本章测试程序

OpenCV安装

1. 利用anaconda低版本Python，例如 Python 3.6.13

   Terminal

   Copy

   $conda create --name 新环境名 python=版本号

   Copy

   $conda activate 环境名 // 切换python版本

   Copy

   $conda deactivate // 退出当前Python环境，回到默认环境

   Copy

   $conda info --envs // 查看虚拟环境

   Copy

   $conda remove -n 环境名 --all // 删除虚拟环境

2. 将安装的Python添加到jupyter中， 一定要切换回基础环境，再向 jupyter 中添加内核

   Terminal

   Copy

   $conda activate python36 // 切换到新环境

   Copy

   $pip install ipykernel // 安装该版本的内核

   Copy

   $conda deactivate // 注意：一定要切换换回基础环境

   Copy

   $python -m ipykernel install --name python36 // 将新环境的内核添加到 jupyter 中

   Copy

   $jupyter kernelspec list // 查看添加的内核

   Available kernels:

   python3 D:\Program\anaconda3\share\jupyter\kernels\python3

   python36 C:\ProgramData\jupyter\kernels\python36

   Copy

   $jupyter kernelspec remove 内核名 // 移除内核

3. 在指定Python版本的环境中安装 OpenCV。 opencv-contrib-python直接用最新版，SIFT 的专利已经过期，用之前的3.4.1版本，可能有问题。opencv-python也可以直接用最新版

   Terminal

   Copy

   $pip install opencv-python opencv-contrib-python // 直接装最新的

   Copy

   $pip install opencv-python==版本号 opencv-contrib-python==版本号 // 选择版本

OpenCV 界面

# 导入 OpenCV
import cv2

# 创建窗口，
cv2.namedWindow('window',cv2.WINDOW_NORMAL)

# 更改窗口：window_autosize，设置大小无用
cv2.resizeWindow('window',width=800,height=600)

# 展示窗口、图片等
cv2.imshow('window',0)

# 等待按键
# 1. 将窗口堵塞。等带按键、并会返回按键的ASCII码
# 2. 可以设置等待的时间，单位 ms
# 3. 等待时间为 0 ，则为一直等待 
key = cv2.waitKey(0)

# ord()：获取字符的ASCII码
# key & 0xFF：将 int 类型的低字节给提去出来，因为ASCII码为一字节
if key & 0xFF == ord('q'):
    # 销毁窗口
    cv2.destroyAllWindows()

图像基本操作

图像的输入与输出

# 读取图片
cv2.imread(图片路径,flags)

# 显示图片
cv2.imshow('名字',image)

# 图片保存
cv2.imwrite(保存路径)

# 图片显示函数
def showImage(name:str,image):
    """ 显示图片的函数 """
    cv2.imshow(name,image)
    cv2.waitKey(0) 
    cv2.destroyAllWindows()

• imread的 flags
  • cv2.IMREAD_COLOR：以彩色读取
  • cv2.IMREAD_GRAYSCALE：以灰度图形式读取（黑白图片）

图片的数组本质

• 图片数据类型： 读取的图片类型为 <class 'numpy.ndarray'>，即图片其实是一个数据
  • 数组类型： uint8，一字节的无符号整数
  • 数组维度： 三维，[高度像素，宽度像素，RGB值]

[!note|style:flat]

• 由OpenCV读取的图片，其通道顺序为：B、G、R；并非一般的R、G、B
• 根据图片的数组本质，就能通过 numpy 自定义纯色图片：blackImage = np.zeros(shape=(height,width,3),dtype=np.uint8)

# 裁剪图片：将原图片的高度 100 - 200 的像素；宽度 50 - 100 的像素。提取出来
img[ 100:200,50:100,: ]

# RGB 通道的拆分：结果为：高度像素 x 宽度像素 的二维数组
b,g,r = cv2.split(img)
b = img[:,:,0]
g = img[:,:,1]
r = img[:,:,2]

# 合并多个被拆分出来的通道：将三个二维数组，组合成三维的数组
img = cv2.merge((b,g,r)) 

# 单通道图片
b = img[:,:,0]
g = img[:,:,1] * 0
r = img[:,:,2] * 0
imgB = cv2.merge((b,g,r)) 

# 纯色图片
blackImage = np.zeros(shape=(380,640,3),dtype=np.uint8)
whiteImage = np.full(shape=(10,10,4),fill_value=255,dtype=np.uint8)

修改像素尺寸

作用： 图像数据本质上就是一个「三维矩阵」，在对多个图像进行数学运算时，就需要同步矩阵维度。

# (width, height)：直接指定需要的像素值
# fx,fy：当设定(width, height)为(0,0)时，fx与fy分别表示图片两个方向上的缩放比列
cv2.resize(img, Tuple[width, height], fx, fy)
cv2.resize(img,(0,0),fx=1.5,fy=1)

视频的基本操作

视频本质

视频本质上就是由一个图片的数组加音频组合而成的文件。视频播放时，就是按照一定时间间隔依次读取图片数组中的图片并显示。这个时间间隔为帧数，即一秒钟中能显示多少张图片。

视频输入与输出

视频文件读取

import cv2
# 读取视频
video = cv2.VideoCapture('视频路径')

# 视频读取
while video.isOpened():
    # 读取一帧
    flag,frame = video.read()

    # 显示
    if flag == True:
        cv2.imshow('video',frame)

    # 控制播放速度：以 60 帧的速度进行图片显示
    if cv2.waitKey(1000 // 60) == ord('q'):
        break 

# 释放
video.release()
cv2.destroyAllWindows()

摄像头捕获

import cv2
# 调用摄像头，抓取图片。设备连接的摄像头从 0 开始编号
video = cv2.VideoCapture(0)

# 视频读取
while video.isOpened():
    
    # 读取一帧
    flag,frame = video.read()

    # 显示
    if flag == True:
        cv2.imshow('video',frame)

    # 控制播放速度：以 60 帧的速度进行图片显示
    if cv2.waitKey(1000 // 60) == ord('q'):
        break 

# 释放
video.release()

cv2.destroyAllWindows()

视频保存

import cv2
# 调用摄像头，抓取图片。设备连接的摄像头从 0 开始编号
video = cv2.VideoCapture(0)

# 视频保存格式
videoForm = cv2.VideoWriter_fourcc(*'mp4v')

# 保存视频的类，输入参数为：
# 保存路径，保存格式，保存的视频帧数，（宽度像素，高度像素） 
videoSave = cv2.VideoWriter('./asset/capture.mp4',videoForm,24,(640, 480))

# 视频读取
while video.isOpened():

    # 读取一帧
    flag,frame = video.read()

    # 是否读取成功
    if flag == True:
        # 显示
        cv2.imshow('video',frame)
        # 保存
        videoSave.write(frame)

    # 控制播放速度：以 60 帧的速度进行图片显示
    if cv2.waitKey(1000 // 24) == ord('q'):
        break 

# 释放
videoSave.release()
video.release()

cv2.destroyAllWindows()

• 帧数：视频输出的帧率由 cv2.VideoWriter 所指定，而cv2.waitKey(1000 // 24)规定的是摄像头拍照的帧数，该值的上限由摄像头所决定，硬件不行，设置多大都没用。

• 摄像头的像素：

  PYTHON

  Collapse Copy

  import cv
  # 读取视频
  video = cv2.VideoCapture(0)
  
  # 读取一帧
  flag,frame = video.read()
  
  # 查看像素
  print(frame)

  Note

  这里print(frame)输出的像素值为 (高度，宽度，颜色通道)，而cv2.VideoWriter设定的像素值应当是 (宽度，高度)

回调函数

作用： 当某一个「事件」发生，就能马上执行对应处理程序，例如，点击鼠标右键，可以弹出菜单。处理程序靠「回调函数」实现，即当发生某个事件时，就会调用某个函数。

import cv2
import numpy as np

# 定义鼠标回调函数
# event：事件类型
# x,y：鼠标所在像素值
# userdata：用户传入数据
def mouse_callback(event,x,y,flags,userdata:any):
    if event == cv2.EVENT_LBUTTONDOWN:
        print(event,x,y,flags,userdata)

# 创建窗口
cv2.namedWindow('Event Test',cv2.WINDOW_NORMAL)
cv2.resizeWindow('Event Test',width=640,height=380)

# 鼠标事件指定回调函数
cv2.setMouseCallback('Event Test',mouse_callback,"userdata")

# 生成一个背景图片
bg = np.zeros((380,640,3),dtype=np.uint8)

while True:
    cv2.imshow('Event Test',bg)
    if cv2.waitKey(0) == ord('q'):
        break

cv2.destroyAllWindows()

[!note|style:flat] 只有在cv2.imshow()中显示了一张「像素图片」后，mouse_callback中的(x,y)才能正确的输出鼠标的位置坐标值。