python中OpenCV的知識(shí)點(diǎn)示例

這篇文章主要介紹python中OpenCV的知識(shí)點(diǎn)示例，文中介紹的非常詳細(xì)，具有一定的參考價(jià)值，感興趣的小伙伴們一定要看完！

圖像翻轉(zhuǎn)

使用Python的一個(gè)包，imutils。使用下面的指令可以安裝。

pip install imutils

imutils包的Github地址：https://github.com/jrosebr1/imutils

CSDN鏡像：https://codechina.csdn.net/mirrors/jrosebr1/imutils

可以在上面這個(gè)地址里面學(xué)習(xí)更多的使用方式。

import cv2
import imutils

'''
imutils.rotate
第一個(gè)參數(shù)是翻轉(zhuǎn)的圖像，第二個(gè)參數(shù)的翻轉(zhuǎn)角度
函數(shù)還提供翻轉(zhuǎn)中心的設(shè)置，但默認(rèn)就是中心翻轉(zhuǎn)。
'''
vc = cv2.VideoCapture(0)

if vc.isOpened():
  flag, frame = vc.read()
  img = imutils.rotate(frame, 180)  # 圖像翻轉(zhuǎn) 
  cv2.imshow("frame", img)
else:
  flag = False

while flag:
  flag, frame = vc.read()
  if frame is None:
    break
  if flag is True:
    img = imutils.rotate(frame, 180)  # 圖像翻轉(zhuǎn)
    cv2.imshow("frame", img)
    if cv2.waitKey(10) == 27:
      break
vc.release()
cv2.destroyAllWindows()

這樣寫(xiě)的話，最后的輸出圖像就是翻轉(zhuǎn)180度的。

imutils包里還有其他好用的函數(shù)，resizing、4-point Perspective Transform、Sorting Contours等等。

圖像輪廓排序

這個(gè)效果同樣也是依靠imutils包完成。

from imutils import contours
import cv2
'''
contours.sort_contours
可選排序方式："left-to-right", "right-to-left", "top-to-bottom", "bottom-to-top"
返回值為輪廓和外接矩形

contours.label_contour
contours包內(nèi)自帶的畫(huà)輪廓的函數(shù)，可以直接用，然后可以在圖片上標(biāo)出輪廓序號(hào)
也可以直接使用cv2.drawContours直接畫(huà)輪廓
'''
img = cv2.imread(r"D:\opencv-workspace\Opencv\test17--VScode\shapes.png")
draw_img = img.copy()
img_rect = img.copy()
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
img = cv2.Canny(gray, 10, 20)  # Canny邊緣檢測(cè)
cnts, hierarchy = cv2.findContours(img, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)  # 獲得輪廓
(cnts, boundingBoxes) = contours.sort_contours(cnts, "top-to-bottom")  # 對(duì)輪廓進(jìn)行排序處理
for (i, c) in enumerate(cnts):
  sortedImage = contours.label_contour(draw_img, c, i, color=(240, 0, 159))
# img_out = cv2.drawContours(draw_img, cnts, -1, (240, 0, 159), 2)
# 根據(jù)boundingBoxes畫(huà)外接矩形
for (x, y, w, h) in boundingBoxes:
  img_rect = cv2.rectangle(img_rect, (x, y), (x+w, y+h), (240, 0, 159), 2)
cv2.imshow("top-to-bottom", sortedImage)
cv2.imshow("rect", img_rect)
cv2.waitKey(0)
cv2.destroyAllWindows()

這樣寫(xiě)的話，最后的輸出圖像就是翻轉(zhuǎn)180度的。

imutils包里還有其他好用的函數(shù)，resizing、4-point Perspective Transform、Sorting Contours等等。

圖像輪廓排序

這個(gè)效果同樣也是依靠imutils包完成。

from imutils import contours
import cv2
'''
contours.sort_contours
可選排序方式："left-to-right", "right-to-left", "top-to-bottom", "bottom-to-top"
返回值為輪廓和外接矩形

contours.label_contour
contours包內(nèi)自帶的畫(huà)輪廓的函數(shù)，可以直接用，然后可以在圖片上標(biāo)出輪廓序號(hào)
也可以直接使用cv2.drawContours直接畫(huà)輪廓
'''
img = cv2.imread(r"D:\opencv-workspace\Opencv\test17--VScode\shapes.png")
draw_img = img.copy()
img_rect = img.copy()
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
img = cv2.Canny(gray, 10, 20)  # Canny邊緣檢測(cè)
cnts, hierarchy = cv2.findContours(img, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)  # 獲得輪廓
(cnts, boundingBoxes) = contours.sort_contours(cnts, "top-to-bottom")  # 對(duì)輪廓進(jìn)行排序處理
for (i, c) in enumerate(cnts):
  sortedImage = contours.label_contour(draw_img, c, i, color=(240, 0, 159))
# img_out = cv2.drawContours(draw_img, cnts, -1, (240, 0, 159), 2)
# 根據(jù)boundingBoxes畫(huà)外接矩形
for (x, y, w, h) in boundingBoxes:
  img_rect = cv2.rectangle(img_rect, (x, y), (x+w, y+h), (240, 0, 159), 2)
cv2.imshow("top-to-bottom", sortedImage)
cv2.imshow("rect", img_rect)
cv2.waitKey(0)
cv2.destroyAllWindows()

顏色識(shí)別

基礎(chǔ)顏色識(shí)別

顏色識(shí)別是在HSV空間內(nèi)進(jìn)行的，因此在使用之前先進(jìn)行顏色空間的轉(zhuǎn)換。

'''使用下面這個(gè)函數(shù)進(jìn)行轉(zhuǎn)換，第一個(gè)參數(shù)填寫(xiě)要轉(zhuǎn)換的圖片，第二個(gè)參數(shù)填寫(xiě)cv2.COLOR_BGR2HSV'''
cv2.cvtColor

import cv2
import numpy as np
'''
cv2.inRange
函數(shù)很簡(jiǎn)單，參數(shù)有三個(gè)
第一個(gè)參數(shù)：hsv指的是原圖
第二個(gè)參數(shù)：lower_red指的是圖像中低于這個(gè)lower_red的值，圖像值變?yōu)?
第三個(gè)參數(shù)：upper_red指的是圖像中高于這個(gè)upper_red的值，圖像值變?yōu)?
而在lower_red～upper_red之間的值變成255
'''
# 閾值
lower_green = np.array([50, 255, 255])
upper_green = np.array([70, 255, 255])
img = cv2.imread(r"D:\opencv-workspace\Opencv\test16--VScode\photo.jpg")
img_hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
mask_green = cv2.inRange(img_hsv, lower_green, upper_green)
cv2.imshow("img_or", mask_green)
# 使用下面這個(gè)函數(shù)能顯示原來(lái)的顏色。
res_green = cv2.bitwise_and(img, img, mask=mask_green)
cv2.imshow("img", res_green)
cv2.waitKey(0)
cv2.destroyAllWindows()

在進(jìn)行顏色識(shí)別時(shí)，難免會(huì)出現(xiàn)“漏顏色”的現(xiàn)象，也就是會(huì)出現(xiàn)沒(méi)識(shí)別全的現(xiàn)象。這個(gè)時(shí)候可以再對(duì)圖像進(jìn)行處理，比如說(shuō)進(jìn)行形態(tài)學(xué)處理，讓圖像更加飽滿之類的。

根據(jù)BGR獲取HSV

import cv2

color = np.uint8([[[193, 189, 147]]])  # 參數(shù)填寫(xiě)B(tài)GR的值
hsv = cv2.cvtColor(color, cv2.COLOR_BGR2HSV)
print(hsv)  # 打印出來(lái)的數(shù)值就是對(duì)應(yīng)的HSV值

程序運(yùn)行的結(jié)果是

[[[ 93 61 193]]]

這個(gè)就是對(duì)應(yīng)的HSV的值。

根據(jù)之前寫(xiě)的顏色識(shí)別，就需要把對(duì)應(yīng)的閾值寫(xiě)出。具體寫(xiě)法就是保持S和V不變，H加減10。這樣的話就可以寫(xiě)出高低閾值然后應(yīng)用到顏色識(shí)別里面就可以了。

閾值編輯器

import cv2
import numpy as np


def function(x):
  lowH = cv2.getTrackbarPos("lowH", "img_666")
  lowS = cv2.getTrackbarPos("lowS", "img_666")
  lowV = cv2.getTrackbarPos("lowV", "img_666")
  HighH = cv2.getTrackbarPos("HighH", "img_666")
  HighS = cv2.getTrackbarPos("HighS", "img_666")
  HighV = cv2.getTrackbarPos("HighV", "img_666")
  # print(lowH, lowS, lowV, HighH, HighS, HighV)
  lower = np.uint8([lowH, lowS, lowV])
  upper = np.uint8([HighH, HighS, HighV])
  mask = cv2.inRange(img_hsv, lower, upper)
  res = cv2.bitwise_and(img, img, mask=mask)
  cv2.imshow("img", res)


img = cv2.imread(r"D:\opencv-workspace\Opencv\test16--VScode\test.jpg")
img_hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
cv2.namedWindow("img_666")
cv2.createTrackbar("lowH", "img_666", 0, 179, function)
cv2.createTrackbar("lowS", "img_666", 0, 255, function)
cv2.createTrackbar("lowV", "img_666", 0, 255, function)
cv2.createTrackbar("HighH", "img_666", 0, 179, function)
cv2.createTrackbar("HighS", "img_666", 0, 255, function)
cv2.createTrackbar("HighV", "img_666", 0, 255, function)
cv2.imshow("img", img)
cv2.waitKey(0)
cv2.destroyAllWindows()

寫(xiě)了一個(gè)比較垃圾的閾值編輯器。。。就不多解釋了。。

以上是“python中OpenCV的知識(shí)點(diǎn)示例”這篇文章的所有內(nèi)容，感謝各位的閱讀！希望分享的內(nèi)容對(duì)大家有幫助，更多相關(guān)知識(shí)，歡迎關(guān)注億速云行業(yè)資訊頻道！