python-opencv的一些基础操作

import cv2
import numpy as np
import glob

'''
img  = cv2.imread('figures/img_1.jpg')
cv2.imshow('src', img)
print(img.shape)   #(h,w,c) 打印图片的维度，（高度，宽度，通道数）
print(img.size)   #像素总数目
print(img.dtype)    #unit8
print(img)           #显示一个numpy矩阵
cv2.waitKey()      #图片显示着，直到按下任意一个键才被关掉

gray = cv2.imread('figures/img_1.jpg', cv2.IMREAD_GRAYSCALE)
cv2.imshow('gray',gray)
cv2.waitKey()
anyColor = cv2.imread('figures/img_1.jpg', cv2.IMREAD_ANYCOLOR)
cv2.imshow('anyColor',anyColor)
cv2.waitKey()
Color = cv2.imread('figures/img_1.jpg', cv2.IMREAD_COLOR)
cv2.imshow('Color',Color)
cv2.waitKey()

#也可以先读入彩色图，在转换为灰色图
color_1 = cv2.imread('figures/img_1.jpg')
gray_1 = cv2.cvtColor(color_1, cv2.COLOR_BGR2GRAY)
cv2.imshow('gray_1', gray_1)
cv2.waitKey()

#读到图片不存在时，加入判断语句，如果为空，做异常处理
img_2 = cv2.imread('figures/img_2.jpg')
if img_2 == None:
print('Fail to load image!')
'''

'''
#图片的矩阵变换
#做卷积的时候，需要对不同通道应用卷积，这时：（height,width,channel）---> (channel,height,width)
img = cv2.imread('figures/img_1.jpg')
cv2.imshow('img', img)
print(img.shape)
cv2.waitKey()
img_1 = img.transpose(2, 0, 1)
#cv2.imshow('img_1', img_1) #转换之后不能再显示，执行会出错
print(img_1.shape)
#cv2.waitKey()

#扩展维度，例如--->(batch_size, channels, height, width)
#预测单张图片，加一列作为图片的个数
img_2 = np.expand_dims(img, axis=0)
print(img_2.shape)    #(1, 480, 854, 3)

#训练阶段构建patch---> (batch_size, channels, height, width)
data_list = []
images = glob.glob('D:/PycharmProjects/image2video/blackswan/*.png')
for imageName in images:
im = cv2.imread(imageName)
data_list.append(im)
data_arr = np.array(data_list)
print(data_arr.shape)       #(50, 480, 854, 3)
'''

'''
#图片归一化
#opencv读入的图片矩阵数值是0-255，有时我们需要对其进行归一化处理
img = cv2.imread('figures/img_1.jpg')
print(img.dtype)    #unit8
print(img)
img_1 = img.astype("float") / 255.0   #img为unit8，需要先转换为float型
print(img_1.dtype)     #float64
print(img_1)

# 存储图片
cv2.imwrite('img_2.jpg', img_1)
img_3 = img_1 * 255     #要得到可视化的图片，需要乘以255还原
cv2.imwrite('img_3.jpg', img_3)

# BGR---->RGB,opencv读入的图片通道排列是BGR，而不是RGB
img_4 = cv2.imread('figures/img_1.jpg')
img_4 = cv2.cvtColor(img_4, cv2.COLOR_BGR2RGB)

#访问像素
gray = cv2.cvtColor(img_4, cv2.COLOR_BGR2GRAY)
print(img_4[10,10])  #3channels
print(gray[10, 10])      #1channel
img_4[10, 10] = [255, 255, 255]    #修改像素值
gray[10,10] = 255
print(img_4[10,10])    #----->[255,255,255]
print(gray[10,10])     #----->255

#ROI操作(提取感兴趣的区域)
roi = img_4[200:550,100:450,:]
cv2.imshow('roi',roi)
cv2.waitKey()

'''

#通道操作
#分离通道
img_5 = cv2.imread('figures/img_1.jpg')
b, g, r = cv2.split(img_5)
print(b)         #[[]]
print(img_5)     #[[[]]]

#合并通道
img_6 = cv2.merge((b, g, r))
print(img_6)

img_5[:, :, 2] = 0
print(img_5)
cv2.imshow('img5', img_5)
cv2.waitKey()