俺寻思

Search

SearchSearch

opencv_basic

Mar 11, 2026, 6 min read

OpenCV-Python

基本操作

创建图像

新建

  • 灰度图等价于numpy的二维矩阵 注意dtype应为np.unit8 
    img = np.zeros((720,1280), dtype=np.uint8)
  • 创建和原图一样大小的遮罩 
    img = np.zeros(img.shape[:2], dtype=np.uint8)
  • 彩色图像默认通道顺序为BGR，numpy三维矩阵，黑色背景 
    img = np.zeros((720,1280,3), dtype=np.uint8)
  • 白色背景 
    img = np.full((720,1280,3), 255, dtype=np.uint8)
  • 给定一个单色图像，生成一个相同尺寸的BGR图像用于调试（mask前的*为解包符号）
img_debug = np.full((*mask.shape[:2], 3), 255, dtype=np.uint8)

读取

读取图像

  • 参数cv2.IMREAD_GRAYSCALE读取为灰度，不带参数默认读取为BGR图像 
    img = cv2.imread("./mask.png", cv2.IMREAD_GRAYSCALE)
  • 获取彩色图像的长宽： 
    h, w = img.shape[:2]

读取视频并逐帧访问

  • 读入视频vidcap = cv2.VideoCapture('source.mp4')
  • 逐帧访问success,image = vidcap.read()
  • 参考 
    import cv2
vidcap = cv2.VideoCapture('source.mp4')
success,image = vidcap.read()
count = 0
while success:
  cv2.imwrite("frame%d.png" % count, image)     # save frame as JPEG file      
  success,image = vidcap.read()
  print('Read a new frame: ', success)
  count += 1

写入

写入图片

cv2.imwrite(filename, img)

颜色空间/数据格式

图像尺寸

  • 通过img.shape获取numpy矩阵尺寸，为（高，宽，通道数）

默认数据类型

  • OpenCV默认的彩色图像三个通道依次为B、G、R

  • 灰度转RGB 转换时将会直接将一个通道的数值复制三份

    img2 = cv2.cvtColor(img, cv2.COLOR_GRAY2RGB)
  • 转HSV色彩空间 从BGR色彩空间转换为HSV，并取出某个特定通道。H：hue色调，S：saturation饱和度，V：value明度 
    hsv = cv2.cvtColor(self.img, cv2.COLOR_BGR2HSV)
h = hsv[:,:,0]
s = hsv[:,:,1]
v = hsv[:,:,2]

常用BGR颜色

  • 青色：(255, 255, 0)
  • 黄色：(0, 255, 255)
  • 紫色：(255, 0, 255)
  • 白色：(255, 255, 255)
  • 黑色：(0, 0, 0)

与其它包所使用的数据类型相互转换

skimage与OpenCV image的互相转换
  • skimage转OpenCV image分为两个步骤：
    1. skimage的mask可能是numpy.bool_类型的，先将其转换为数值，转换方式为 
      mask = np.where(sk_imge==True, 255, 0)
      同理处理mask时可以将其它值替换为0/1
    2. np.where转换后数据类型为numpy.int32，使用img.astype(np.uint8)转换为OpenCV的图像数据类型
与Matplotlib或者标准RGB格式的之间的转换
  • 色彩空间的转换：cv2.cvtColor(img, cv2.COLOR_BGR2RGB)

显示图像

  • 显示图像可以用imshow('title', img)

  • 使用Matplotlib

    • 需将BGR格式转为RGB格式，参考
    • 灰度图像以灰色而不是伪彩色显示
    plt.imshow(img, cmap='Greys_r', interpolation='nearest')

  • 鼠标悬浮在像素上时显示对应点的值（使用Matplotlib）：

import matplotlib.pyplot as plt
 
plt.imshow(masked_image)
plt.show()
  • 显示一张图片并等待ESC键退出
def display_img(img):
    cv2.imshow('image', img)
    show_window = True
    while show_window:
        k = cv2.waitKey(0) & 0xFF
        if k == 27:#ESC
            cv2.destroyAllWindows()
            show_window = False
  • 持续显示（视频）
while True:
    ## get image here
    cv2.imshow('image', img)
    if cv2.waitKey(25) & 0xFF == 27:
        break

选择ROI

  • 使用selectROI(img)函数，返回为(x, y, dx, dy)
import cv2
import numpy as np
 
if __name__ == '__main__':
  im = cv2.imread("image.png")
  r = cv2.selectROI(im)
  print(r)
  roi_rect = [[int(r[0]), int(r[1])], [int(r[0]+r[2]),int(r[1]+r[3])]] # [[x1,y1],[x2,y2]]
  print(roi_rect)
  imCrop = im[roi_rect[0][1]:roi_rect[1][1],roi_rect[0][0]:roi_rect[1][0],:] # [[y1,y2],[x1,x2]]
  cv2.imshow("Imgage", imCrop)
  cv2.waitKey(0)

缩放图像

  • 使用cv2.resize()
cropped_img = cv2.resize(img[y1:y2,x1:x2], (640,480))
  • OpenCV和Pillow对图像进行resize的算法不同，会导致结果差异：参考1，参考2

裁剪图像、将处理后的ROI放回原图像

  • 直接通过numpy矩阵进行操作
img_range = [[x1,y1],[x2,y2]]
roi = img[img_range[0][1]:img_range[1][1], img_range[0][0]:img_range[1][0], :]
roi_updated = YOUR_CV_FUNC(roi)
img_update = copy.deepcopy(img)
img_update[img_range[0][1]:img_range[1][1], img_range[0][0]:img_range[1][0], :] = roi_updated

拼接图像

  • 直接通过numpy矩阵进行操作
  • 水平方向拼接
hori = np.concatenate((img1, img2), axis=1)
  • 竖直方向拼接
verti = np.concatenate((img1, img2), axis=0)

直方图

  • 注意对一个numpy矩阵求最值时返回的类型将为<class 'numpy.uint16'>或者是numpy的浮点数类型，需进行类型转换后再作为calcHist的参数
x_max = int(img.max())
 
hist = cv2.calcHist([img],[0],None,[x_max],[0,x_max])
y_max = int(hist[1:,].max())
 
plt.plot(hist[1:,])
plt.xlim([0,x_max])
plt.ylim([0,y_max])
plt.show()

用矩阵进行图像的旋转拉伸位移与点的变换

  • 得到一个旋转角度（单位为度）以及旋转的中心-> 得到变换矩阵 -> 调用warpAffine进行旋转
rotate_matrix = cv2.getRotationMatrix2D(center=center, angle=angle, scale=1)
rotated_image = cv2.warpAffine(src=img, M=rotate_matrix, dsize=(width, height))
  • 找到点在新的空间中的投射 np.dot(a,b)和a.dot(b)的结果是一样的
r_mat = cv2.getRotationMatrix2D((100/2, 300/2),-30,1)
 
# points
points = np.array([[35.,  0.],
                   [175., 0.],
                   [105., 200.],
                   [105., 215.],
                  ])
# add ones
ones = np.ones(shape=(len(points), 1))
points_ones = np.hstack([points, ones])
 
# transform points
transformed_points = np.dot(r_mat, points_ones.T).T

效率问题

使用Numpy操作图像的效率问题

  • Numpy操作矩阵的效率偏低，如果使用Numpy的索引（index）遍历修改整个图像，可能需要一秒（如图像大小为720x1280x3）

Backlinks