【OpenCV】学习笔记1-图像基础知识以及OpenCV基本操作

什么是数字图像？

我们可以用一个二维函数$f(x,y)$来定义一张图像，其中$(x,y)$是空间坐标，任意一对空间坐标$(x,y)$处的幅值$f$称为图像在该点的强度或灰度。特别地，当$x,y$和灰度值$f$都是有限的离散值时，我们称该图像为数字图像。

比特平面

数字图像中每一个像素点的灰度值通常用8bits来存储，所以一共有256个灰度级。需要注意的是，我们一般用无符号八位整型来存储灰度值，在numpy中的数据类型为uint8，无符号数的最高位不代表符号，一个n位的无符号数的表示范围为 0∼2????−1 ，为了更好地理解无符号数，我们需要知道什么是有符号数，这里介绍两种有符号数的表示方式：

a) 原码

在机器中，数的正负号是无法识别的，我们一般规定“0”代表正数，“1”代表负数，并约定二进制数的最高位为符号数，即将符号位放在有效数字的前面组成有符号数。原码就是一种有符号数的表示方式，原码的最高位为符号位，n位的原码表示范围为 −2????−1+1∼2????−1−1 ，例如8位的原码表示范围为 −127∼127 ，0110 0011表示99，1110 0011表示-99。

b) 补码

计算机中有符号数大多都是以补码的形式存储，因为原码不好做减法，而补码做减法却很方便。一个n位的补码表示范围为 −2????−1∼2????−1−1 ，补码的最高位同样为符号位，正的补码与原码相同，对于负数来说，我们先用原码表示除这个负数，然后对符号位外的每位取反，最后加1就可以得到该数的补码。例如补码的0110 0011同样表示99，要表示-99我们需要先写出-99的原码，即1110 0011，除符号位之外每位取反：1001 1100，最后加1: 1001 1101就是-99的补码。

颜色组成

• 彩色图

我们通常用R（红）、G（绿）、B（蓝）三个通道来表示一张彩色图像，也就是说，一张彩色图像由三个函数$R(x,y)$、$G(x,y)$和$B(x,y)$组成。如果每个通道的灰度值用8bits来存储，那一张彩色图像总共可以表示$2^{8+8+8}=16777216 $种颜色，这就是经常所说的“24位真彩色” 。

• 灰度图

彩色图像是由R、G、B三通道组成的图片，灰度图（如图(a)）就是单通道图片。彩色图像可以通过著名的心理学公式转换为灰度图：

$$Gray=0.299\times R+0.587\times G+0.114\times B$$

OpenCV基本操作

1.读取图片

import cv2
import numpy as np
img = cv2.imread('images/doge.png') 
img.shape  
#输出结果：(446, 1678, 3)

默认是彩色图片，图片路径中不能包含中文，读出的数据结构是numpy数组。446是三维数组的第一个维度，对应图片的高；1678是三维数组的第二个维度，对应图片的宽；3对应图片的通道数，这里是彩色图片所以为3。其中读取方式还有以下两种：

gray = cv2.imread('images/doge.png', 0)  # 第二个参数为0读取为灰度图片,
gray.shape#输出结果(446, 1678)

2.显示图片

• cv2.imshow(‘窗口名’,‘numpy数组’)

cv2.imshow('origin', img)  # 显示彩色图，第一个参数是窗口名，第二个参数是图像所对应的numpy数组
cv2.imshow('gray', gray)  # 显示灰度图
cv2.waitKey(0) 
cv2.destroyAllWindows()  # 关闭窗口，默认删除所有窗口

cv2.waitKey里面的参数为等等时间，单位为毫秒，参数为0或负数为按任意键继续。

3.保存图片

• cv2.imwrite(‘文件名’, numpy数组)
  需要注意文件名要带后缀名，比如jpg，png等等。

4.灰度转换及改变通道顺序

转换为灰度图
其目的是把三通道（彩色图）转换为单通道图像（灰度图），可以通过通过著名的心理学公式转换为灰度图。对于灰度图来说，0对应黑色，255对应白色，灰度值越大对应颜色越白（亮），越小颜色越黑（暗）。

• cv2.cvtColor(img, flag)

rgb = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
cv2.imshow('origin', rgb)
cv2.waitKey(0)
cv2.destroyAllWindows()

运行结果：

可以知道，由三通道转为为单通道，按任意键即可关闭窗口。

改变通道顺序
因为历史原因，OpenCV读取和显示的图片通道顺序为B、G、R，而其他包如matplotlib和Pillow通道顺序为RGB，所以如果我们想用OpenCV读取图片再用matplotlib或Pillow显示的话，需要将BGR转化为RGB。将BGR转为RGB主要有下面两种方式：

• 使用opencv自带的方法

import matplotlib.pyplot as plt
rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)#cv2.COLOR_BGR2RGB
plt.subplot(1,2,1)
plt.imshow(rgb)
plt.subplot(1,2,2)
plt.imshow(img)

运行结果：

其左边为已经转换成RGB在利用matplotlib绘图，右边是BGR顺序，可以发现图片轮廓没有什么差别，颜色有明显的区别。
-使用numpy

# 方法一：
rgb1 = img[:, :, ::-1]  # ::-1代表倒序，BGR倒序后就为RGB
# 方法二：
rgb2 = img[:, :, [2, 1, 0]]  # 利用索引将B和R调换位置
cv2.imshow('rgb1', rgb1)
cv2.imshow('rgb2', rgb2)
cv2.waitKey(0)
cv2.destroyAllWindows()

笔者在学习时经常会对img输出的数组产生疑惑，比如哪个是通道哪个是图片的形状等等，接下来请看下面的图片:

红色方框总共有446个，下面看一个简答的例子，总的来说，里面的二维数组可以看成是3个通道的侧面积。

5.通道分离

把彩色图像分离出R、G、B3个通道，方便后续对三个通道分别进行其他的操作

• cv2.split(img)
  img:待分离通道的图像

B,G,R=cv2.split(img)
cv2.imshow('blue',B)
cv2.imshow('green',G)
cv2.imshow('red',R)
cv2.waitKey(0)
cv2.destroyAllWindows()
#思考：为什么不是蓝色、绿色、红色的三张图片

6.通道合并

通道分离修改后，把三个通道合并成彩色图像

• cv2.merge([])

B,G,R=cv2.split(img)
B[:]=0
R[:]=0
Img_merge=cv2.merge([B,G,R])
cv2.imshow('merge',Img_merge)
cv2.waitKey(0)
cv2.destroyAllWindows()

同时可以发现，如果只绘制单通道的一张图片，那么是灰度图，如果想看单通道所显示的颜色，需要把另外两个通道px赋值为0在绘制

最后

以上就是笑点低老师为你收集整理的【OpenCV】学习笔记1-图像基础知识以及OpenCV基本操作的全部内容，希望文章能够帮你解决【OpenCV】学习笔记1-图像基础知识以及OpenCV基本操作所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。