100行代码，带你玩转OpenCV-Python基础API

做计算机视觉无论如何都绕不开的一个框架就是OpenCV，可以毫不夸张地说，github上每个开源的视觉项目的安装列表中都有OpenCV框架。很多人第一次接触OpenCV都是从OpenCV-Python版本SDK开始的，本文就以最新版本的OpenCV4.1.0为例，通过代码带领大家简单粗暴的入门OpenCV-Python编程实践。

安装OpenCV-Python

只需要执行如下一条命令行即可

pip install opencv-python

如果想连扩展模块一起安装，执行如下命令行

pip install opencv-contrib-python

更多请参考这里

https://pypi.org/project/opencv-python/

代码演示部分

涵盖OpenCV图像处理最高频次使用API与常见各种使用技巧。

导入CV模块

import cv2 as cv
import numpy as np

解释：这个是因为OpenCV在python语言中的所有图像数据都是以numpy的数组形式组织存储。所以必须安装numpy依赖支持，导入以备后用。

加载与现实图像

src = cv.imread("D:/images/lena.jpg")
cv.namedWindow("input", cv.WINDOW_AUTOSIZE)
cv.imshow("input", src)

解释：千万别给中文路径，不支持的，默认加载图像彩色，通道顺序BGR。

转换为灰度

gray = cv.cvtColor(src, cv.COLOR_BGR2GRAY)
cv.imshow("gray", gray)
print(src.shape)
print(gray.shape)

解释：支持各种色彩空间转换，可以转换到灰度，HSV、YCrCb、LAB等常见色彩空间，图像的宽、高、通道数，可以通过src.shape得到。

创建空白图像

black = np.zeros_like(src)
cv.imshow("black", black)

解释：创建一张与src大小与数据类型一致的图像，但是像素值全部为0，黑色背景图像。

调节亮度

black[:,:,:] = 50
lighter = cv.add(src, black)
darker = cv.subtract(src, black)
cv.imshow("lightness", lighter)
cv.imshow("darkness", darker)

解释：过像素操作实现图像亮度调整，本质是调整图像的RGB值

调节对比度

dst = cv.addWeighted(src, 1.2, black, 0.0, 0)
cv.imshow("contrast", dst)

解释：通过权重的图像相加实现图像对比度调整，这里要特别注意，两幅图像的大小与数据类型必须完全一致。

放大/缩小 图像

# scale
h, w, c = src.shape
dst = cv.resize(src, (h//2, w//2))
cv.imshow("resize-image", dst)

解释：图像放缩支持常见的插值方式，最近邻，线性，双立方等。

翻转

# 左右翻转
dst = cv.flip(src, 1)
cv.imshow("flip", dst)

# 上下翻转
dst = cv.flip(src, 0)
cv.imshow("flip0", dst)

解释：图像的镜像翻转支持，水平与垂直

旋转

M = cv.getRotationMatrix2D((w//2, h//2),45, 1)
dst = cv.warpAffine(src, M, (w, h))
cv.imshow("rotate", dst)

解释：图像的旋转支持，基于放射变换，M = 2x3的变换矩阵

色彩变换

# HSV
hsv = cv.cvtColor(src, cv.COLOR_BGR2HSV)
cv.imshow("hsv", hsv)

# 色彩表 - 支持14种色彩变换
dst = cv.applyColorMap(src, cv.COLORMAP_AUTUMN)
cv.imshow("color table", dst)

解释：支持图像常见的14种查找表色彩匹配与风格变化，是自带的14种色彩滤镜

模糊

blur = cv.blur(src, (15, 15))
cv.imshow("blur", blur)

解释：图像卷积模糊操作，卷积核大小为15x15

高斯模糊

gblur = cv.GaussianBlur(src, (0, 0), 15)
cv.imshow("gaussian blur", gblur)

解释：图像高斯模糊操作，sigma = 15

自定义滤波器

k = np.ones(shape=[5, 5], dtype=np.float32) / 25
dst = cv.filter2D(src, -1, k)
cv.imshow("custom blur", dst)

解释：图像自定义滤波操作，定义不同的滤波器，得到不同的滤波效果，这里是均值滤波，模糊操作。

高斯双边滤波

dst = cv.bilateralFilter(src, 0, 100, 10)
cv.imshow("bi-filter", dst)

解释：边缘保留滤波算法的一种，OpenCV还支持其它的边缘保留滤波算法。

图像梯度

dx = cv.Sobel(src, cv.CV_32F, 1, 0)
dy = cv.Sobel(src, cv.CV_32F, 0, 1)
dx = cv.convertScaleAbs(dx)
dy = cv.convertScaleAbs(dy)
cv.imshow("grad-x", dx)
cv.imshow("grad-y", dy)

解释：图像梯度提取，基于一阶导数算子Sobel

边缘检测

edge = cv.Canny(src, 100, 300)
cv.imshow("edge", edge)

解释：图像边缘提取，Canny是经典的图像边缘提取算法。100表示低阈值，300表示高阈值。

直方图均衡化

eh = cv.equalizeHist(gray)
cv.imshow("eh", eh)

解释：图像直方图均衡化，是图像直方图应用之一，其它还有直方图匹配，直方图相似度，直方图反向投影等。这里的均衡化是全局均衡化，对应还有局部自适应的直方图均衡化方法。

角点检测

corners = cv.goodFeaturesToTrack(gray, 100, 0.05, 10)
# print(len(corners))
for pt in corners:
   # print(pt)
   b = np.random.random_integers(0, 256)
   g = np.random.random_integers(0, 256)
   r = np.random.random_integers(0, 256)
   x = np.int32(pt[0][0])
   y = np.int32(pt[0][1])
   cv.circle(src, (x, y), 5, (int(b), int(g), int(r)), 2)
cv.imshow("corners detection", src)

解释：基于shi-tomas角点检测算法

二值化加载图像

src = cv.imread("D:/images/zsxq/zsxq_12.jpg")
gray = cv.cvtColor(src, cv.COLOR_BGR2GRAY)
cv.imshow("binary input", gray)

解释：加载二值化操作测试图像

固定阈值

ret, binary = cv.threshold(gray, 127, 255, cv.THRESH_BINARY)
cv.imshow("binary", binary)

解释：手动指定阈值为127，THRESH_BINARY表示大于127为白色，反之为黑色。

全局阈值

ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY | cv.THRESH_OTSU)
cv.imshow("otsu", binary)

解释：自动计算阈值，基于全局直方图信息

自适应阈值

binary = cv.adaptiveThreshold(gray, 255, cv.ADAPTIVE_THRESH_GAUSSIAN_C, cv.THRESH_BINARY_INV, 25, 10)
cv.imshow("ada", binary)

解释：自适应阈值计算方法，支持高斯与盒子两种方式。

轮廓分析

contours, hireachy = cv.findContours(binary, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE)
result = np.zeros_like(src)
for cnt in range(len(contours)):
   cv.drawContours(result, contours, cnt, (0, 0, 255), 2, 8)
cv.imshow("contour", result)

解释：二值图像的轮廓与结构分析API，演示，这里只是获取了最外层轮廓。

膨胀与腐蚀操作

se = cv.getStructuringElement(cv.MORPH_RECT, (5, 5), (-1, -1))
d = cv.dilate(binary, se)
e = cv.erode(binary, se)
cv.imshow("dilate", d)
cv.imshow("erode", e)

解释：二值图像的形态学基础操作，腐蚀与膨胀

开闭操作

op = cv.morphologyEx(binary, cv.MORPH_OPEN, se)
cl = cv.morphologyEx(binary, cv.MORPH_CLOSE, se)
cv.imshow("open", op)
cv.imshow("close", cl)

解释：二值图像的形态学组合操作，开操作与闭操作

上述全部演示代码的代码如下地址：

https://github.com/gloomyfish1998/opencv_tutorial

转自OpenCV学堂，独家授权。