OpenCV-Part1——基础操作

[TOC]

OpenCV

简介

OpenCV是计算机视觉中经典的专用库。
OpenCV-Python为OpenCV提供了Python接口，使得使用者在Python中能够调用C/C++，在保证易读性和运行效率的前提下，实现所需的功能。
所有OpenCV数组结构都与Numpy数组相互转换，所以要使用OpenCV-Python编写优化的代码，必须先明白Numpy。
本笔记以OpenCV4为主，会有个别版本上的差异，可能的话会提供解决方案。

安装

1	pip install opencv-python

GUI特性

图像入门

读取图像

鉴于兼容windows和linux，文件路径请用/分隔
文件路径中不得出现中文
可以选择图像加载方式：
- cv2.IMREAD_COLOR：默认加载彩色图像。任何图像的透明度都会被忽视。
- cv2.IMREAD_GRAYSCALE：以灰度模式加载图像。
- cv2.IMREAD_UNCHANGED：加载图像，包括alpha通道。

1	img = cv2.imread("validation/origin/circle/4101035072410.jpg", cv2.IMREAD_COLOR)

显示图像

图像窗口名称参数不建议使用中文
如果创建同名窗口两次，则第二张图片会替换前一张图片

1	cv2.imshow("img", img)

等待事件

如果想要暂停并显示图片，必须使用cv2.waitKey(0)，不能用input替代
可以选择等待时间参数：
- 非零：单位为毫秒，期间如果按下键，则忽略剩余时间、直接运行
- 0：无限期地等待一次敲击键

1	cv2.waitKey(0)

返回参数为keyCode，通过此可以设置检测特定的按键

1 2	while cv2.waitKey(1000) != ord("q"): cv2.imshow("img", img)

销毁窗口

cv2.destroyAllWindows()：会销毁创建的所有窗口
cv2.destroyWindow()：销毁特定窗口

创建窗口

手动创建窗口，并指定窗口是否可以调整大小
- cv2.WINDOW_AUTOSIZE：默认，按照图像大小固定窗口大小
- cv2.WINDOW_NORMAL：可以自动调整大小，对于大分辨率图像的查看有帮助

1	cv2.namedWindow('image', cv2.WINDOW_NORMAL)

写入图像

同样路径不得出现中文，否则无输出

1	cv2.imwrite("test.jpg", img)

OpenCV与其他库

OpenCV与Matplotlib互转

OpenCV加载的彩色图像处于BGR模式，但是Matplotlib以RGB模式显示。

import cv2
from matplotlib import pyplot as plt

img = cv2.imread("validation/origin/circle/4101035072410.jpg")
img = img[:, :, ::-1]
plt.imshow(img)
plt.show()

PIL.Image转换成OpenCV

import cv2
from PIL import Image
import numpy

image = Image.open("test.jpg")
image.show()
img = cv2.cvtColor(numpy.asarray(image), cv2.COLOR_RGB2BGR)
cv2.imshow("img", img)
cv2.waitKey(0)

OpenCV转换成PIL.Image

import cv2
from PIL import Image

img = cv2.imread("test.jpg")
cv2.imshow("img", img)
image = Image.fromarray(cv2.cvtColor(img, cv2.COLOR_BGR2RGB))
image.show()
cv2.waitKey(0)

视频入门

读取摄像头视频

需要创建一个 VideoCapture 对象。它的参数可以是设备索引或视频文件的名称。
cap.read()：返回是否正确读取帧。可以通过检查此返回值来判断是否到达视频的结尾。
cap.isOpened()：返回是否初始化捕获。否则，使用cap.open()打开它。
当打开视频文件时，播放速度会不受限制，最好是从fps属性动态计算每帧之间相隔的时间，作为参数传入cv2.waitKey()
使用视频捕获必须确保安装了正确的 ffmpeg 或 gstreamer 版本。

import cv2

cap = cv2.VideoCapture(0)
if not cap.isOpened():
    exit("Cannot open camera")
while True:
    ret, frame = cap.read()  # 逐帧读取
    if not ret:  # 如果成功读取帧，ret为True
        print("Can't receive frame (stream end?). Exiting ...")
        break
    cv2.imshow('frame', frame)  # 显示当前帧
    if cv2.waitKey(1) == ord('q'):
        break
cap.release()  # 完成所有操作后，释放捕获器
cv2.destroyAllWindows()

视频属性

属性方法

cap.get(propId)：查看视频的属性。
cap.set(propId，value)：修改视频的属性。
cap画布的长宽上下限似乎和摄像头本身有关。

cap = cv2.VideoCapture(0)
print(cap.get(cv2.CAP_PROP_FRAME_WIDTH), cap.get(cv2.CAP_PROP_FRAME_HEIGHT))
cap.set(cv2.CAP_PROP_FRAME_WIDTH, cap.get(cv2.CAP_PROP_FRAME_WIDTH) * 2)
print(cap.get(cv2.CAP_PROP_FRAME_WIDTH), cap.get(cv2.CAP_PROP_FRAME_HEIGHT))
cap.set(cv2.CAP_PROP_FRAME_WIDTH, cap.get(cv2.CAP_PROP_FRAME_WIDTH) * 0.1)
print(cap.get(cv2.CAP_PROP_FRAME_WIDTH), cap.get(cv2.CAP_PROP_FRAME_HEIGHT))
"""
640.0 480.0
1280.0 720.0
320.0 240.0
"""

propId对应表

propid	属性	视频流属性
0	CV_CAP_PROP_POS_MSEC	视频文件以毫秒为单位的当前位置或视频捕获时间戳（就是说你这个位置是视频当中的第几秒第几毫秒）
1	CV_CAP_PROP_POS_FRAMES	基于索引的帧解码/捕获（就是说你现在的位置是视频的第几帧位置）
2	CV_CAP_PROP_POS_AVI_RATIO	视频文件的相对位置:0 -电影,开始1 -电影结束（就是说输出0表示视频刚开始，输出1表示视频结束了）
3	CV_CAP_PROP_FRAME_WIDTH	视频流画面的宽度
4	CV_CAP_PROP_FRAME_HEIGHT	视频流画面的长度
5	CV_CAP_PROP_FPS	视频流的帧频
6	CV_CAP_PROP_FOURCC	编辑器的四字符编码
7	CV_CAP_PROP_FRAME_COUNT	视屏文件的帧数
8	CV_CAP_PROP_FORMAT	Format of the Mat objects returned by retrieve()
9	CV_CAP_PROP_MODE	Backend-specific value indicating the current capture mode
10	CV_CAP_PROP_BRIGHTNESS	Brightness of the image (only for cameras)摄像机图像的亮度(只有摄像头才可以)
11	CV_CAP_PROP_CONTRAST	Contrast of the image (only for cameras).摄像机图像的对比度(只有摄像头才可以)
12	CV_CAP_PROP_SATURATION	Saturation of the image (only for cameras)摄像机图像的饱和度(只有摄像头才可以)
13	CV_CAP_PROP_HUE	图片的色调(只有摄像头才可以)
14	CV_CAP_PROP_GAIN	Gain of the image(只有摄像头才可以)
15	CV_CAP_PROP_EXPOSURE	Exposure 曝光(只有摄像头才可以)
16	CV_CAP_PROP_CONVERT_RGB	布尔值指示是否应该转换为RGB图
17	CV_CAP_PROP_WHITE_BALANCE_U	The U value of the whitebalance setting (note: only supported by DC1394 v 2.x backend currently)
18	CV_CAP_PROP_WHITE_BALANCE_V	The V value of the whitebalance setting (note: only supported by DC1394 v 2.x backend currently)
19	CV_CAP_PROP_RECTIFICATION	Rectification flag for stereo cameras (note: only supported by DC1394 v 2.x backend currently)
20	CV_CAP_PROP_ISO_SPEED	The ISO speed of the camera (note: only supported by DC1394 v 2.x backend currently)
21	CV_CAP_PROP_BUFFERSIZE	Amount of frames stored in internal buffer memory (note: only supported by DC1394 v 2.x backend currently)

保存视频

需要创建一个 VideoWriter 对象。

import cv2

cap = cv2.VideoCapture(0)
# 定义编解码器并创建VideoWriter对象
fourcc = cv2.VideoWriter_fourcc(*'XVID')
writer = cv2.VideoWriter('output.avi', fourcc, 30.0, (640, 480))
while cap.isOpened():
    ret, frame = cap.read()
    if not ret:
        print("Can't receive frame (stream end?). Exiting ...")
        break
    # 写翻转的框架
    writer.write(frame)
    cv2.imshow('frame', frame)
    if cv2.waitKey(1) == ord('q'):
        break
# 完成工作后释放所有内容
cap.release()
writer.release()
cv2.destroyAllWindows()

绘图功能

color：对于bgr颜色要传递元组，例如(255,0,0)，传递int则视为b值。
thickness：线条厚度，默认为1；对于封闭图形，-1位填充。
lineType：线的类型，默认为为8连接线；对于曲线可以设置为抗锯齿线cv2.LINE_AA。

画线

1	cv2.line(img, pt1=(0, 0), pt2=(511, 511), color=(255, 0, 0), thickness=5, lineType=cv2.LINE_AA)

画矩形

两个点分别为左上角和右下角

1	cv2.rectangle(img, pt1=(384, 0), pt2=(510, 128), color=(0, 255, 0), thickness=3)

画圆

1	cv2.circle(img, center=(447, 63), radius=63, color=(0, 0, 255), thickness=-1)

画椭圆

angle：按顺时针偏转的角度
startAngle、endAngle：按顺时针计算区间。[0, 0]则无椭圆，[0, 360]则完整椭圆。

1	cv2.ellipse(img, center=(256, 256), axes=(100, 50), angle=0, startAngle=0, endAngle=180, color=255, thickness=-1)

画多边形

必须转换成int32
注意pts要用列表装饰

1
2
3

pts = [[10, 5], [20, 30], [70, 20], [50, 10]]
pts = np.array(pts).astype(np.int32).reshape((-1, 1, 2))
cv2.polylines(img, pts=[pts], isClosed=True, color=(0, 255, 255), thickness=3)

添加文本

1 2	cv2.putText(img, text='OpenCV', org=(10, 350), fontFace=cv2.FONT_HERSHEY_SIMPLEX, fontScale=1, color=(255, 255, 255), thickness=2, lineType=cv2.LINE_AA)

鼠标作为画笔

可用事件与回调函数

列出所有可用事件

1
2
3

import cv2 as cv
events = [i for i in dir(cv) if 'EVENT' in i]
print( events )

setMouseCallback：鼠标回调函数，参数是固定的，会自动与窗口绑定

import numpy as np
import cv2

drawing = False  # 如果按下鼠标，则为真
mode = True  # 如果为真，绘制矩形。按 m 键可以切换到曲线
ix, iy = -1, -1

# 鼠标回调函数
def draw_circle(event, x, y, flags, param):
    global ix, iy, drawing, mode

    if event == cv2.EVENT_LBUTTONDOWN:
        drawing = True
        ix, iy = x, y
    elif event == cv2.EVENT_MOUSEMOVE:
        if drawing:
            if mode:
                cv2.rectangle(img, (ix, iy), (x, y), (0, 255, 0), -1)
            else:
                cv2.circle(img, (x, y), 5, (0, 0, 255), -1)
    elif event == cv2.EVENT_LBUTTONUP:
        drawing = False
        if mode:
            cv2.rectangle(img, (ix, iy), (x, y), (0, 255, 0), -1)
        else:
            cv2.circle(img, (x, y), 5, (0, 0, 255), -1)

if __name__ == '__main__':
    # 创建一个黑色的图像，一个窗口，并绑定到窗口的功能
    img = np.zeros((512, 512, 3), np.uint8)
    cv2.namedWindow('image')
    cv2.setMouseCallback('image', draw_circle)
    while not cv2.waitKey(25) & 0xFF == 27:
        cv2.imshow('image', img)
    cv2.destroyAllWindows()

核心操作

图像基本操作

访问和修改像素值

对于 BGR 图像，它返回一个由蓝色、绿色和红色值组成的数组。对于灰度图像，只返回相应的灰度。
通常会使用numpy切片图像，不建议使用numpy索引来访问、修改单个像素值。
访问、修改单个像素值时，使用方法item()和itemset())被认为更好，但是它们始终操作单通道。

print(img[100, 100])  # 彩色图片返回 [蓝, 绿, 红]
# [157, 166, 200]
print(img[100, 100, 0])  # 仅访问蓝色像素
# 157
img[100, 100] = [157, 166, 200]  # 修改像素
img[100, 100, 0] = 157  # 仅修改蓝色像素

# 访问 RED 值
print(img.item(10, 10, 2))  # 59
# 修改 RED 值
img.itemset((10, 10, 2), 100)

访问图像属性

img.shape：图像的形状[行数(高height), 列数(宽width), [蓝, 绿, 红]]
如果图像是灰度的，则返回的元组仅包含行数和列数

1 2	print(img.shape) (342, 548, 3)

img.size：像素总数

1 2	print(img.size) # 562248

img.dtype：图像数据类型
img.dtype在调试时非常重要，因为OpenCV-Python代码中的大量错误是由无效的数据类型引起的。

1 2	print( img.dtype ) # uint8

图像区域切片

注意，索引顺序是[行数, 列数, 通道]，即[高, 宽, [蓝, 绿, 红]]

1
2
3

# 将球复制到图像中的另一个区域
ball = img[280:340, 330:390]
img[273:333, 100:160] = ball

拆分和合并图像通道

cv2.split(img)：切分三个通道

# split()比较耗时，可以考虑使用np切片
b, g, r = cv2.split(img)
b, g, r = img [:, :]
# 只获取蓝通道，使用numpy更快
b = img [:, :, 0]
# 将所有红色像素都设置为零，则无需拆分通道
img [:, :, 2] = 0

cv2.merge((b,g,r))：合并三个通道
可以将灰度图扩展成三通道

1	img = cv2.merge((b,g,r))

填充边框

cv2.copyMakeBorder()：padding经常使用。
- src：输入图像
- top，bottom，left，right：边界宽度
- borderType：定义要添加哪种边框的标志。它可以是以下类型：
  - cv2.BORDER_CONSTANT：添加恒定的彩色边框。该值应作为下一个参数给出。
  - cv2.BORDER_REFLECT 或 cv2.BORDER_REFLECT_101或 cv2.BORDER_DEFAULT：边框将是边框元素的镜像
  - cv2.BORDER_REPLICATE：重复边界最后一个元素被复制
  - cv2.BORDER_WRAP：将图片复制平铺
- value：边框的颜色，如果边框类型为 cv.BORDER_CONSTANT

img = cv2.imread("test.jpg", cv2.IMREAD_COLOR)
# 在右边接一张原图
img = cv2.copyMakeBorder(img, top=0, bottom=0, left=0, right=img.shape[1], borderType=cv2.BORDER_WRAP)
# 底部加一条绿边
img = cv2.copyMakeBorder(img, top=0, bottom=10, left=0, right=0, borderType=cv2.BORDER_CONSTANT, value=[0, 255, 0])
cv2.imshow("img", img)
cv2.waitKey(0)

图像加法

可以通过OpenCV函数cv2.add()或numpy操作res = img1 + img2相加两个图像。
OpenCV加法和Numpy加法之间有区别。OpenCV加法是饱和运算，而Numpy加法是模运算。
两个图像需要有相同的深度和类型，或者第二个图像可以只是一个标量值。
一般会使用OpenCV的方法，或直接使用图像融合。

x = np.uint8([250])
y = np.uint8([10])
print(cv2.add(x, y))  # 250 + 10 = 260 => 255
# [[255]]
print( x + y )  # (250 + 10) % 256 = 260 % 256 = 4
# [4]

图像反色

千万不要用循环！
需要在指定区域反色的话，就加入mask参数。比如，将黑色背景反转为白色背景。
因为两者范围都在0-255，所以直接做np减法。

1	img = np.full(img.shape, (255, 255, 255), dtype=np.uint8) - img

图像融合

cv2.addWeighted()：对图像赋予不同的权重，并相加。
通过动态更改两张的图像权重0->1, 1->0，可以完成一个图像到另一个图像之间的视觉过渡。
并不要求两者权重相加为1

img1 = cv.imread('ml.png')
img2 = cv.imread('opencv-logo.png')
dst = cv.addWeighted(img1, 0.7, img2, 0.3, 0)
cv.imshow('dst', dst)
cv.waitKey(0)

按位运算

AND、 OR、NOT、XOR ：用于提取图像的任意部分、定义和处理非矩形ROI。
当需要将A图像覆盖在B图像上时。如果将两个图像相加，则改变颜色。如果将两个图像混合，则获得透明效果。

如果是矩形区域，则可以像上一章一样使用ROI切片，重置区域数值。A图像不是矩形。因此，可以进行按位操作。、
mask需要为np.uint8类型，否则.astype(np.uint8)；mask需要通道数为1，否则mask = mask[:, :, 0]
前景图片大小不能超过背景，否则会报错
mask的含义是：仅mask中的白色区域会进行运算，其他部分全部为黑色
最后相加时，要确保相加部分是 0 + img_mask = img_mask；否则依然会出现融合效果

# 加载两张图片
img1 = cv2.imread('test.jpg')
img2 = cv2.imread('test2.png')
img2 = cv2.resize(img2, (img2.shape[0]//2, img2.shape[1]//2))  # 控制前景大小
# 想把logo放在左上角，所以在左上角创建了ROI
rows, cols, channels = img2.shape
roi = img1[0:rows, 0:cols]
# 现在创建logo的掩码，并同时创建其相反掩码
mask_inv = extract_red(img2, cfg={"debug": False})[:, :, 0]  # mask为单通道
mask = cv2.bitwise_not(mask_inv)
# 现在将ROI中logo的区域涂黑
print(roi.dtype, mask_inv.dtype, roi.shape, mask_inv.shape)  # uint8 uint8 (533, 548, 3) (533, 548)
img1_bg = cv2.bitwise_and(roi, roi, mask=mask_inv)
# 仅从logo图像中提取logo区域
img2_fg = cv2.bitwise_and(img2, img2, mask=mask)  # 仅白色区域会从原图中保留，其他部分全部为黑色
# 将logo放入ROI并修改主图像
dst = cv2.add(img1_bg, img2_fg)  # 要确保相加部分是 0 + img_mask = img_mask；否则依然会出现融合效果
img1[0:rows, 0:cols] = dst
cv2.imshow('res', img1)
cv2.waitKey(0)

性能衡量和提升技术

使用OpenCV衡量性能

cv2.getTickCount：函数返回从参考事件（如打开机器的那一刻）到调用此函数那一刻之间的时钟周期数。

cv2.getTickFrequency：函数返回时钟周期的频率或每秒的时钟周期数。

e1 = cv2.getTickCount()
# 你的执行代码
e2 = cv2.getTickCount()
time = (e2 - e1) / cv.getTickFrequency()  # 计算两次执行函数的时间差

使用time.time()函数，然后取两次相差，与上述方法是等价的。

OpenCV中的默认优化

许多OpenCV函数都默认使用了SSE2、AVX等进行优化。可以使用 cv2.Useoptimized 检查是否启用和 cv2.Setuseoptimized 以启用/禁用优化。

性能优化技术

首先尝试以一种简单的方式实现算法。然后，分析、找到瓶颈，再进行优化。

使用下面的技巧来充分利用 Python 和 Numpy 的最大性能。

Python标量操作比Numpy标量操作快。因此，对于包含一两个元素的运算，Python标量比Numpy数组好。当数组大小稍大时，Numpy会占优势。
通常，OpenCV函数比Numpy函数要快。因此，对于相同的操作，首选OpenCV功能。但是，可能会有例外，尤其是当Numpy处理视图而不是副本时。
尽量避免在Python中使用循环，尤其是双/三重循环等。
由于Numpy和OpenCV已针对向量运算进行了优化，因此将算法/代码向量化到最大程度。
利用缓存一致性。
除非需要，否则切勿创建数组的副本。尝试改用视图。数组复制是一项昂贵的操作。

执行了所有这些操作后，如果仍然很慢，或者不可避免地需要使用大循环，请使用Cython等其他库来使其更快。

其他资源

Python优化技术：http://wiki.python.org/moin/PythonSpeed/PerformanceTips
Scipy讲义- 高级Numpy：http://scipy-lectures.github.io/advanced/advanced_numpy/index.html#advanced-numpy
IPython中的时序和性能分析：http://pynash.org/2013/03/06/timing-and-profiling/