【OpenCV基础知识点总结】

OpenCV（开���计算机视觉库）是一个广泛应用于图像和视频处理的Python库。以下是一些主要的图像处理知识点汇总和相应的代码示例说明：

1. 图像读取与显示

• 读取图像：使用cv2.imread()函数从文件中加载图像。

  import cv2# 读取图像img = cv2.imread('image.jpg', cv2.IMREAD_COLOR)  # IMREAD_COLOR表示以BGR格式读取，还有IMREAD_GRAYSCALE等选项if img is not None:  # 检查是否成功读取图像    # 显示图像    cv2.imshow('Image', img)    cv2.waitKey(0)  # 等待用户按键关闭窗口    cv2.destroyAllWindows()  # 关闭所有窗口

  2. 图像写入

  • 保存图像：使用cv2.imwrite()函数将图像矩阵保存到磁盘。

    （）

    cv2.imwrite('output.jpg', img)  # 将img矩阵内容保存为'output.jpg'

    3. 图像基本操作

    • 裁剪图像：通过numpy切片操作或cv2.resize()函数裁剪图像的一部分。

      cropped_img = img[50:200, 100:300]  # 切片裁剪

    • 调整图像大小：

      resized_img = cv2.resize(img, (new_width, new_height), interpolation=cv2.INTER_LINEAR)

      4. 颜色空间转换

      • 灰度图像转换：

        gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

      • RGB转BGR 或其他颜色空间转换。

        5. 图像滤波器

        • 均值滤波：减少图像噪声。

          blurred_img = cv2.blur(img, (5, 5))  # 使用5x5大小的核进行模糊

        • 高斯滤波：

          gaussian_blurred_img = cv2.GaussianBlur(img, (5, 5), 0)

          6. 边缘检测

          • Canny边缘检测：

            edges = cv2.Canny(img, threshold1, threshold2)

            7. 形态学操作

            • 膨胀与腐蚀：

              kernel = np.ones((3, 3), np.uint8)dilated_img = cv2.dilate(img, kernel, iterations=1)eroded_img = cv2.erode(img, kernel, iterations=1)

              8. 直方图均衡化

              • 改善图像对比度：

                equalized_img = cv2.equalizeHist(gray_img)

                9. 对象检测

                • 霍夫直线检测：

                  lines = cv2.HoughLines(img, rho, theta, threshold)

                • 轮廓查找：

                  contours, hierarchy = cv2.findContours(thresh_img, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

                  10. 视频处理

                  • 打开摄像头并读取视频流：

                    cap = cv2.VideoCapture(0)  # 打开默认摄像头while True:    ret, frame = cap.read()    if ret:        # 对frame进行处理...        cv2.imshow('Video', frame)        if cv2.waitKey(1) & 0xFF == ord('q'):            breakcap.release()cv2.destroyAllWindows()