshold(img,150,255,cv2.THRESH_TOZERO)[1])plt.subplot(325)
plt.title('高于阈值零处理')
plt.imshow(cv2.threshold(img,150,255,cv2.THRESH_TOZERO_INV)[1])plt.subplot(326)
plt.title('截断处理')
plt.imshow(cv2.threshold(img,150,255,cv2.THRESH_TRUNC)[1])plt.show()

运行结果

注意：在这里笔者使用的是plt.imshow()函数来展示阈值处理后的图像，当你是用cv2.imshow()函数来展示这些图像时，你会发现两者相别很大，后者显示的图像内容如下，这是因为open默认使用BGR通道，但是matplotlibt默认使用RGB通道，所以会造成这种情况，解决这一问题很简单，在plt.imshow()时加入参数cmap='gray'即可

自适应阈值函数

阈值根据指定方法进行计算

cv2.adaptiveThreshold(src, maxValue, adaptiveMethod, thresholdType, blockSize, C[, dst]) 

阈值处理类型

阈值计算方法

示例（自适应阈值处理效果）

import cv2
import matplotlib.pyplot as plt
plt.subplots_adjust(hspace=0.5)
import matplotlib
matplotlib.rcParams['font.family']='SimHei'img=cv2.imread('../imgs/R-C_resize.jpg')
gray_img=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)# 将图像转换为灰度
MEAN_img=cv2.adaptiveThreshold(gray_img,255,cv2.ADAPTIVE_THRESH_MEAN_C,cv2.THRESH_BINARY,5,2)GAUSSION_img=cv2.adaptiveThreshold(gray_img,255,cv2.ADAPTIVE_THRESH_GAUSSIAN_C,cv2.THRESH_BINARY,5,2)plt.subplot(221)
plt.title('原图像')
plt.imshow(img)plt.subplot(222)
plt.title('MEAN')
plt.imshow(MEAN_img,cmap='gray')plt.subplot(223)
plt.title('GAUSSION')
plt.imshow(GAUSSION_img,cmap='gray')plt.show()

运行结果

To be continue…