OpenCV是一个基于BSD许可（开源）发行的跨平台计算机视觉库，可以运行在Linux、Windows、MacOS操作系统上。它轻量级而且高效——由一系列 C 函数和少量C++类构成，同时提供了Python、Ruby、MATLAB等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。
简言之，通过openCV可实现计算机图像、视频的编辑。广泛应用于图像识别、运动跟踪、机器视觉等领域。
为什么用Python？
众所周知，虽然Python语法简洁，编写高效，但相比C/C++运行慢很多。然而Python还有个重要特性：它是一门胶水语言！Python可以很容易地扩展C/C++。OpenCV-Python就是用Python包装了C++的实现，背后实际就是C++的代码在跑，所以代码的运行速度跟原生C/C++速度一样快，而且更加容易编写。
安装
pip install opencv-python
然后import cv2就可以了
基础操作函数
cv2.imread()——读取图像
函数格式cv2.imread(img,flag)
flag取值可以为
- cv2.IMREAD_COLOR 默认、彩色照片
- cv2.IMREAD_GRAYSCALE 灰度照片
- cv2.IMREAD_UNCHANGED 加载原图通道
也可以通过1、 0、-1 指定上述三个模式
import numpy as np
import cv2
# 灰度模式打开图片
img = cv2.imread('messi5.jpg',0)
cv2.imshow()——显示图片
cv2.imshow('image',img)#第一个为显示的图片名字，第二个为图片
cv2.waitKey(0)#不停刷新图片，直到你按下任意按键退出
cv2.destroyAllWindows()#关闭所有显示框，若只关闭一个，可 cv2.destroyWindow()单独指定
cv2.imwrite()——保存图片
cv2.imwrite('messigray.png',img) #第一个参数为文件名，第二个为要保存的图像。
cv2.VideoCapture()——捕捉视频图像
import numpy as np
import cv2
#创建一个VideoCapture项目，0代表选择第一个设备
cap = cv2.VideoCapture(0)
while(True):
# 捕捉每一帧图像，返回两个参数ret为是否返回图片（True or False），frame为返回的图片
ret, frame = cap.read()
# 通过cv2.cvtColor转换颜色格式为灰度模式
gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
# 播放每一帧图像
cv2.imshow('frame',gray)
if cv2.waitKey(1) & 0xFF == ord('q'):
break
# 最后要记得释放capture
cap.release()
cv2.destroyAllWindows()
还可以通过更改设备号为文件名来播放视频，并且通过cv2.WaitKey()来控制播放速度，可以制作慢动作视频等等
import numpy as np
import cv2
cap = cv2.VideoCapture('vtest.avi')
while(cap.isOpened()):
ret, frame = cap.read()
gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
cv2.imshow('frame',gray)
if cv2.waitKey(1) & 0xFF == ord('q'):
break
cap.release()
cv2.destroyAllWindows()
cv2.VideoWriter()——保存视频
import numpy as np
import cv2
cap = cv2.VideoCapture(0)
#fourcc是一种编码格式，我们保存视频时要指定文件名、编码格式、FPS、输出尺寸、颜色模式
fourcc = cv2.VideoWriter_fourcc(*'XVID')
out = cv2.VideoWriter('output.avi',fourcc, 20.0, (640,480))
while(cap.isOpened()):
ret, frame = cap.read()
if ret==True:
#cv2.flip(img,flag) 翻转图像（1水平翻转、0垂直翻转、-1水平垂直翻转）
frame = cv2.flip(frame,0)
# 写入视频帧
out.write(frame)
cv2.imshow('frame',frame)
if cv2.waitKey(1) & 0xFF == ord('q'):
break
else:
break
cap.release()
out.release()
cv2.destroyAllWindows()
cv2.line(), cv2.circle() , cv2.rectangle(), cv2.ellipse(), cv2.putText()
画图，用处较少，不再赘述
cv2.setMouseCallback()——鼠标绘图
import cv2
import numpy as np
#初始化
drawing = False #为真时开始画图
mode = True #为真时画举行，为假时画圆
ix,iy = -1,-1
def draw_circle(event,x,y,flags,param):
global ix,iy,drawing,mode
#鼠标左键按下时
if event == cv2.EVENT_LBUTTONDOWN:
drawing = True
ix,iy = x,y
#鼠标移动时
elif event == cv2.EVENT_MOUSEMOVE:
if drawing == True:
if mode == True:
cv2.rectangle(img,(ix,iy),(x,y),(0,255,0),-1)
else:
cv2.circle(img,(x,y),5,(0,0,255),-1)
#鼠标抬起时
elif event == cv2.EVENT_LBUTTONUP:
drawing = False
if mode == True:
cv2.rectangle(img,(ix,iy),(x,y),(0,255,0),-1)
else:
cv2.circle(img,(x,y),5,(0,0,255),-1)
#初始化图像
img = np.zeros((512,512,3), np.uint8)
cv2.namedWindow('image')
cv2.setMouseCallback('image',draw_circle)
#按下"m"来切换模式
while(1):
cv2.imshow('image',img)
k = cv2.waitKey(1) & 0xFF
if k == ord('m'):
mode = not mode
elif k == 27:
break
cv2.destroyAllWindows()
array.item()、array.itemset()——查看并修改单一像素值
import cv2
import numpy as np
img = cv2.imread('messi5.jpg')
# 指定像素点
px = img[100,100]
print px
#[157 166 200]
# 获取蓝色像素值
blue = img[100,100,0]
print blue
#157
img.shape img.size img.dtype —— 查看图片尺寸、大小、数据类型
>>> print img.shape
(342, 548, 3)
>>> print img.size
562248
>>> print img.dtype
uint8
cv2.split cv2.merge —— 分离、合并通道（注意：有损分离）
>>> b,g,r = cv2.split(img)
>>> img = cv2.merge((b,g,r))
#或者
>>> b = img[:,:,0]
#也可以通过这种形式快速指定红色通道像素值为0
>>> img[:,:,2] = 0
cv2.copyMakeBorder() —— 给图片加一个相框
可以指定下列参数
- src - 你的图片
- top, bottom, left, right - 上下左右边框宽度
- borderType - 边框类型（下面详细展示，不做具体讲解）
- cv2.BORDER_CONSTANT
- cv2.BORDER_REFLECT
- cv2.BORDER_REFLECT_101 or cv2.BORDER_DEFAULT
- cv2.BORDER_REPLICATE
- cv2.BORDER_WRAP
- value - 当类型为cv2.BORDER_CONSTANT时需要额外指定的值
import cv2
import numpy as np
from matplotlib import pyplot as plt
BLUE = [255,0,0]
img1 = cv2.imread('opencv_logo.png')
replicate = cv2.copyMakeBorder(img1,10,10,10,10,cv2.BORDER_REPLICATE)
reflect = cv2.copyMakeBorder(img1,10,10,10,10,cv2.BORDER_REFLECT)
reflect101 = cv2.copyMakeBorder(img1,10,10,10,10,cv2.BORDER_REFLECT_101)
wrap = cv2.copyMakeBorder(img1,10,10,10,10,cv2.BORDER_WRAP)
constant= cv2.copyMakeBorder(img1,10,10,10,10,cv2.BORDER_CONSTANT,value=BLUE)
plt.subplot(231),plt.imshow(img1,'gray'),plt.title('ORIGINAL')
plt.subplot(232),plt.imshow(replicate,'gray'),plt.title('REPLICATE')
plt.subplot(233),plt.imshow(reflect,'gray'),plt.title('REFLECT')
plt.subplot(234),plt.imshow(reflect101,'gray'),plt.title('REFLECT_101')
plt.subplot(235),plt.imshow(wrap,'gray'),plt.title('WRAP')
plt.subplot(236),plt.imshow(constant,'gray'),plt.title('CONSTANT')
plt.show()
如图所示
cv2.inRange —— 用来追踪物体
HSV是一个常用于颜色识别的模型，相比BGR更易区分颜色，转换模式用COLOR_BGR2HSV表示。
经验之谈：OpenCV中色调H范围为[0,179]，饱和度S是[0,255]，明度V是[0,255]。虽然H的理论数值是0°~360°，但8位图像像素点的最大值是255，所以OpenCV中除以了2，某些软件可能使用不同的尺度表示，所以同其他软件混用时，记得归一化。
现在，我们实现一个使用HSV来只显示视频中蓝色物体的例子，步骤如下：
- 捕获视频中的一帧
- 从BGR转换到HSV
- 提取蓝色范围的物体
-
只显示蓝色物体
追踪蓝色物体
capture = cv2.VideoCapture(0)
# 蓝色的范围，不同光照条件下不一样，可灵活调整
lower_blue = np.array([100, 110, 110])
upper_blue = np.array([130, 255, 255])
while(True):
# 1.捕获视频中的一帧
ret, frame = capture.read()
# 2.从BGR转换到HSV
hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)
# 3.inRange()：介于lower/upper之间的为白色，其余黑色
mask = cv2.inRange(hsv, lower_blue, upper_blue)
# 4.只保留原图中的蓝色部分
res = cv2.bitwise_and(frame, frame, mask=mask)
cv2.imshow('frame', frame)
cv2.imshow('mask', mask)
cv2.imshow('res', res)
if cv2.waitKey(1) == ord('q'):
break
