OpenCV：图像读取/保存、绘制直线/圆形/矩形、获取并修改图像中的像素点、图像通道的拆分与合并

桃扇骨 2023-07-22 10:28 22阅读 0赞

# ![20191009191333910.png][] #

# [日萌社][Link 1] #

[人工智能AI：Keras PyTorch MXNet TensorFlow PaddlePaddle 深度学习实战（不定时更新）][AI_Keras PyTorch MXNet TensorFlow PaddlePaddle]

--------------------

# 图像的基础操作 #

**学习目标**

*  掌握图像的读取和保存方法
 *  能够使用OpenCV在图像上绘制几何图形
 *  能够访问图像的像素
 *  能够获取图像的属性，并进行通道的分离和合并
 *  能够实现颜色空间的变换
    
    --------------------

# 1 图像的IO操作 #

这里我们会给大家介绍如何读取图像，如何显示图像和如何保存图像。

## 1.1 读取图像 ##

1.  API

cv.imread()

参数：

*  要读取的图像
 *  读取方式的标志
    
     *  cv.IMREAD\*COLOR：以彩色模式加载图像，任何图像的透明度都将被忽略。这是默认参数。
     *  cv.IMREAD\*GRAYSCALE：以灰度模式加载图像
     *  cv.IMREAD\_UNCHANGED：包括alpha通道的加载图像模式。
        
        **可以使用1、0或者-1来替代上面三个标志**
 *  参考代码
    
        import numpy as np
        import cv2 as cv
        # 以灰度图的形式读取图像
        img = cv.imread('messi5.jpg',0)

**注意：如果加载的路径有错误，不会报错，会返回一个None值**

## 1.2显示图像 ##

1 . API

cv.imshow()

参数：

*  显示图像的窗口名称，以字符串类型表示
 *  要加载的图像

**注意：在调用显示图像的API后，要调用cv.waitKey()给图像绘制留下时间，否则窗口会出现无响应情况，并且图像无法显示出来**。

另外我们也可使用matplotlib对图像进行展示。

1.  参考代码
    
        # opencv中显示
        cv.imshow('image',img)
        cv.waitKey(0)
        # matplotlib中展示
        plt.imshow(img[:,:,::-1])

## 1.3 保存图像 ##

1.  API
    
        cv.imwrite()
    
    参数：
    
     *  文件名，要保存在哪里
     *  要保存的图像
2.  参考代码
    
        cv.imwrite('messigray.png',img)
    
    ## 1.4 总结 ##
    
    我们通过加载灰度图像，显示图像，如果按's'并退出则保存图像，或者按ESC键直接退出而不保存。
    
        import numpy as np
        import cv2 as cv
        import matplotlib.pyplot as plt
        # 1 读取图像
        img = cv.imread('messi5.jpg',0)
        # 2 显示图像
        # 2.1 利用opencv展示图像
        cv.imshow('image',img)
        # 2.2 在matplotplotlib中展示图像
        plt.imshow(img[:,:,::-1])
        plt.title('匹配结果'), plt.xticks([]), plt.yticks([])
        plt.show()
        k = cv.waitKey(0)
        # 3 保存图像
        cv.imwrite('messigray.png',img)

# 2 绘制几何图形 #

## 2.1 绘制直线 ##

cv.line(img,start,end,color,thickness)

参数：

*  img:要绘制直线的图像
 *  Start,end: 直线的起点和终点
 *  color: 线条的颜色
 *  Thickness: 线条宽度

## 2.2 绘制圆形 ##

cv.circle(img,centerpoint, r, color, thickness)

参数：

*  img:要绘制圆形的图像
 *  Centerpoint, r: 圆心和半径
 *  color: 线条的颜色
 *  Thickness: 线条宽度，为-1时生成闭合图案并填充颜色

## 2.3 绘制矩形 ##

cv.rectangle(img,leftupper,rightdown,color,thickness)

参数：

*  img:要绘制矩形的图像
 *  Leftupper, rightdown: 矩形的左上角和右下角坐标
 *  color: 线条的颜色
 *  Thickness: 线条宽度

## 2.4 向图像中添加文字 ##

cv.putText(img,text,station, font, fontsize,color,thickness,cv.LINE_AA)

参数：

*  img: 图像
 *  text：要写入的文本数据
 *  station：文本的放置位置
 *  font：字体
 *  Fontsize :字体大小

## 2.5 效果展示 ##

我们生成一个全黑的图像，然后在里面绘制图像并添加文字

import numpy as np
    import cv2 as cv
    import matplotlib.pyplot as plt
    # 1 创建一个空白的图像
    img = np.zeros((512,512,3), np.uint8)
    # 2 绘制图形
    cv.line(img,(0,0),(511,511),(255,0,0),5)
    cv.rectangle(img,(384,0),(510,128),(0,255,0),3)
    cv.circle(img,(447,63), 63, (0,0,255), -1)
    font = cv.FONT_HERSHEY_SIMPLEX
    cv.putText(img,'OpenCV',(10,500), font, 4,(255,255,255),2,cv.LINE_AA)
    # 3 图像展示
    plt.imshow(img[:,:,::-1])
    plt.title('匹配结果'), plt.xticks([]), plt.yticks([])
    plt.show()

结果：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3ppbWlhbzU1MjE0NzU3Mg_size_16_color_FFFFFF_t_70][]

# 3 获取并修改图像中的像素点 #

我们可以通过行和列的坐标值获取该像素点的像素值。对于BGR图像，它返回一个蓝，绿，红值的数组。对于灰度图像，仅返回相应的强度值。使用相同的方法对像素值进行修改。

import numpy as np
    import cv2 as cv
    img = cv.imread('messi5.jpg')
    # 获取某个像素点的值
    px = img[100,100]
    # 仅获取蓝色通道的强度值
    blue = img[100,100,0]
    # 修改某个位置的像素值
    img[100,100] = [255,255,255]

# 4 获取图像的属性 #

图像属性包括行数，列数和通道数，图像数据类型，像素数等。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3ppbWlhbzU1MjE0NzU3Mg_size_16_color_FFFFFF_t_70 1][]

# 5 图像通道的拆分与合并 #

有时需要在B，G，R通道图像上单独工作。在这种情况下，需要将BGR图像分割为单个通道。或者在其他情况下，可能需要将这些单独的通道合并到BGR图像。你可以通过以下方式完成。

# 通道拆分
    b,g,r = cv.split(img)
    # 通道合并
    img = cv.merge((b,g,r))

# 6 色彩空间的改变 #

OpenCV中有150多种颜色空间转换方法。最广泛使用的转换方法有两种，BGR↔Gray和BGR↔HSV。

API：

cv.cvtColor(input_image，flag)

参数：

*  input\_image: 进行颜色空间转换的图像
 *  flag: 转换类型
    
     *  cv.COLOR\_BGR2GRAY : BGR↔Gray
     *  cv.COLOR\_BGR2HSV: BGR→HSV

--------------------

**总结：**

1.  图像IO操作的API：
    
    cv.imread(): 读取图像
    
    cv.imshow()：显示图像
    
    cv.imwrite(): 保存图像
2.  在图像上绘制几何图像
    
    cv.line(): 绘制直线
    
    cv.circle(): 绘制圆形
    
    cv.rectangle(): 绘制矩形
    
    cv.putText(): 在图像上添加文字
3.  直接使用行列索引获取图像中的像素并进行修改
4.  图像的属性

![20200405182259978.png][]

1.  拆分通道：cv.split()
    
    通道合并：cv.merge()
2.  色彩空间的改变
    
    cv.cvtColor(input\_image，flag)

--------------------

### **01.图像的IO操作.py** ###

import numpy as np
    import cv2 as cv
    import matplotlib.pyplot as plt
    
    # 1 读取图像
    img = cv.imread("image/dili.jpg",0)
    
    # 2 显示图像
    # 2.1 OPencv
    # cv.imshow("dili",img)
    # cv.waitKey(0)
    # cv.destroyAllWindows()
    
    # 2.2 matplotlib
    plt.imshow(img,cmap=plt.cm.gray)
    plt.show()
    
    # 3 图像保存
    cv.imwrite("image/dilireba.png",img)
    
    px = img[100,100]

### **02.图像绘制图形.py ** ###

import numpy as np
    import cv2 as cv
    import matplotlib.pyplot as plt
    
    # 1 创建图像
    img = np.zeros((512,512,3),np.uint8)
    
    # 2 绘制图形
    cv.line(img,(0,0),(511,511),(255,0,0),5)
    cv.circle(img,(256,256),60,(0,0,255),-1)
    cv.rectangle(img,(100,100),(400,400),(0,255,0),5)
    cv.putText(img,"hello",(100,150),cv.FONT_HERSHEY_COMPLEX,5,(255,255,255),3)
    
    
    # 3 显示结果
    plt.imshow(img[:,:,::-1])
    plt.show()

--------------------

In \[1\]:

import numpy as np

import cv2 as cv

import matplotlib.pyplot as plt

In \[3\]:

img = np.zeros((256,256,3),np.uint8)

In \[4\]:

plt.imshow(img[:,:,::-1])

Out\[4\]:

<matplotlib.image.AxesImage at 0x11fe05f90>

![20200405182821530.png][]

In \[5\]:

img[100,100]

Out\[5\]:

array([0, 0, 0], dtype=uint8)

In \[6\]:

img[100,100,0]

Out\[6\]:

In \[7\]:

img[100,100] = (0,0,255)

In \[8\]:

plt.imshow(img[:,:,::-1])

Out\[8\]:

<matplotlib.image.AxesImage at 0x11b4aadd0>

![20200405182821532.png][]

In \[9\]:

img[100,100]

Out\[9\]:

array([  0,   0, 255], dtype=uint8)

In \[11\]:

img.shape

Out\[11\]:

(256, 256, 3)

In \[12\]:

img.dtype

Out\[12\]:

dtype('uint8')

In \[13\]:

img.size

Out\[13\]:

196608

In \[15\]:

dili = cv.imread("./image/dili.jpg")

In \[17\]:

plt.imshow(dili[:,:,::-1])

Out\[17\]:

<matplotlib.image.AxesImage at 0x12333b210>

![20200405182821742.png][]

In \[18\]:

b,g,r = cv.split(dili)

In \[22\]:

plt.imshow(b,cmap=plt.cm.gray)

Out\[22\]:

<matplotlib.image.AxesImage at 0x122c7eb50>

![20200405182822206.png][]

In \[23\]:

img2 = cv.merge((b,g,r))

In \[24\]:

plt.imshow(img2[:,:,::-1])

Out\[24\]:

<matplotlib.image.AxesImage at 0x123f64e50>

![20200405182822310.png][]

In \[25\]:

gray = cv.cvtColor(dili,cv.COLOR_BGR2GRAY)

In \[26\]:

plt.imshow(gray,cmap=plt.cm.gray)

Out\[26\]:

<matplotlib.image.AxesImage at 0x1238dc310>

![2020040518282249.png][]

In \[27\]:

hsv = cv.cvtColor(dili,cv.COLOR_BGR2HSV)

In \[28\]:

plt.imshow(hsv)

Out\[28\]:

<matplotlib.image.AxesImage at 0x123ffe610>

![20200405182822292.png][]

[20191009191333910.png]: /images/20230528/6a0253f66fd647c38b390a848ae71379.png
[Link 1]: http://www.rimengshe.com/
[AI_Keras PyTorch MXNet TensorFlow PaddlePaddle]: https://blog.csdn.net/zimiao552147572/article/details/88867161
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3ppbWlhbzU1MjE0NzU3Mg_size_16_color_FFFFFF_t_70]: /images/20230528/8234d775d8d34e6783f50699792e0ac1.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3ppbWlhbzU1MjE0NzU3Mg_size_16_color_FFFFFF_t_70 1]: /images/20230528/c2f3632a99e244c7aefe156bade648e3.png
[20200405182259978.png]: /images/20230528/a4b65abb634f442b97423af9e42c13b2.png
[20200405182821530.png]: /images/20230528/c77a443ecd5446d9b8983ab0839920ac.png
[20200405182821532.png]: /images/20230528/c8cb6e32d6134c91946253e59d5d0b7a.png
[20200405182821742.png]: /images/20230528/0b6a903a186f441ba96056db001a99d7.png
[20200405182822206.png]: /images/20230528/06fbc3cde853404eb7d151719ac221d4.png
[20200405182822310.png]: /images/20230528/24003856887f47ada0f7fa690b59f7c3.png
[2020040518282249.png]: /images/20230528/ce4c47299ed24b68927b880f5bd07a87.png
[20200405182822292.png]: /images/20230528/d79eba54b78541cb97ae45c0b34d19e8.png