import cv2 as cv import numpy as np import matplotlib.pyplot as plt 

• 读取图像

  img = cv.imread(filename [，flags]) """ filename: 工作路径 flags: 标志，阅读图像的方式 cv.IMREAD_COLOR：彩色图像（BGR），忽略透明度，默认标志，1 cv.IMREAD_GRAYSCALE: 灰度模式，0 cv.IMREAD_UNCHANGED: 包括alpha通道，-1 """ 

• 显示图像

  cv.imshow(winname, mat) """ winname: 窗口名称 mat: 图像 """ 常与cv.waitKey()和cv.destroyAllWindows()搭配使用 

• 保存图像

  cv.imwrite(filename，img [，params]) """ filename：文件名 img: 图像需要保存 """ 

• 可结合Matplotlib

• 捕获视频

  cap = cv.VideoCapture(filename [，apiPreference]) cap = cv.VideoCapture(index [，apiPreference]) """ filename: 视频文件名称、图像序列、视频流URL index: 视频捕获设备ID，默认打开默认摄像头 """  cap.isOpened()  # 判断是否初始化是真的；否则，使用cap.open()打开  ret, frame = cap.read()  # ret为布尔值，如果读取帧，则为真 

• 保存视频

  out = cv.VideoWriter(filename，fourcc，fps，frameSize [，isColor]) """ filename: 文件名 fourcc：4字符编解码器代码用于压缩帧，fourcc = cv.VideoWriter_fourcc(*'XVID') fps：视频流的帧率 frameSize：视频帧大小 isColor：灰度编码为0，否则颜色 """ out.write(frame) 

• 线

  img = cv.line(img, pt1, pt2, color[, thickness[, lineType[
           
            , shift
            ]
            ]
            ]
            ) 
            """ img: 图片 pt1：第一个点 pt2：第二个点 color：线条颜色 thickness：线条粗细 lineType：线条类型 shift：点坐标中的小数位数 """ img 
            = np
            .zeros
            (
            (
            512
            , 
            512
            , 
            3
            )
            , np
            .uint8
            ) img 
            = cv
            .line
            (img
            , 
            (
            0
            , 
            0
            )
            , 
            (
            511
            , 
            511
            )
            , 
            [
            255
            , 
            0
            , 
            0
            ]
            , 
            5
            ) 
           

• 矩形

  img = cv.rectangle(	img，pt1，pt2，color [，thickness [，lineType [，shift]]])
  """ img: 图片 pt1：第一个点 pt2：对角顶点 color：矩形颜色 thickness：矩形线条粗细，负则填充 lineType：线条类型 shift：点坐标中的小数位数 """
  img = cv.rectangle(img, (384, 0), (510, 128), [0, 255, 0], 3)
  

• 圆

  img = cv.circle(img，center，radius，color [，thickness [，lineType [，shift]]])
  """ img: 图片 center: 圆心 radius：半径 color：圆颜色 thickness：圆线条粗细，负则填充 lineType：线条类型 shift：中心坐标和半径中的小数位数 """
  img = cv.circle(img, (447, 63), 63, (0, 0, 255), -1)
  

• 椭圆

  img = cv.ellipse(img，center，axes，angle，startAngle，endAngle，color [，thickness [，lineType [，shift]]])
  """ img: 图片 center: 椭圆中心 axes：长短半轴，（长半轴，短半轴） angle：旋转角，负角度（顺时针） startAngle：椭圆弧起始角度（以焦点） endAngle：椭圆弧终止角度（以焦点） color：椭圆颜色 thickness：椭圆线条粗细，负则填充 lineType：线条类型 shift：中心坐标和轴值的小数位数 """
  img = cv.ellipse(img, (256, 256), (100, 50), 0, 45, 225, 255, -1)
  

• 多边形

  img = cv.polylines(img, pts, isClosed, color[, thickness[, lineType[, shift]]])
  """ img: 图片 pts: 多边形的数组 isClosed：折线是否闭合，假则最后一点不与源点相连 color：折线颜色 thickness：折线线条粗细 lineType：线条类型 shift：顶点坐标中的小数位数 """
  pts = np.array([[10, 5], [20, 30], [70, 20], [50,10]], np.int32)
  pts = pts.reshape((-1, 1, 2))
  img = cv.polylines(img, [pts], True, (0, 255, 255))
  

• 鼠标事件

  events = [i for i in dir(cv) if 'EVENT' in i]
  print(events)
  # ['EVENT_FLAG_ALTKEY', 'EVENT_FLAG_CTRLKEY', 'EVENT_FLAG_LBUTTON', 'EVENT_FLAG_MBUTTON', 'EVENT_FLAG_RBUTTON', 'EVENT_FLAG_SHIFTKEY', 'EVENT_LBUTTONDBLCLK', 'EVENT_LBUTTONDOWN', 'EVENT_LBUTTONUP', 'EVENT_MBUTTONDBLCLK', 'EVENT_MBUTTONDOWN', 'EVENT_MBUTTONUP', 'EVENT_MOUSEHWHEEL', 'EVENT_MOUSEMOVE', 'EVENT_MOUSEWHEEL', 'EVENT_RBUTTONDBLCLK', 'EVENT_RBUTTONDOWN', 'EVENT_RBUTTONUP']
  

• 鼠标回调函数

  cv.setMouseCallback(winname, onMouse, userdata=0)
  """ winname：窗口名 onMouse：鼠标事件的回调函数 userdata：传递给回调函数的可选参数 """
  def draw_circle(event, x, y, flags, param):
       """鼠标回调函数"""
       if event == cv.EVENT_LBUTTONDBLCLK:
           cv.circle(img, (x, y), 100, (255, 0, 0), -1)
  
  
  img = np.zeros((512, 512, 3), np.uint8)
  cv.namedWindow('image')
  cv.setMouseCallback('image', draw_circle)
  while(1):
      cv.imshow('image', img)
      if cv.waitKey(20) == 27:
          break
  cv.destroyAllWindows()
  

• 读取和修改像素值

  px = img[100, 100]  # [157, 166, 200]
  # 获得蓝色像素
  blue = img[100, 100, 0]  # 157
  # 修改像素值
  img[100, 100] = [255, 255, 255]
  # 更好的获取和修改方法
  img.item(10, 10, 2)  # 59 获取红色像素
  img.itemset((10, 10, 2), 100)  # 修改红色像素值
  

• 读取图像属性

  img.shape  # (342, 548, 3) 行、列、通道
  img.size  # 562248 所有像素值
  img.dtype  # uint8 数据类型
  

• 图像感兴趣区域（ROI)

  roi = img[280: 340, 330: 390]
  

• 分离合并图像通道

  # 分离
  b, g, r = cv.split(img)  # 很费时的操作
  b = img[:,:,0]
  # 合并
  img = cv.merge((b, g, r))
  

• 生成图像边框（填充 Padding）

  dst = cv.copyMakeBorder(src, top, bottom, left, right, borderType[, dst[, value]])
  """ src: 源图像 top，bottom，left，right：上下左右宽度像素值 borderType： cv.BORDER_CONSTANT：恒定值 cv.BORDER_REFLECT: fedcba|abcdefgh|hgfedcb cv.BORDER_REFLECT_101 or cv.BORDER_DEFAULT： gfedcb|abcdefgh|gfedcba cv.BORDER_REPLICATE：aaaaaa|abcdefgh|hhhhhhh cv.BORDER_WRAP：cdefgh|abcdefgh|abcdefg value：颜色值，如果类型为cv.BORDER_CONSTANT """
  

• 图像相加

  • cv.add为饱和运算（建议使用），numpy为取模运算

  x = np.uint8([250])
  y = np.uint8([100])
  print(cv.add(x, y))  # 255 建议使用
  print(x + y)  # 94
  

• 图像融合（Image Blending）

  # 加权相加以达到图片融合
  dst = cv.addWeighted(src1, alpha, src2, beta, gamma[, dst[, dtype]])
  """ src1、src2：相加数组 alpha：1的权重 beta：2的权重 gamma：偏置 """
  dst = cv.addWeighted(img1, 0.7, img2, 0.3, 0)
  

• 逐位运算（Bitwise Operations）

  • 通常在提取部分图片时使用
  • 包括
    • cv.bitwise_and:
      • dst(I)=src1(I)∧src2(I)if mask(I)≠0
      • dst(I)=src1(I)∧src2if mask(I)≠0，通道数与src1相同
      • dst(I)=src1∧src2(I)if mask(I)≠0，通道数与src2相同
    • cv.bitwise_or:
      • dst(I)=src1(I)∨src2(I)if mask(I)≠0
      • dst(I)=src1(I)∨src2if mask(I)≠0，通道数与src1相同
      • dst(I)=src1∨src2(I)if mask(I)≠0，通道数与src2相同
    • cv.bitwise_not:dst(I)=¬src(I)
    • cv.bitwise_xor:
      • dst(I)=src1(I)⊕src2(I)if mask(I)≠0
      • dst(I)=src1(I)⊕src2if mask(I)≠0，通道数与src1相同
      • dst(I)=src1⊕src2(I)if mask(I)≠0，通道数与src2相同

  dst	= cv.bitwise_and(src1, src2[, dst[, mask]])
  """ src1，src2：数组或标量 mask：掩膜 """
  img1 = cv.imread('messi5.jpg')
  img2 = cv.imread('opencv-logo-white.png')
  # 创建ROI
  rows, cols, channels = img2.shape
  roi = img1[0: rows, 0: cols]
  # 创建掩膜和反向掩膜
  img2gray = cv.cvtColor(img2, cv.COLOR_BGR2GRAY)
  ret, mask = cv.threshold(img2gray, 10, 255, cv.THRESH_BINARY)
  mask_inv = cv.bitwise_not(mask)
  # 在ROI过滤出标志位置（黑色）
  img1_bg = cv.bitwise_and(roi,roi,mask = mask_inv)
  # 取出标志
  img2_fg = cv.bitwise_and(img2,img2,mask = mask)
  # 合并
  dst = cv.add(img1_bg,img2_fg)
  img1[0:rows, 0:cols ] = dst
  
  cv.imshow('res',img1)
  cv.waitKey(0)
  cv.destroyAllWindows()
  

• 性能测试

  e1 = cv.getTickCount()
  # 需要执行的代码
  e2 = cv.getTickCount()
  time = (e2 - e1) / cv.getTickFrequency()
  

• 优化默认

  cv.useOptimized()  # True
  cv.setUseOptimized(False)  # 关闭优化
  

• 性能优化技术

  • 尽量避免使用循环
  • 尽量矢量化，Numpy和OpenCV都对其进行了优化
  • 利用缓存一致性
  • 尽量少复制数组

• 改变色彩空间

  • 有150多种色彩空间变换方法，比较常用的是BGR<->GRAY和BGR<->HSV
  • HSV，色相Hue∈[0, 179]，饱和度Saturation∈[0, 255]，明度Value∈[0, 255]

  dst	= cv.cvtColor(src, code[, dst[, dstCn]])
  """ src：8位或16位无符号或单精度浮点图像 code：色彩空间变换码 dstCn：最终图片通道数，默认自动 """
  code = [i for i in dir(cv) if i.startswith('COLOR_')]
  

• 物体追踪

  • 获取视频的每一帧图像
  • 转化成HSV色彩空间
  • 阈值过滤HSV图像
  • 可以追踪物品，进行其他操作

  cap = cv.VideoCapture(0)
  while True:
      # 获取一帧图片
      _, frame = cap.read()
      # 将BGR-->HSV(色相，饱和度，明度）
      hsv = cv.cvtColor(frame, cv.COLOR_BGR2HSV)
      # 在HSV中，定义蓝色的范围
      lower_blue = np.array([110, 50, 50])
      upper_blue = np.array([130, 255, 255])
      # 过滤HSV图像获得蓝色掩膜
      mask = cv.inRange(hsv, lower_blue, upper_blue)
      # bitwise_and 掩膜和原始图像
      res = cv.bitwise_and(frame, frame, mask=mask)
      cv.imshow('frame', frame)
      cv.imshow('mask', mask)
      cv.imshow('res', res)
      if cv.waitKey(5) == 27:
          break
  cap.release()
  cv.destroyAllWindows()
  

  • 如何找到HSV的值用于追踪

  green = np.uint8([[[0, 255, 0]]])
  hsv_green = cv.cvtColor(green, cv.COLOR_BGR2HSV)
  print(hsv_green)  # [[[ 60 255 255]]]