项目开源，地址：https://gitee.com/zccbbg/opencv_study
文章目录
- 图像处理简介
- 灰度图像
- 二值图像
- 彩色图
- opencv 介绍
- 图像基础操作
- 图像读取与显示
- 绘制几何图形
- 图像的属性
- 其他操作
- 算数操作
- 加法
- 混合
- 图像色彩空间转换
图像处理简介
灰度图像
● 灰度图像是由灰度级组成的图像，每个像素的灰度级表示图像中的亮度。通常，灰度级在0到255之间，其中0表示黑色，255表示白色。
● 在灰度图像中，每个像素都有一个单一的数值，表示该像素的亮度。因此，灰度图像是单通道图像。
二值图像
不是黑就是白
二值图像是一种特殊的灰度图像，其中每个像素只能取两个值，通常是0或1。这两个值通常分别代表黑色和白色，或者表示某种特定的目标和背景。
彩色图
彩色图像是一种图像表示方式，它包含了多个颜色通道的信息，相对于灰度图像而言，彩色图像能够更真实地表达物体的颜色。彩色图像通常用于涉及色彩信息的图像处理、计算机视觉和图形学等领域。
常见的彩色图像有三种基本颜色通道，即红色（R，代表Red）、绿色（G，代表Green）、蓝色（B，代表Blue），这种颜色模型被称为RGB颜色模型。在RGB颜色模型中，每个像素由这三个颜色通道的数值组成，形成一个三维的颜色空间。通过不同的组合，可以生成各种颜色。
除了RGB颜色模型，还有其他颜色模型，如CMYK（青、品红、黄、黑）用于印刷领域，HSV（色调、饱和度、明度）用于颜色的直观表示等。
彩色图像相对于灰度图像具有更丰富的信息，可以提供更多关于场景的细节，这对于许多应用是至关重要的。在计算机视觉任务中，彩色信息通常用于物体识别、图像分割等，而在图形学中，彩色图像则用于渲染真实感图像。
opencv 介绍
OpenCV（Open Source Computer Vision Library）是一个开源的计算机视觉库，提供了许多用于图像处理和计算机视觉的功能和工具。以下是一些常见的OpenCV模块：
- Core 模块（core）：提供基本的数据结构、算法和功能，如图像的读取、写入、操作等。
- Imgproc 模块（imgproc）：包含图像处理函数，如图像平滑、边缘检测、图像变换等。
- HighGUI 模块（highgui）：用于创建简单的用户界面，包括图像显示窗口、滑动条等。
- Video 模块（video）：包含视频处理相关的功能，如视频捕捉、视频编解码等。
- Calib3d 模块（calib3d）：用于相机标定、三维重建和相机姿态估计等计算机视觉任务。
- Features2d 模块（features2d）：提供了特征检测和描述子提取的函数，如SIFT、SURF、ORB等。
- Objdetect 模块（objdetect）：包含用于目标检测的功能，如Haar级联分类器。
- Videoio 模块（videoio）：用于读写视频文件和摄像头数据的功能。
- ML 模块（ml）：提供机器学习相关的功能，包括支持向量机（SVM）和k最近邻（k-NN）等。
- Flann 模块（flann）：用于快速最近邻搜索的库。
- Dnn 模块（dnn）：包含深度学习模型的功能，可以用于加载和运行深度学习模型。
- Photo 模块（photo）：提供了一些图像编辑和修复的工具，如色彩校正和图像修复。
- Stitching 模块（stitching）：用于图像拼接和全景图像创建的功能。
- Shape 模块（shape）：包含形状分析和匹配的函数。
图像基础操作
图像读取与显示
import cv2 as cv
# 以灰度图的形式读取图像
img = cv.imread('../images/test.jpg',0)
cv.imshow('img',img)
cv.waitKey(0)
cv.destroyAllWindows()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
绘制几何图形
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
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()图像的属性
其他操作
直接使用行列索引获取图像中的像素并进行修改
拆分通道：cv.split()
通道合并：cv.merge()
色彩空间的改变： cv.cvtColor(input_image，flag)
算数操作
加法
你可以使用OpenCV的cv.add()函数把两幅图像相加，或者可以简单地通过numpy操作添加两个图像，如res = img1 + img2。两个图像应该具有相同的大小和类型，或者第二个图像可以是标量值。
注意：OpenCV加法和Numpy加法之间存在差异。OpenCV的加法是饱和操作，而Numpy添加是模运算。
注意：这里都要求两幅图像是相同大小的。
参考以下代码：
>>> x = np.uint8([250])
>>> y = np.uint8([10])
>>> print( cv.add(x,y) ) # 250+10 = 260 => 255
[[255]]
>>> print( x+y ) # 250+10 = 260 % 256 = 4
[4]混合
将两幅图像按照不同的比例进行混合
注意：这里都要求两幅图像是相同大小的。
import numpy as np
import cv2 as cv
import matplotlib.pyplot as plt
# 1 读取图像
img1 = cv.imread("view.jpg")
img2 = cv.imread("rain.jpg")
# 2 图像混合
img3 = cv.addWeighted(img1,0.7,img2,0.3,0)
# 3 图像显示
plt.figure(figsize=(8,8))
plt.imshow(img3[:,:,::-1])
plt.show()图像色彩空间转换
cvtColor()函数是opencv里的颜色空间转换函数，可以实现RGB颜色向HSV，HSI等颜色空间的转换，也可以转换成灰度图像。
HSV颜色模型
HSV(Hue, Saturation, Value)是根据颜色的直观特性由A. R. Smith在1978年创建的一种颜色空间, 也称六角锥体模型(Hexcone Model)。
这个模型中颜色的参数分别是：色调（H），饱和度（S），亮度（V）。
色调H：用角度度量，取值范围为0°～360°，从红色开始按逆时针方向计算，红色为0°，绿色为120°,蓝色为240°。它们的补色是：黄色为60°，青色为180°,品红为300°；
饱和度S：取值范围为0.0～1.0；
亮度V：取值范围为0.0(黑色)～1.0(白色)。
def color_space_demo():
image = cv.imread("../images/test.jpg")
gray = cv.cvtColor(image,cv.COLOR_BGR2GRAY) #将加载的彩色图像转换为灰度图像
hsv = cv.cvtColor(image,cv.COLOR_BGR2HSV) #将加载的彩色图像转换为HSV颜色空间
cv.imshow("gray",gray)
cv.imshow("hsv",hsv)
cv.waitKey(0)
cv.destroyAllWindows()
if __name__ == '__main__':
color_space_demo()