OpenCV之Python學習筆記

一直都在用Python+OpenCV做一些算法的原型。本來想留下發布一些文章的，可是整理一下就有點無奈了，都是寫零散不成系統的小片段。現在看到一本國外的新書《OpenCV Computer Vision with Python》，于是就看一遍，順便把自己掌握的東西整合一下，寫成學習筆記了。更需要的朋友參考。

閱讀須知：

??????? 本文不是純粹的譯文，只是比較貼近原文的筆記；
??????? 請設法購買到出版社出版的書，支持正版。

?????? 從書名就能看出來本書是介紹在Python中使用OpenCV，全書分為5章，兩個附錄：

• 第一章OpenCV設置，介紹如何在Windows、Mac和Ubuntu上設置Pyhton、OpenCV和相關庫的環境。還討論了OpenCV社區、OpenCV文檔以及官方的示例代碼。
• 第二章處理文件、攝像頭和GUI，討論OpenCV的I/O功能，接著使用面向對象的設計編寫一個主應用程序，用于顯示攝像頭實時場景、處理鍵盤輸入、將攝像頭寫入視頻文件和靜態圖像文件。
• 第三章圖像過濾，介紹使用OpenCV、NumPy和SciPy來編寫圖像過濾器。過濾器可用于線性顏色操作、曲線顏色操作、模糊化、銳化和尋找邊緣。本章修改第一章的主程序，將過濾器應用到實時攝像頭場景中。
• 第四章使用Haar Cascades追蹤人臉，本章將編寫一個層次化的人臉追蹤器，使用OpenCV定位圖像中的臉部、眼睛、鼻子和嘴巴。同時還編寫了用于復制和改變圖像中某塊區域的大小。同樣，本章也將修改之前的主應用程序，讓其可以用于找到并處理攝像頭場景中的人臉。
• 第五章檢測前景/背景區域和深度。通過本章將了解有關OpenCV（在OpenNI和SensorKinect的支持下）從深度攝像頭中獲得的數據類型的信息。接著編寫一些函數，使用這些數據對前景區域施加一些限制效果。最后將這些函數整合到主程序中，使得在處理人臉之前先進行細化操作。
• 附錄A，與Pygame整合。修改主程序，用Pygame替換OpenCV來處理特定的I/O事件。（Pygame提供了更多樣的事件處理函數。）
• 附錄B，為自定義目標生成Haar Cascades，允許我們檢測一系列的OpenCV工具，來對任何類型的目標或模式構建跟蹤器，而不僅僅是人臉。

本書第一章是介紹在不同操作系統上對OpenCV、Python及相關庫的配置，這里就不介紹了。下一篇文章將直接從第二章開始介紹。

OpenCV Python教程（1、圖像的載入、顯示和保存）

本文是OpenCV? 2 Computer Vision Application Programming Cookbook讀書筆記的第一篇。在筆記中將以Python語言改寫每章的代碼。

PythonOpenCV的配置這里就不介紹了。

注意，現在OpenCV for Python就是通過NumPy進行綁定的。所以在使用時必須掌握一些NumPy的相關知識！

圖像就是一個矩陣，在OpenCV for Python中，圖像就是NumPy中的數組！

如果讀取圖像首先要導入OpenCV包，方法為：

[python]?view plaincopy

import?cv2??

讀取并顯示圖像

在Python中不需要聲明變量，所以也就不需要C++中的cv::Mat xxxxx了。只需這樣：

[python]?view plaincopy

img?=?cv2.imread("D:\cat.jpg")??

OpenCV目前支持讀取bmp、jpg、png、tiff等常用格式。更詳細的請參考OpenCV的參考文檔。

接著創建一個窗口

[python]?view plaincopy

cv2.namedWindow("Image")??

然后在窗口中顯示圖像

[python]?view plaincopy

cv2.imshow("Image",?img)??

最后還要添上一句：

[python]?view plaincopy

cv2.waitKey?(0)??

如果不添最后一句，在IDLE中執行窗口直接無響應。在命令行中執行的話，則是一閃而過。

完整的程序為：

[python]?view plaincopy

import?cv2???

??

img?=?cv2.imread("D:\\cat.jpg")???

cv2.namedWindow("Image")???

cv2.imshow("Image",?img)???

cv2.waitKey?(0)??

cv2.destroyAllWindows()??

最后釋放窗口是個好習慣！

創建/復制圖像

新的OpenCV的接口中沒有CreateImage接口。即沒有cv2.CreateImage這樣的函數。如果要創建圖像，需要使用numpy的函數（現在使用OpenCV-Python綁定，numpy是必裝的）。如下：

[python]?view plaincopy

emptyImage?=?np.zeros(img.shape,?np.uint8)??

在新的OpenCV-Python綁定中，圖像使用NumPy數組的屬性來表示圖像的尺寸和通道信息。如果輸出img.shape，將得到(500, 375, 3)，這里是以OpenCV自帶的cat.jpg為示例。最后的3表示這是一個RGB圖像。

也可以復制原有的圖像來獲得一副新圖像。

[python]?view plaincopy

emptyImage2?=?img.copy();??

如果不怕麻煩，還可以用cvtColor獲得原圖像的副本。 [python]?view plaincopy

emptyImage3=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)??

#emptyImage3[...]=0??

后面的emptyImage3[...]=0是將其轉成空白的黑色圖像。

保存圖像?

保存圖像很簡單，直接用cv2.imwrite即可。

cv2.imwrite("D:\\cat2.jpg", img)

第一個參數是保存的路徑及文件名，第二個是圖像矩陣。其中，imwrite()有個可選的第三個參數，如下：

cv2.imwrite("D:\\cat2.jpg", img，[int(cv2.IMWRITE_JPEG_QUALITY), 5])

第三個參數針對特定的格式： 對于JPEG，其表示的是圖像的質量，用0-100的整數表示，默認為95。 注意，cv2.IMWRITE_JPEG_QUALITY類型為Long，必須轉換成int。下面是以不同質量存儲的兩幅圖：

對于PNG，第三個參數表示的是壓縮級別。cv2.IMWRITE_PNG_COMPRESSION，從0到9,壓縮級別越高，圖像尺寸越小。默認級別為3：

[python]?view plaincopy

cv2.imwrite("./cat.png",?img,?[int(cv2.IMWRITE_PNG_COMPRESSION),?0])???

cv2.imwrite("./cat2.png",?img,?[int(cv2.IMWRITE_PNG_COMPRESSION),?9])??

保存的圖像尺寸如下：

還有一種支持的圖像，一般不常用。

完整的代碼為：

[python]?view plaincopy

import?cv2??

import?numpy?as?np??

??

img?=?cv2.imread("./cat.jpg")??

emptyImage?=?np.zeros(img.shape,?np.uint8)??

??

emptyImage2?=?img.copy()??

??

emptyImage3=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)??

#emptyImage3[...]=0??

??

cv2.imshow("EmptyImage",?emptyImage)??

cv2.imshow("Image",?img)??

cv2.imshow("EmptyImage2",?emptyImage2)??

cv2.imshow("EmptyImage3",?emptyImage3)??

cv2.imwrite("./cat2.jpg",?img,?[int(cv2.IMWRITE_JPEG_QUALITY),?5])??

cv2.imwrite("./cat3.jpg",?img,?[int(cv2.IMWRITE_JPEG_QUALITY),?100])??

cv2.imwrite("./cat.png",?img,?[int(cv2.IMWRITE_PNG_COMPRESSION),?0])??

cv2.imwrite("./cat2.png",?img,?[int(cv2.IMWRITE_PNG_COMPRESSION),?9])??

cv2.waitKey?(0)??

cv2.destroyAllWindows()??

參考資料：
《OpenCV References Manuel》
《OpenCV? 2 Computer Vision Application Programming Cookbook》
《OpenCV Computer Vision with Python》

OpenCV Python教程（2、圖像元素的訪問、通道分離與合并）

OpenCV Python教程之圖像元素的訪問、通道分離與合并

轉載請詳細注明原作者及出處，謝謝！

訪問像素

像素的訪問和訪問numpy中ndarray的方法完全一樣，灰度圖為：

[python]?view plaincopy

img[j,i]?=?255??

其中j，i分別表示圖像的行和列。對于BGR圖像，為： [python]?view plaincopy

img[j,i,0]=?255??

img[j,i,1]=?255??

img[j,i,2]=?255??

第三個數表示通道。

下面通過對圖像添加人工的椒鹽現象來進一步說明OpenCV?Python中需要注意的一些問題。完整代碼如下：

[python]?view plaincopy

import?cv2??

import?numpy?as?np??

??

def?salt(img,?n):??

????for?k?in?range(n):??

????????i?=?int(np.random.random()?*?img.shape[1]);??

????????j?=?int(np.random.random()?*?img.shape[0]);??

????????if?img.ndim?==?2:???

????????????img[j,i]?=?255??

????????elif?img.ndim?==?3:???

????????????img[j,i,0]=?255??

????????????img[j,i,1]=?255??

????????????img[j,i,2]=?255??

????return?img??

??

if?__name__?==?'__main__':??

????img?=?cv2.imread("圖像路徑")??

????saltImage?=?salt(img,?500)??

????cv2.imshow("Salt",?saltImage)??

????cv2.waitKey(0)??

????cv2.destroyAllWindows()??

處理后能得到類似下面這樣帶有模擬椒鹽現象的圖片：

上面的代碼需要注意幾點：

1、與C++不同，在Python中灰度圖的img.ndim = 2，而C++中灰度圖圖像的通道數img.channel() =1

2、為什么使用np.random.random()？
這里使用了numpy的隨機數，Python自身也有一個隨機數生成函數。這里只是一種習慣，np.random模塊中擁有更多的方法，而Python自帶的random只是一個輕量級的模塊。不過需要注意的是np.random.seed()不是線程安全的，而Python自帶的random.seed()是線程安全的。如果使用隨機數時需要用到多線程，建議使用Python自帶的random()和random.seed()，或者構建一個本地的np.random.Random類的實例。

分離、合并通道

由于OpenCV Python和NumPy結合的很緊，所以即可以使用OpenCV自帶的split函數，也可以直接操作numpy數組來分離通道。直接法為：

[python]?view plaincopy

import?cv2??

import?numpy?as?np??

??

img?=?cv2.imread("D:/cat.jpg")??

b,?g,?r?=?cv2.split(img)??

cv2.imshow("Blue",?r)??

cv2.imshow("Red",?g)??

cv2.imshow("Green",?b)??

cv2.waitKey(0)??

cv2.destroyAllWindows()??

其中split返回RGB三個通道，如果只想返回其中一個通道，可以這樣： [python]?view plaincopy

b?=?cv2.split(img)[0]??

g?=?cv2.split(img)[1]??

r?=?cv2.split(img)[2]??

最后的索引指出所需要的通道。

也可以直接操作NumPy數組來達到這一目的：

[python]?view plaincopy

import?cv2??

import?numpy?as?np??

??

img?=?cv2.imread("D:/cat.jpg")??

??

b?=?np.zeros((img.shape[0],img.shape[1]),?dtype=img.dtype)??

g?=?np.zeros((img.shape[0],img.shape[1]),?dtype=img.dtype)??

r?=?np.zeros((img.shape[0],img.shape[1]),?dtype=img.dtype)??

??

b[:,:]?=?img[:,:,0]??

g[:,:]?=?img[:,:,1]??

r[:,:]?=?img[:,:,2]??

??

cv2.imshow("Blue",?r)??

cv2.imshow("Red",?g)??

cv2.imshow("Green",?b)??

cv2.waitKey(0)??

cv2.destroyAllWindows()??

注意先要開辟一個相同大小的圖片出來。這是由于numpy中數組的復制有些需要注意的地方，具體事例如下： [python]?view plaincopy

>>>?c=?np.zeros(img.shape,?dtype=img.dtype)??

>>>?c[:,:,:]?=?img[:,:,:]??

>>>?d[:,:,:]?=?img[:,:,:]??

>>>?c?is?a??

False??

>>>?d?is?a??

False??

>>>?c.base?is?a??

False??

>>>?d.base?is?a?#注意這里！！！??

True??

這里，d只是a的鏡像，具體請參考《 NumPy簡明教程（二，數組3 ）》中的“復制和鏡像”一節。

通道合并

同樣，通道合并也有兩種方法。第一種是OpenCV自帶的merge函數，如下：

[python]?view plaincopy

merged?=?cv2.merge([b,g,r])?#前面分離出來的三個通道??

接著是NumPy的方法： [python]?view plaincopy

mergedByNp?=?np.dstack([b,g,r])???

注意：這里只是演示，實際使用時請用OpenCV自帶的merge函數！ 用NumPy組合的結果不能在OpenCV中其他函數使用，因為其組合方式與OpenCV自帶的不一樣，如下： [python]?view plaincopy

merged?=?cv2.merge([b,g,r])??

print?"Merge?by?OpenCV"???

print?merged.strides??

??

mergedByNp?=?np.dstack([b,g,r])???

print?"Merge?by?NumPy?"???

print?mergedByNp.strides??

結果為： [python]?view plaincopy

Merge?by?OpenCV??

(1125,?3,?1)??

Merge?by?NumPy??

(1,?500,?187500)??

NumPy數組的strides屬性表示的是在每個維數上以字節計算的步長。這怎么理解呢，看下面這個簡單點的例子： [python]?view plaincopy

>>>?a?=?np.arange(6)??

>>>?a??

array([0,?1,?2,?3,?4,?5])??

>>>?a.strides??

(4,)??

a數組中每個元素都是NumPy中的整數類型，占4個字節，所以第一維中相鄰元素之間的步長為4（個字節）。

同樣，2維數組如下：

[python]?view plaincopy

>>>?b?=?np.arange(12).reshape(3,4)??

>>>?b??

array([[?0,??1,??2,??3],??

???????[?4,??5,??6,??7],??

???????[?8,??9,?10,?11]])??

>>>?b.strides??

(16,?4)??

從里面開始看，里面是一個4個元素的一維整數數組，所以步長應該為4。外面是一個含有3個元素，每個元素的長度是4×4=16。所以步長為16。

下面來看下3維數組：

[python]?view plaincopy

>>>?c?=?np.arange(27).reshape(3,3,3)??

其結果為： [python]?view plaincopy

array([[[?0,??1,??2],??

????????[?3,??4,??5],??

????????[?6,??7,??8]],??

??

???????[[?9,?10,?11],??

????????[12,?13,?14],??

????????[15,?16,?17]],??

??

???????[[18,?19,?20],??

????????[21,?22,?23],??

????????[24,?25,?26]]])??

根據前面了解的，推斷下這個數組的步長。從里面開始算，應該為（3×4×3，3×4，4）。驗證一下： [python]?view plaincopy

>>>?c.strides??

(36,?12,?4)??

完整的代碼為： [python]?view plaincopy

import?cv2??

import?numpy?as?np??

??

img?=?cv2.imread("D:/cat.jpg")??

??

b?=?np.zeros((img.shape[0],img.shape[1]),?dtype=img.dtype)??

g?=?np.zeros((img.shape[0],img.shape[1]),?dtype=img.dtype)??

r?=?np.zeros((img.shape[0],img.shape[1]),?dtype=img.dtype)??

??

b[:,:]?=?img[:,:,0]??

g[:,:]?=?img[:,:,1]??

r[:,:]?=?img[:,:,2]??

??

merged?=?cv2.merge([b,g,r])??

print?"Merge?by?OpenCV"???

print?merged.strides??

print?merged??

??

mergedByNp?=?np.dstack([b,g,r])???

print?"Merge?by?NumPy?"???

print?mergedByNp.strides??

print?mergedByNp??

??

cv2.imshow("Merged",?merged)??

cv2.imshow("MergedByNp",?merged)??

cv2.imshow("Blue",?b)??

cv2.imshow("Red",?r)??

cv2.imshow("Green",?g)??

cv2.waitKey(0)??

cv2.destroyAllWindows() ?

from: http://blog.csdn.net/sunny2038/article/category/904451

總結

以上是生活随笔為你收集整理的OpenCV之Python学习笔记（1）（2）： 图像的载入、显示和保存 图像元素的访问、通道分离与合并的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。