目录
（5）鼠标事件类型 (Mouse Event Types)：
（6）鼠标事件标志 (Mouse Event Flags)：
一、opencv架构：
OpenCV（Open Source Computer Vision Library）是一个跨平台的开源计算机视觉库，它提供了一系列计算机视觉和机器学习算法。OpenCV的架构设计为模块化，这意味着它由多个共享或静态库组成，每个库负责不同的功能。
（1）OpenCV的主要模块包括：
此外，还有opencv_contrib模块，它包含了一些实验性的功能和算法，如ArUco标记检测、生物启发式视觉模型、3D重建、自定义校准模式、数据集框架、DNN目标检测、光流算法、图像散列、线描述符、优化流、相位展开、图像质量分析、RGBD处理、显著性检测、立体视觉、结构光、表面匹配、文本检测和识别、追踪API、视频稳定等。
-
core：核心模块，定义了OpenCV的基本数据结构，如多维数组
Mat，以及所有其他模块使用的基本函数，包括动态数据结构、绘图函数、数组操作相关函数、辅助功能与系统函数和宏、与OpenGL的互操作等。 -
imgproc：图像处理模块，包括线性和非线性的图像滤波、图像的几何变换、其他图像转换、直方图相关、结构分析和形状描述、运动分析和对象跟踪、特征检测、目标检测等内容。
-
calib3d：多视图几何算法，包括相机校准、立体视觉、三维重建、物体位姿估计、立体对应算法等。
-
features2d：二维特征框架，包含特征检测和描述、特征检测器、描述符提取器、描述符匹配器、通用描述符匹配器、关键点绘制函数和匹配功能绘制函数。
-
flann：快速近似最近邻搜索库，用于高维数据的快速搜索和聚类。
-
gpu：利用GPU加速的计算机视觉模块，包括各种图像处理和计算摄影算法的GPU加速版本。
-
highgui：高层GUI图形用户界面模块，包含媒体的输入输出、视频捕捉、图像和视频的编码解码、图形交互界面的接口等。
-
ml：机器学习模块，提供统计分类、回归和数据聚类等算法，包括K-近邻、支持向量机、决策树、随机森林、神经网络等。
-
objdetect：目标检测模块，包括Cascade Classification和Latent SVM等。
-
photo：计算摄影模块，包括图像修复、去噪、HDR成像、无缝克隆、非真实感渲染等。
-
stitching：图像拼接模块，包含特征点寻找和匹配图像、估计旋转、自动校准、图片歪斜、接缝估测、曝光补偿、图片混合等。
-
video：视频分析模块，包括运动估计、背景分离、对象跟踪等。
-
videoio：视频输入/输出模块，用于读取/写入视频或图像序列。
-
videostab：视频稳定模块，提供用于视频稳定的算法。
-
shape：形状匹配和距离计算模块。
（2）OpenCV的架构特点：
- 自动内存管理：OpenCV自动处理所有内存分配和释放，使用引用计数机制来管理数据结构如
Mat。 - 自动输出数据分配：大多数情况下，OpenCV函数会自动为输出数组分配或重新分配内存。
- 饱和算术：在像素值超出数据类型范围时，OpenCV使用饱和算术来避免数据溢出。
- 固定像素类型和有限的模板使用：OpenCV支持的数据类型有限，主要是为了提高编译效率和简化跨语言绑定的开发。
（3）OpenCV的应用场景：
- OpenCV被广泛应用于实时应用，如交互式艺术、地雷检测、在线地图拼接和高级机器人等。它的跨平台和多语言支持使得它可以在多种操作系统和设备上运行，包括Windows、Linux、Mac OS、iOS和Android。
二、图像输入输出模块imgcodecs:
OpenCV的imgcodecs模块是专门用于处理图像的输入和输出的模块。它提供了一系列的函数，允许用户从文件中读取图像，以及将图像数据写入文件。
a.imread：
（1）函数原型：
cv2.imread(filename, flag)（2）imread函数用于从文件中读取图像数据。如果图像读取成功，函数返回一个图像矩阵；如果失败（例如，文件不存在或格式不支持），则返回None。
（3）参数说明：
filename：要读取的图像文件的路径。flag：读取图像的方式。
（4）flag参数取值：
-
IMREAD_UNCHANGED：载入图像的原貌，包括Alpha通道。 -
IMREAD_GRAYSCALE：以灰度模式载入图像。 -
IMREAD_COLOR：以彩色模式载入图像（任何图像深度）。这是默认选项。 -
IMREAD_ANYDEPTH：载入图像的任何深度，而不仅限于8位。 -
IMREAD_ANYCOLOR：载入图像，不考虑其通道数，不论图像是彩色还是灰度图。 -
IMREAD_LOAD_GDAL：使用GDAL驱动程序载入图像，可以载入大型图像，甚至是超过内存大小的图像。 -
IMREAD_REDUCED_GRAYSCALE_2：载入图像为2级灰度。 -
IMREAD_REDUCED_COLOR_2：载入图像为2色（2x2x2颜色空间）。 -
IMREAD_REDUCED_GRAYSCALE_4：载入图像为4级灰度。 -
IMREAD_REDUCED_COLOR_4：载入图像为4色（4x4x4颜色空间）。 -
IMREAD_REDUCED_GRAYSCALE_8：载入图像为8级灰度。 -
IMREAD_REDUCED_COLOR_8：载入图像为8色（8x8x8颜色空间）。 -
IMREAD_IGNORE_ORIENTATION：忽略图像的EXIF方向标签。
OpenCV的imread函数支持多种图像格式，这主要取决于OpenCV在编译时所包含的编解码器。
|
（5）读取是否为空判断：
image = cv2.imread('path/to/your/image.jpg')
# 判断图像是否为空
if image is None:
print("图像读取失败，请检查路径是否正确")
else:
print("图像读取成功")（6）imread读取含中文的文件路径：
方法一：使用cv2.imdecode函数和numpy来读取图像数据。首先，你需要将图像文件作为字节数组读取，然后使用imdecode来从字节数组中解码图像。
import cv2
import numpy as np
# 假设文件路径包含中文
image_path = 'C:\\Users\\86173\\Desktop\\TI\\Q版阿离.png'
# 以二进制模式打开文件并读取数据
with open(image_path, 'rb') as file:
image_data = file.read()
# 将字节数据转换为numpy数组
image_data_np = np.frombuffer(image_data, dtype=np.uint8)
# 使用imdecode读取图像
image = cv2.imdecode(image_data_np, cv2.IMREAD_COLOR)
# 检查图像是否读取成功
if image is not None:
cv2.imshow('Image', image)
cv2.waitKey(0)
cv2.destroyAllWindows()
else:
print("图像读取失败")
方法二：如果你不想打开文件来读取数据，可以直接使用np.fromfile来读取整个文件。
import cv2
import numpy as np
# 假设文件路径包含中文
image_path = 'C:\\Users\\86173\\Desktop\\TI\\Q版阿离.png'
# 使用numpy直接从文件读取数据
image_data_np = np.fromfile(image_path, dtype=np.uint8)
# 使用imdecode读取图像
image = cv2.imdecode(image_data_np, cv2.IMREAD_COLOR)
# 检查图像是否读取成功
if image is not None:
cv2.imshow('Image', image)
cv2.waitKey(0)
cv2.destroyAllWindows()
else:
print("图像读取失败")运行结果：
（7）读取图片信息：
image.shape：这是一个元组，包含图像的高度、宽度和通道数。例如，对于一个RGB图像，深度（通道数）通常是3。
import cv2
import numpy as np
# 读取图像
image_path = 'C:\\Users\\86173\\Desktop\\TI\\image\\faves.png' # 替换为你的图像路径
image = cv2.imread(image_path)
# 检查图像是否正确读取
if image is not None:
# 图像尺寸
height, width = image.shape[:2]
print(f"Image Height: {height} pixels")
print(f"Image Width: {width} pixels")
# 图像深度（通道数）
channels = len(image.shape) # 对于灰度图像，shape只有两个维度，所以需要特殊处理
if channels == 2:
depth = 1 # 灰度图像
else:
depth = image.shape[2] # 彩色图像
print(f"Image Depth (Channels): {depth}")
# 图像类型（数据类型）
data_type = image.dtype
print(f"Data Type: {data_type}")
# 像素值
# 例如，获取图像左上角的像素值
pixel_value = image[0, 0]
print(f"Pixel value at (0, 0): {pixel_value}")
# 显示图像
cv2.imshow('Image', image)
cv2.waitKey(0)
cv2.destroyAllWindows()
else:
print("Error: Image not found or unable to read.")
(8)代码示例：
import cv2
import numpy as np
# 读取彩色图像
color_image = cv2.imread('C:\\Users\\86173\\Desktop\\TI\\faves.png',cv2.IMREAD_COLOR)
cv2.imshow('color_image',color_image)
# 等待键盘事件
cv2.waitKey(0)
# 关闭所有OpenCV窗口
cv2.destroyAllWindows()
b. imwrite：
（1）函数原型：
cv2.imwrite(filename, img, params)（2）imwrite函数用于将图像数据写入文件。它根据文件扩展名自动选择正确的编码器。
（3）参数说明：
filename：要写入的图像文件的路径。img：要写入的图像矩阵。params：一个可选的参数列表，用于指定编码参数，如JPEG质量。
（4）params参数取值：
IMWRITE_JPEG_QUALITY：设置JPEG图像的质量（取值范围从0到100）。IMWRITE_JPEG_PROGRESSIVE：如果设置为非零值，图像将以渐进式JPEG格式保存。IMWRITE_JPEG_OPTIMIZE：如果设置为非零值，图像将以优化的格式保存。IMWRITE_JPEG_RST_INTERVAL：设置JPEG图像的重新启动间隔。IMWRITE_JPEG_LUMA_QUALITY：设置JPEG图像的亮度（Luma）质量。IMWRITE_JPEG_CHROMA_QUALITY：设置JPEG图像的色度（Chroma）质量。IMWRITE_JPEG_SAMPLING_FACTOR：设置JPEG图像的采样因子。IMWRITE_PNG_COMPRESSION：设置PNG图像的压缩级别。IMWRITE_PNG_STRATEGY：设置PNG图像的压缩策略。IMWRITE_PNG_BILEVEL：如果设置为非零值，图像将以二值PNG格式保存。IMWRITE_PXM_BINARY：如果设置为非零值，PXM格式的图像将以二进制格式保存。IMWRITE_EXR_TYPE：设置EXR图像的数据类型。IMWRITE_EXR_COMPRESSION：设置EXR图像的压缩类型。IMWRITE_EXR_DWA_COMPRESSION_LEVEL：设置使用DWA压缩的EXR图像的压缩级别。IMWRITE_WEBP_QUALITY：设置WebP图像的质量。IMWRITE_HDR_COMPRESSION：设置HDR图像的压缩类型。IMWRITE_PAM_TUPLETYPE：设置PAM格式的图像的元组类型。IMWRITE_TIFF_RESUNIT：设置TIFF图像的分辨率单位。IMWRITE_TIFF_XDPI：设置TIFF图像的X方向上的DPI。IMWRITE_TIFF_YDPI：设置TIFF图像的Y方向上的DPI。IMWRITE_TIFF_COMPRESSION：设置TIFF图像的压缩类型。IMWRITE_TIFF_ROWSPERSTRIP：设置TIFF图像的每一条带的行数。IMWRITE_TIFF_PREDICTOR：设置TIFF图像的预测器方案。IMWRITE_JPEG2000_COMPRESSION_X1000：设置JPEG2000图像的压缩率（乘以1000）。IMWRITE_AVIF_QUALITY：设置AVIF图像的质量。IMWRITE_AVIF_DEPTH：设置AVIF图像的位深度。IMWRITE_AVIF_SPEED：设置AVIF图像的编码速度。
（5）默认设置：
当使用 cv2.imwrite 函数保存图像时，如果 params 参数不被提供或者是一个空列表（[]），那么OpenCV将使用默认的编码参数来保存图像。
对于不同的图像格式，OpenCV有以下默认设置：
-
JPEG：默认质量通常是95，这意味着图像将以中等质量进行压缩。JPEG是一种有损压缩格式，所以图像质量会根据压缩质量而有所不同。
-
PNG：PNG是一种无损压缩格式，通常默认的压缩级别是OpenCV认为最合适的，通常是压缩率和图像大小之间的平衡。
-
BMP：位图格式通常不进行压缩，或者使用非常基本的压缩，所以没有太多默认参数。
-
TIFF：默认情况下可能会使用无损压缩，但是具体的参数取决于OpenCV的配置和编译时的设置。
（6）代码示例：
import cv2
import numpy as np
# 读取彩色图像
color_image = cv2.imread('C:\\Users\\86173\\Desktop\\TI\\faves.png',cv2.IMREAD_COLOR)
# 设置JPEG质量参数
params = [cv2.IMWRITE_JPEG_QUALITY, 90] # 注意这里是列表
cv2.imwrite('C:\\Users\\86173\\Desktop\\TI\\image\\faves.png',color_image,params)
cv2.imshow('color_image',color_image)
# 等待键盘事件
cv2.waitKey(0)
# 关闭所有OpenCV窗口
cv2.destroyAllWindows()
三、opencv界面编程：
opencv支持有限的界面编程，主要针对窗口，控件和鼠标事件等，比如滑块。
（1）创建窗口：
- 使用
cv2.namedWindow()函数来创建一个显示图像的窗口。 - 函数原型：
cv2.namedWindow(winname, flags)- 参数说明：
- winname：窗口的名称，这个名称在调用
cv2.imshow()时用来引用窗口。 - flags：窗口的属性，可以是以下值之一：
WINDOW_NORMAL：创建一个可以通过用户交互改变大小的窗口。WINDOW_AUTOSIZE：创建一个大小自动适应其内容的窗口。这是cv2.namedWindow()的默认标志。-
WINDOW_OPENGL：创建一个使用 OpenGL 的窗口。这允许使用硬件加速的图形渲染。 -
WINDOW_FULLSCREEN：创建一个全屏显示的窗口。 -
WINDOW_FREERATIO：当与WINDOW_NORMAL一起使用时，允许窗口在保持图像宽高比的同时改变大小。 -
WINDOW_KEEPRATIO：当窗口大小发生变化时，保持图像的宽高比。 -
WINDOW_GUI_EXPANDED：创建一个初始时展开的 GUI 窗口。 -
WINDOW_GUI_NORMAL：创建一个初始时未展开的 GUI 窗口。 -
WindowFlags：这是一个类型别名，表示窗口标志的整数类型。
（2）显示图像：
- 使用
cv2.imshow()函数在创建的窗口中显示图像。
img = cv2.imread('image.jpg')
cv2.imshow('Window Name', img)（3）添加滑块：
- 可以为窗口添加滑块（trackbars），以便可以动态调整参数。使用
cv2.createTrackbar()函数来创建滑块。
cv2.createTrackbar('Threshold', 'Window Name', 0, 255, lambda x: None)（4）处理鼠标事件：
- 通过设置鼠标回调函数来处理鼠标事件。使用
cv2.setMouseCallback()函数来设置回调。
def mouse_callback(event, x, y, flags, param):
if event == cv2.EVENT_LBUTTONDOWN:
print(f'Mouse clicked at ({x}, {y})')
cv2.setMouseCallback('Window Name', mouse_callback)（5）等待用户输入
- 使用
cv2.waitKey()函数来等待用户的按键操作，这对于交互式应用程序非常有用。
cv2.waitKey(0)
- 当
cv2.waitKey(0)中的值不为0时，例如cv2.waitKey(1000)代表图片显示一秒后关闭。
（6）销毁窗口
- 当程序结束时，使用
cv2.destroyAllWindows()来关闭所有OpenCV创建的窗口。
cv2.destroyAllWindows()四、单窗口显示多图片：
在单个窗口中显示多张图片可以提高工作效率，优化屏幕空间利用，增强图像比较和分析的便捷性，同时提供更简洁和直观的用户交互体验。
（1）np.hstack() 函数：
np.hstack()函数的全称是 "horizontal stack"，意为水平堆叠。这个函数用于将多个数组水平（即沿着第二轴，也就是宽度轴）拼接在一起。
（2）函数原型：
numpy.hstack(tup)（3）参数：
- tup : tuple 或者 ndarray
- 这是一个元组或数组的序列，它们将被水平地（沿着第二个轴）拼接起来。这些数组必须具有相同的第一个维度（即它们的高度或者说行数必须相同）。
（4）作用：
np.hstack()将多个一维或二维数组水平地拼接在一起。对于一维数组，它相当于将数组端对端地连接起来。对于二维数组，它会将数组的列对齐并拼接，前提是这些数组的高度（行数）相同。- 该函数常用于图像处理中，将多张图片拼接成一张长条形的图片，例如创建图片画廊的预览。
（5）返回值：
- 函数返回一个新的数组，它是输入数组水平拼接后的结果。
（6）示例：
import numpy as np
# 假设有两个一维数组
a = np.array([1, 2, 3])
b = np.array([4, 5, 6])
# 水平堆叠
c = np.hstack((a, b))
print(c) # 输出: [1 2 3 4 5 6]a和b是两个一维数组，np.hstack()将它们水平地拼接成一个新的一维数组c。
（7）注意事项：
- 如果输入的数组是二维或更高维度的，那么所有数组的行数（第一个维度）必须相同，否则函数会抛出一个异常。
- 当拼接的数组维度超过2维时，
np.hstack()会按照第二个轴（axis=1）进行拼接。 - 如果需要在不同的轴上拼接，可以使用
np.concatenate()函数，并指定axis参数。 - 这个函数是 NumPy 库中处理数组拼接的众多函数之一，其他类似的函数还包括
np.vstack()（垂直堆叠）、np.dstack()（深度堆叠）等。
（8）单窗口显示多图片：
方式一：
import cv2
import numpy as np
# C:\\Users\\86173\\Desktop\\TI\\image\\faves.png
def opecv_muti_pic():
# 读取三张要显示的图像
image1 = cv2.imread('C:\\Users\\86173\\Desktop\\TI\\image\\blue_channel.jpg')
image2 = cv2.imread('C:\\Users\\86173\\Desktop\\TI\\image\\faves.png')
image3 = cv2.imread('C:\\Users\\86173\\Desktop\\TI\\image\\green_channel.jpg')
images =np.hstack([image1,image2,image3])
# 创建窗口
cv2.namedWindow('Multiple Images', cv2.WINDOW_NORMAL)
# 显示合成的图像
cv2.imshow('Multiple Images', images)
# 等待用户按键
cv2.waitKey(0)
# 销毁所有窗口
cv2.destroyAllWindows()
opecv_muti_pic()方式二：
import cv2 # 导入OpenCV库，用于图像处理和显示
import numpy as np # 导入NumPy库，用于数值计算和数组操作
def opencv_multi_pic(): # 定义一个函数，用于在OpenCV中显示多张图片
# 定义一个包含图像路径的列表
image_paths = [
'C:\\Users\\86173\\Desktop\\TI\\image\\blue_channel.jpg',
'C:\\Users\\86173\\Desktop\\TI\\image\\faves.png',
'C:\\Users\\86173\\Desktop\\TI\\image\\green_channel.jpg'
]
images = [] # 创建一个空列表，用于存储加载的图像
# 遍历图像路径列表，加载每张图像
for path in image_paths:
image = cv2.imread(path) # 使用cv2.imread()函数读取图像
if image is None: # 检查图像是否成功加载
print(f"Error: Unable to load image at {path}") # 如果图像未加载，打印错误信息
return # 退出函数
images.append(image) # 将加载的图像添加到images列表中
# 检查所有图像的高度是否相同
height = images[0].shape[0] # 获取第一张图像的高度
for img in images: # 遍历所有图像
if img.shape[0] != height: # 如果某张图像的高度与第一张图像的高度不同
print("Error: Images do not have the same height.") # 打印错误信息
return # 退出函数
# 使用np.hstack()函数将所有图像水平堆叠在一起
images_hstack = np.hstack(images)
# 使用cv2.namedWindow()函数创建一个名为'Multiple Images'的窗口
cv2.namedWindow('Multiple Images', cv2.WINDOW_NORMAL)
# 使用cv2.imshow()函数在'Multiple Images'窗口中显示合成的图像
cv2.imshow('Multiple Images', images_hstack)
# 使用cv2.waitKey()函数等待用户按键，参数0表示无限等待
cv2.waitKey(0)
# 使用cv2.destroyAllWindows()函数销毁所有OpenCV创建的窗口
cv2.destroyAllWindows()
# 调用函数，执行显示多图片的操作
opencv_multi_pic()运行结果：
五、销毁窗口：
在OpenCV中，销毁窗口的函数是 cv2.destroyAllWindows()，它用于关闭所有由OpenCV创建的窗口。这个函数没有参数，它会关闭你在程序中打开的所有窗口。以下是该函数的详细说明：
（1）函数原型：
cv2.destroyAllWindows()（2）参数：
- 无参数。
（3)作用:
- 关闭所有由OpenCV创建的窗口。
- 通常在程序结束时调用，以确保程序退出时不会留下任何悬挂的窗口。
（4）返回值:
- 无返回值。
（5）示例:
import cv2
# 显示一张图像
cv2.imshow('Image', image)
# 等待用户按键
cv2.waitKey(0)
# 销毁所有窗口
cv2.destroyAllWindows()- 显示了一张图像，然后等待用户按键，最后调用
cv2.destroyAllWindows()来关闭所有窗口。
（6）注意事项:
- 如果你只想关闭特定的窗口，可以使用
cv2.destroyWindow()函数，并传递窗口的名称作为参数。 - 在调用
cv2.waitKey()函数后，通常需要调用cv2.destroyAllWindows()或cv2.destroyWindow()来关闭窗口，否则窗口可能会保持打开状态，即使程序已经结束。
（7）销毁特定窗口的函数原型:
- 如果只想销毁一个特定的窗口，而不是所有窗口，可以使用
cv2.destroyWindow()函数：
cv2.destroyWindow(winname)（8）参数：
- winname : str
- 要销毁的窗口的名称。
（9）作用:
- 关闭一个指定名称的窗口。
（10）返回值:
- 无返回值。
（11）示例:
import cv2
# 创建并显示图像
cv2.namedWindow('My Window', cv2.WINDOW_NORMAL)
cv2.imshow('My Window', image)
# 等待用户按键
cv2.waitKey(0)
# 销毁特定的窗口
cv2.destroyWindow('My Window')- 创建了一个名为 'My Window' 的窗口，并在其中显示了一张图像。然后等待用户按键，最后调用
cv2.destroyWindow()来关闭这个特定的窗口。
六、鼠标事件：
在OpenCV中，处理鼠标事件通常涉及到设置一个鼠标回调函数。这个回调函数会在鼠标事件发生时被调用。
（1）函数原型：
cv2.setMouseCallback(windowName, onm ouse, userdata=None)（2）参数：
-
windowName : str
- 窗口的名称。这个名称是在创建窗口时通过
cv2.namedWindow()函数指定的。
- 窗口的名称。这个名称是在创建窗口时通过
-
onMouse : function
- 鼠标回调函数。这是一个自定义函数，当鼠标事件发生时会被调用。该函数的原型通常是：
def onm ouse(event, x, y, flags, param): # event: 鼠标事件类型，如鼠标按下、释放、移动等。 # x, y: 鼠标事件相对于窗口的位置坐标。 # flags: 鼠标事件的标志，如是否按下了左键、右键等。 # param: 传递给回调函数的可选参数。
- 鼠标回调函数。这是一个自定义函数，当鼠标事件发生时会被调用。该函数的原型通常是：
-
userdata : optional
- 可选参数，可以传递任何需要的数据给回调函数。这在回调函数中作为参数
param接收。
- 可选参数，可以传递任何需要的数据给回调函数。这在回调函数中作为参数
（3）作用：
cv2.setMouseCallback()函数用于为指定的窗口设置一个鼠标事件回调函数。- 当用户在窗口中进行鼠标操作（如点击、拖动等）时，会触发回调函数的执行。
（4）返回值：
- 无返回值。
（5）鼠标事件类型 (Mouse Event Types)：
EVENT_MOUSEMOVE: 鼠标移动事件。EVENT_LBUTTONDOWN: 鼠标左键按下事件。EVENT_RBUTTONDOWN: 鼠标右键按下事件。EVENT_MBUTTONDOWN: 鼠标中键按下事件。EVENT_LBUTTONUP: 鼠标左键释放事件。EVENT_RBUTTONUP: 鼠标右键释放事件。EVENT_MBUTTONUP: 鼠标中键释放事件。EVENT_LBUTTONDBLCLK: 鼠标左键双击事件。EVENT_RBUTTONDBLCLK: 鼠标右键双击事件。EVENT_MBUTTONDBLCLK: 鼠标中键双击事件。EVENT_MOUSEWHEEL: 鼠标滚轮向上或向下滚动事件。EVENT_MOUSEHWHEEL: 鼠标滚轮向左或向右滚动事件。
（6）鼠标事件标志 (Mouse Event Flags)：
EVENT_FLAG_LBUTTON: 鼠标左键按下的标志。EVENT_FLAG_RBUTTON: 鼠标右键按下的标志。EVENT_FLAG_MBUTTON: 鼠标中键按下的标志。EVENT_FLAG_CTRLKEY: 控制键（Ctrl）被按下的标志。EVENT_FLAG_SHIFTKEY: Shift 键被按下的标志。EVENT_FLAG_ALTKEY: Alt 键被按下的标志。
（7）回调函数代码示例：
- 定义一个鼠标回调函数，并在用户点击或移动鼠标时执行操作。
import cv2
import numpy as np
# 定义鼠标回调函数
def mouse_callback(event, x, y, flags, param):
# 获取图像的引用
image = param
# 根据鼠标事件类型执行不同的操作
if event == cv2.EVENT_LBUTTONDOWN:
# 鼠标左键按下，打印坐标并绘制一个圆圈
print(f"Left button clicked at ({x}, {y})")
cv2.circle(image, (x, y), 5, (0, 255, 0), -1)
cv2.imshow('Image', image) # 更新窗口
elif event == cv2.EVENT_RBUTTONDOWN:
# 鼠标右键按下，打印坐标并绘制一个矩形
print(f"Right button clicked at ({x}, {y})")
cv2.rectangle(image, (x, y), (x+50, y+50), (255, 0, 0), 1)
cv2.imshow('Image', image) # 更新窗口
elif event == cv2.EVENT_MOUSEMOVE:
# 鼠标移动，如果左键或右键按下，则绘制线条
if flags == cv2.EVENT_FLAG_LBUTTON:
cv2.line(image, (x, y), (x, y+20), (0, 255, 0), 1)
cv2.imshow('Image', image) # 更新窗口
elif flags == cv2.EVENT_FLAG_RBUTTON:
cv2.line(image, (x, y), (x+20, y), (255, 0, 0), 1)
cv2.imshow('Image', image) # 更新窗口
# 读取图像
image = cv2.imread('C:\\Users\\86173\\Desktop\\TI\\image\\faves.png')
# 检查图像是否成功加载
if image is None:
print("Error: Unable to load image.")
exit()
# 创建窗口
cv2.namedWindow('Image')
# 将图像作为参数传递给回调函数
cv2.setMouseCallback('Image', mouse_callback, image)
# 显示图像
cv2.imshow('Image', image)
# 等待用户按键
cv2.waitKey(0)
cv2.destroyAllWindows()
七、键盘事件：
在OpenCV中，cv2.waitKey() 函数用于处理键盘事件。这个函数会等待用户的按键动作，并根据按下的键返回相应的ASCII码。这个函数通常用于在显示图像时，让用户通过按键来控制程序的流程，比如退出程序或进行下一步操作。
（1）函数原型：
delay = cv2.waitKey(delay)（2）参数：
- delay : int
- 等待按键的时间，以毫秒为单位。如果参数为0，则无限期等待用户的按键；如果是正数，函数会等待指定的毫秒数，如果在这个时间内没有按键动作，函数会返回-1。
（3）作用：
cv2.waitKey()函数用于捕捉键盘输入。在图像显示窗口中，用户可以通过按键来触发特定的事件或命令。- 这个函数通常用在图像处理程序中，以便在显示图像后等待用户响应，例如按“q”键退出程序。
（4）返回值：
- 函数返回用户按下键的ASCII码。如果等待时间结束而没有按键被按下，返回-1。
（5）示例：
import cv2
# 读取图像
image = cv2.imread('path_to_image.jpg')
# 创建窗口
cv2.namedWindow('Image Display')
# 显示图像
cv2.imshow('Image Display', image)
# 等待用户按键，参数0表示无限等待
key = cv2.waitKey(0)
# 根据用户按键执行操作
if key == ord('q') or key == 27: # 按'q'键或ESC键退出
cv2.destroyAllWindows()
# 如果需要在指定时间内没有按键则继续执行，可以设置一个延迟
# 例如，等待5秒，如果5秒内没有按键则继续
key = cv2.waitKey(5000) # 等待5000毫秒
if key == -1:
print("No key pressed, continuing...")
# 继续执行其他操作- 首先显示了一张图像，并使用
cv2.waitKey(0)无限期等待用户的按键。如果用户按下了“q”键或ESC键（ASCII码为27），程序会销毁所有窗口并退出。如果设置了延迟（例如5000毫秒），在这段时间内如果没有按键动作，程序会继续执行。
（6）注意事项：
- 在不同的操作系统中，某些特殊按键（如功能键、方向键等）可能不会返回预期的ASCII码，或者需要特定的处理。
- 在使用
cv2.waitKey()时，确保在程序开始时已经创建了窗口，否则按键事件可能无法正确捕捉。
八、滑动条事件：
在OpenCV中，滑动条（trackbar）通常用于提供一个用户界面元素，允许用户通过拖动滑块来动态调整参数。OpenCV提供了创建滑动条的函数，并且可以为滑动条设置回调函数，以便在滑块位置改变时执行特定的操作。
（1）创建滑动条函数原型：
cv2.createTrackbar(trackbarname, winname, value, count, onChange)（2）参数：
-
trackbarname : str
- 滑动条的名称。
-
winname : str
- 滑动条所属窗口的名称。
-
value : int
- 滑动条的初始位置。
-
count : int
- 滑动条的最大值。
-
onChange : function
- 滑动条位置改变时的回调函数。这个函数必须接受两个参数：滑动条的位置和一个用户定义的数据（通过
cv2.setTrackbarPos函数设置）。
- 滑动条位置改变时的回调函数。这个函数必须接受两个参数：滑动条的位置和一个用户定义的数据（通过
（3）作用：
- 创建一个滑动条，并将其与一个窗口关联。
- 当用户移动滑动条时，如果提供了回调函数，将调用该函数。
（4）回调函数原型：
- 回调函数通常具有以下形式：
def onChange(trackbarValue, userdata):
# 滑动条的新位置是 trackbarValue
# 用户数据是 userdata
pass（5）示例：
示例一：
import cv2
# 回调函数，当滑动条改变时调用
def on_trackbar_change(value, userdata=None):
print(f"Trackbar value: {value}")
# 创建窗口
cv2.namedWindow('Trackbar Example')
# 创建滑动条
cv2.createTrackbar('My Trackbar', 'Trackbar Example', 0, 100, on_trackbar_change)
# 显示图像（可以是任何图像，这里只是一个示例）
image = cv2.imread('path_to_image.jpg')
cv2.imshow('Trackbar Example', image)
# 等待用户按键
cv2.waitKey(0)
cv2.destroyAllWindows()
- 在这个示例中，创建了一个名为 'Trackbar Example' 的窗口和一个名为 'My Trackbar' 的滑动条。滑动条的回调函数是
on_trackbar_change，它将在滑动条的位置改变时被调用。在这个简单的回调函数中，只是打印了滑动条的新位置。
示例二：
import cv2
import numpy as np
# C:\\Users\\86173\\Desktop\\TI\\image\\faves.png
# 回调函数，当滑动条改变时调用
def on_trackbar_change(value):
# 使用滑动条的值作为阈值进行二值化
_, binary_image = cv2.threshold(gray_image, value, 255, cv2.THRESH_BINARY)
# 显示二值化后的图像
cv2.imshow('Binary Image', binary_image)
# 读取图像并转换为灰度图
image = cv2.imread('C:\\Users\\86173\\Desktop\\TI\\image\\faves.png')
gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
# 创建窗口
cv2.namedWindow('Original Image')
cv2.namedWindow('Binary Image')
# 显示原始图像
cv2.imshow('Original Image', image)
# 创建滑动条，并将回调函数绑定到滑动条
cv2.createTrackbar('Threshold', 'Binary Image', 0, 255, on_trackbar_change)
# 调用回调函数以初始化二值化图像的显示
on_trackbar_change(0)
# 等待用户按键
cv2.waitKey(0)
cv2.destroyAllWindows()
- 首先定义一个回调函数
on_trackbar_change，它使用滑动条的值作为阈值来对灰度图像进行二值化处理。然后，读取一张图像，并将其转换为灰度图像。接着，创建两个窗口，一个用于显示原始图像，另一个用于显示二值化后的图像。
（6）注意事项：
- 回调函数在滑动条位置改变时被调用，这可能会导致性能问题，尤其是在处理图像或视频流时。为了避免性能问题，可以在回调函数中只执行必要的操作。
cv2.createTrackbar函数创建的滑动条是全局的，这意味着它们可以在程序的任何部分被访问和修改。- 用户数据（
userdata）是一个可选参数，可以用来传递额外的信息给回调函数，这在编写复杂的图像处理程序时非常有用。