python OpenCV学习笔记_Python

图像翻转

使用Python的一个包，imutils。使用下面的指令可以安装。

 pip install imutils

imutils包的Github地址：https://github.com/jrosebr1/imutils

CSDN镜像：https://codechina.csdn.net/mirrors/jrosebr1/imutils

可以在上面这个地址里面学习更多的使用方式。

 import cv2 import imutils ''' imutils.rotate 第一个参数是翻转的图像，第二个参数的翻转角度 函数还提供翻转中心的设置，但默认就是中心翻转。 ''' vc = cv2.VideoCapture(0) if vc.isOpened(): flag, frame = vc.read() img = imutils.rotate(frame, 180)  # 图像翻转 cv2.imshow("frame", img) else: flag = False while flag: flag, frame = vc.read() if frame is None: break if flag is True: img = imutils.rotate(frame, 180)  # 图像翻转 cv2.imshow("frame", img) if cv2.waitKey(10) == 27: break vc.release() cv2.destroyAllWindows()

这样写的话，最后的输出图像就是翻转180度的。

imutils包里还有其他好用的函数，resizing、4-point Perspective Transform、Sorting Contours等等。

图像轮廓排序

这个效果同样也是依靠imutils包完成。

 from imutils import contours import cv2 ''' contours.sort_contours 可选排序方式："left-to-right", "right-to-left", "top-to-bottom", "bottom-to-top" 返回值为轮廓和外接矩形 contours.label_contour contours包内自带的画轮廓的函数，可以直接用，然后可以在图片上标出轮廓序号 也可以直接使用cv2.drawContours直接画轮廓 ''' img = cv2.imread(r"D:opencv-workspaceOpencv	est17--VScodeshapes.png") draw_img = img.copy() img_rect = img.copy() gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) img = cv2.Canny(gray, 10, 20)  # Canny边缘检测 cnts, hierarchy = cv2.findContours(img, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)  # 获得轮廓 (cnts, boundingBoxes) = contours.sort_contours(cnts, "top-to-bottom")  # 对轮廓进行排序处理 for (i, c) in enumerate(cnts): sortedImage = contours.label_contour(draw_img, c, i, color=(240, 0, 159)) # img_out = cv2.drawContours(draw_img, cnts, -1, (240, 0, 159), 2) # 根据boundingBoxes画外接矩形 for (x, y, w, h) in boundingBoxes: img_rect = cv2.rectangle(img_rect, (x, y), (x+w, y+h), (240, 0, 159), 2) cv2.imshow("top-to-bottom", sortedImage) cv2.imshow("rect", img_rect) cv2.waitKey(0) cv2.destroyAllWindows()

这样写的话，最后的输出图像就是翻转180度的。

imutils包里还有其他好用的函数，resizing、4-point Perspective Transform、Sorting Contours等等。

图像轮廓排序

这个效果同样也是依靠imutils包完成。

 from imutils import contours import cv2 ''' contours.sort_contours 可选排序方式："left-to-right", "right-to-left", "top-to-bottom", "bottom-to-top" 返回值为轮廓和外接矩形 contours.label_contour contours包内自带的画轮廓的函数，可以直接用，然后可以在图片上标出轮廓序号 也可以直接使用cv2.drawContours直接画轮廓 ''' img = cv2.imread(r"D:opencv-workspaceOpencv	est17--VScodeshapes.png") draw_img = img.copy() img_rect = img.copy() gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) img = cv2.Canny(gray, 10, 20)  # Canny边缘检测 cnts, hierarchy = cv2.findContours(img, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)  # 获得轮廓 (cnts, boundingBoxes) = contours.sort_contours(cnts, "top-to-bottom")  # 对轮廓进行排序处理 for (i, c) in enumerate(cnts): sortedImage = contours.label_contour(draw_img, c, i, color=(240, 0, 159)) # img_out = cv2.drawContours(draw_img, cnts, -1, (240, 0, 159), 2) # 根据boundingBoxes画外接矩形 for (x, y, w, h) in boundingBoxes: img_rect = cv2.rectangle(img_rect, (x, y), (x+w, y+h), (240, 0, 159), 2) cv2.imshow("top-to-bottom", sortedImage) cv2.imshow("rect", img_rect) cv2.waitKey(0) cv2.destroyAllWindows()

python OpenCV学习笔记

颜色识别

基础颜色识别

颜色识别是在HSV空间内进行的，因此在使用之前先进行颜色空间的转换。

 '''使用下面这个函数进行转换，第一个参数填写要转换的图片，第二个参数填写cv2.COLOR_BGR2HSV''' cv2.cvtColor

 import cv2 import numpy as np ''' cv2.inRange 函数很简单，参数有三个 第一个参数：hsv指的是原图 第二个参数：lower_red指的是图像中低于这个lower_red的值，图像值变为0 第三个参数：upper_red指的是图像中高于这个upper_red的值，图像值变为0 而在lower_red～upper_red之间的值变成255 ''' # 阈值 lower_green = np.array([50, 255, 255]) upper_green = np.array([70, 255, 255]) img = cv2.imread(r"D:opencv-workspaceOpencv	est16--VScodephoto.jpg") img_hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV) mask_green = cv2.inRange(img_hsv, lower_green, upper_green) cv2.imshow("img_or", mask_green) # 使用下面这个函数能显示原来的颜色。 res_green = cv2.bitwise_and(img, img, mask=mask_green) cv2.imshow("img", res_green) cv2.waitKey(0) cv2.destroyAllWindows()

python OpenCV学习笔记

在进行颜色识别时，难免会出现“漏颜色”的现象，也就是会出现没识别全的现象。这个时候可以再对图像进行处理，比如说进行形态学处理，让图像更加饱满之类的。

根据BGR获取HSV

 import cv2 color = np.uint8([[[193, 189, 147]]])  # 参数填写BGR的值 hsv = cv2.cvtColor(color, cv2.COLOR_BGR2HSV) print(hsv)  # 打印出来的数值就是对应的HSV值

程序运行的结果是

 [[[ 93 61 193]]]

这个就是对应的HSV的值。

根据之前写的颜色识别，就需要把对应的阈值写出。具体写法就是保持S和V不变，H加减10。这样的话就可以写出高低阈值然后应用到颜色识别里面就可以了。

阈值编辑器

 import cv2 import numpy as np def function(x): lowH = cv2.getTrackbarPos("lowH", "img_666") lowS = cv2.getTrackbarPos("lowS", "img_666") lowV = cv2.getTrackbarPos("lowV", "img_666") HighH = cv2.getTrackbarPos("HighH", "img_666") HighS = cv2.getTrackbarPos("HighS", "img_666") HighV = cv2.getTrackbarPos("HighV", "img_666") # print(lowH, lowS, lowV, HighH, HighS, HighV) lower = np.uint8([lowH, lowS, lowV]) upper = np.uint8([HighH, HighS, HighV]) mask = cv2.inRange(img_hsv, lower, upper) res = cv2.bitwise_and(img, img, mask=mask) cv2.imshow("img", res) img = cv2.imread(r"D:opencv-workspaceOpencv	est16--VScode	est.jpg") img_hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV) cv2.namedWindow("img_666") cv2.createTrackbar("lowH", "img_666", 0, 179, function) cv2.createTrackbar("lowS", "img_666", 0, 255, function) cv2.createTrackbar("lowV", "img_666", 0, 255, function) cv2.createTrackbar("HighH", "img_666", 0, 179, function) cv2.createTrackbar("HighS", "img_666", 0, 255, function) cv2.createTrackbar("HighV", "img_666", 0, 255, function) cv2.imshow("img", img) cv2.waitKey(0) cv2.destroyAllWindows()

写了一个比较垃圾的阈值编辑器。。。就不多解释了。。

python OpenCV学习笔记