本文主要是介绍数字图像处理笔记（一）（基于python与OpenCV），对大家解决编程问题具有一定的参考价值，需要的程序猿们随着小编来一起学习吧！

数字图像处理笔记（一）（基于python与OpenCV）

一、读取图像、视频和摄像头

import cv2

# 打开图片并显示
img = cv2.imread("resources/lena.png")
cv2.imshow("Lena", img)
cv2.waitKey(0)

# 打开视频并显示
cap = cv2.VideoCapture("resources/test_video.mp4")
while True:
    success, img = cap.read()
    if not success:
        break
    cv2.imshow("video", img)
    if cv2.waitKey(20) & 0xFF == ord('q'):
        # 关于waitKey：https://blog.csdn.net/weixin_44049693/article/details/106271643
        break

# 打开摄像头并显示
cap = cv2.VideoCapture(0)  # 0对应笔记本摄像头
while True:
    success, img = cap.read()
    if not success:
        break
    cv2.imshow("video", img)
    if cv2.waitKey(20) & 0xFF == ord('q'):
        break

# 打开摄像头plus版本
frameWidth = 640
frameHeight = 480
cap = cv2.VideoCapture(0, cv2.CAP_DSHOW)  # 第二个参数可以避免在退出时报错，默认为cv2.CAP_ANY
# https://docs.opencv.org/3.4/d0/da7/videoio_overview.html
# https://www.cnblogs.com/cyssmile/p/12611843.html
cap.set(3, frameWidth)  # 3 4 10没有实际意义，类似于功能号
cap.set(4, frameHeight)
cap.set(10, 150)  # 设置亮度
while True:
    success, img = cap.read()
    cv2.imshow("Result", img)
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break
cap.release()  # 释放摄像头
cv2.destroyAllWindows()

几个注意点：

• waitKe(): https://blog.csdn.net/weixin_44049693/article/details/106271643
• 摄像头关闭时要释放，同时打开摄像头时，使用接口cv2.CAP_DSHOW，经测试cv2.CAP_ANY, cv2.CAP_MSMF, cv2.CAP_V4L都会有报错。目前不知道具体的原因。

二、彩图、灰度图、二值图

1、彩图与灰度图

import cv2
import numpy as np
import time

img = cv2.imread("resources/LenaPlus.png")
img = cv2.resize(img, (500, 250))
height, width, channel = img.shape
# img[i][j] i为行，j为列
img_gray = np.zeros([height, width])
# 这里可以直接生成默认的全零矩阵，但是在显示图像之前需要把数据类型转换为 uint8
img_red = np.zeros([height, width], np.uint8)
# 也可以直接生成 uint8 的全零矩阵，后期就不需要再次变换
img_green = np.zeros([height, width], np.uint8)
img_blue = np.zeros([height, width], np.uint8)
i = 0
for row in img:
    j = 0
    for pixel in row:
        # print(pixel)  # 某个打印值：[127 117 195]，对应BGR三个通道
        gray = int((int(pixel[0]) + int(pixel[1]) + int(pixel[2]))/3)
        img_gray[i][j] = gray
        blue, green, red = pixel
        img_red[i][j] = red
        img_green[i][j] = green
        img_blue[i][j] = blue
        j += 1
    i += 1
img_gray = np.uint8(img_gray)
cv2.imshow("Lena gray", img_gray)
cv2.imshow("Lena original", img)
cv2.imshow("Lena red", img_red)
cv2.imshow("Lena green", img_green)
cv2.imshow("Lena blue", img_blue)
cv2.waitKey(0)
cv2.destroyAllWindows()

打开的图像 img 可以像处理多维列表一样处理，通过对每一个像素的遍历，再对三个色彩通道的值取平均产生了一张灰度图，同时得到了三个颜色通道对应的图像，如下图：

2、灰度图二值化（比较了三个方法的运行时间）

import cv2
import numpy as np
import time

# 灰度图简单二值化
img = cv2.imread("resources/LenaPlus.png")
img = cv2.resize(img, (500, 250))  # 修改图像大小
height, width, channel = img.shape
img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 遍历方法
print("二值化，遍历方法：")
img_binary = np.zeros([height, width], np.uint8)
start = time.time()
for i in range(height):
    for j in range(width):
        img_binary[i][j] = 255 if img_gray[i][j] > 125 else 0
cv2.imshow("Lena binary", img_binary)
end = time.time()
print("Running time: %s Seconds" % (end-start))

# 矩阵方法
print("二值化，矩阵方法：")
start = time.time()
img_bool = img_gray > 125
img_binary2 = img_bool * 255
cv2.imshow("Lena binary2", np.uint8(img_binary2))
end = time.time()
print("Running time: %s Seconds" % (end-start))

# 库函数方法
print("二值化，库函数方法：")
start = time.time()
ret, img_binary3 = cv2.threshold(img_gray, 125, 255, cv2.THRESH_BINARY)
# https://blog.csdn.net/zj360202/article/details/79165796
cv2.imshow("Lena binary3", np.uint8(img_binary3))
end = time.time()
print("Running time: %s Seconds" % (end-start))

cv2.waitKey(0)
cv2.destroyAllWindows()

遍历方法： 遍历每一个像素，大于125输出255，否则输出0

矩阵方法：

使用 img_gray > 125 进行比较，输出一个 bool 类型的矩阵。在交互窗口进行了上图测试。所以将输出的矩阵直接*255，得到二值图。

库函数方法： 参考了https://blog.csdn.net/zj360202/article/details/79165796

实验结果与各个方法运行时间见下图（图像较大时，方法2可能比方法3快）：

这篇关于数字图像处理笔记（一）（基于python与OpenCV）的文章就介绍到这儿，希望我们推荐的文章对大家有所帮助，也希望大家多多支持为之网！