OpenCv对图片视频的简单操作

目录

一.OpenCv安装与版本说明

二.图片的构成与颜色原理

三.OpenCv自动补齐功能修复

四.OpenCv的一些操作

1.基础操作

2.图片读取与灰度图转换

 3.图片保存

4.ROI（感兴趣区域）提取（切片操作）

5.视频加载与读取

①视频处理

②摄像头调用

③资源释放

6.RGB单通道提取方法

7.单通道显示与彩色效果

8.通道合并

9.图片的打码

10.图片的组合

11.图片的缩放（resize()方法）

---

一.OpenCv安装与版本说明

• 需安装两个库：opencv-python 和 opencv-contrib-python，版本可以指定为 3.4.18.65。

  pip install opencv-python==3.4.18.65 -i 镜像源地址

  pip install opencv-contrib-python==3.4.18.65 -i 镜像源地址

• 不推荐使用最新版（4.x），因涉及版权问题且函数调用可能不兼容。

二.图片的构成与颜色原理

图片由像素点组成，每个像素点颜色由 RGB 三通道数值（0-255）决定。

三.OpenCv自动补齐功能修复

四.OpenCv的一些操作

1.基础操作

• 问题现象：代码自动补齐失效（黄色框或下划线提示）。
• 原因：OpenCV 版本过低。
• 解决方法：
  1. 找到 Python 安装路径下的 site-packages 文件夹（如 D:\PY\site-packages）。
  2. 进入 cv2 文件夹，复制 cv2.pyd 文件到上层目录（site-packages 文件夹内）。
  3. 重启 Python 环境即可恢复自动补齐功能。
• 查询 Python 安装路径的命令：win + R 输入 cmd，执行 where python。
• 读取图片：使用 cv2.imread()，参数为图片路径（避免中文路径）。
• 显示图片：使用 cv2.imshow() 和 cv2.waitKey()，后者控制窗口显示时长（单位毫秒，0 表示无限等待）。
• 关闭窗口：cv2.destroyAllWindows() 释放内存。
• 图片属性：通过调试模式查看图片的 shape（高、宽、通道数）、dtype（数据类型，如 uint8）、size（总像素数）。

  import cv2im=cv2.imread('img1.png')
  cv2.imshow('img1',im)
  asic=cv2.waitKey(10000)#我们可以通过任意键关闭，比如按下空格键就会返回空格键的ascii码值32
  print(asic)#32
  cv2.destroyAllWindows()
  print('图片形状(shape):',im.shape)
  print('图片数据类型(dtype):',im.dtype)
  print('图片大小(size):',im.size)图片形状(shape): (864, 1536, 3)
  图片数据类型(dtype): uint8
  图片大小(size): 3981312
  

注意事项：

• OpenCV 中通道顺序为 BGR（非 RGB），中文路径或窗口名可能导致乱码或报错。
• 按键 ASCII 码可通过 cv2.waitKey() 获取（如 ESC 键为 27）。

2.图片读取与灰度图转换

• 灰度图特点：单通道（无色彩），像素值范围 0（黑）到 255（白），数据量为彩色图的 1/3。
• 转换方法：
  • 使用 cv2.imread()方法读取图片 时添加参数 cv2.IMREAD_GRAYSCALE 或简写为 0。
• 优势：减少计算量且保留特征（如形状、轮廓）。

import cv2
# 读取图片灰度图
im = cv2.imread('img1.png',cv2.IMREAD_GRAYSCALE)
# 或者im = cv2.imread('img1.png',0)
cv2.imshow('image1_gray',im)
cv2.waitKey(0)
cv2.destroyAllWindows()
print('图片形状(shape):',im.shape)
print('图片数据类型(dtype):',im.dtype)
print('图片大小(size):',im.size)

 3.图片保存

• 方法：cv2.imwrite(文件名, 图片数据)，如 cv2.imwrite("tmp98_gray.jpg", gray_image)。

cv2.imwrite('image1_gray.png',im)

• 注意：需先关闭 cv2.waitKey() 窗口（按任意键）才能执行保存操作。

4.ROI（感兴趣区域）提取（切片操作）

• 作用：从图像中截取特定区域（如人脸识别时仅分析人脸部分）。
• 实现：通过数组切片（如 image[30:230, 100:300] 截取行 30-230、列 100-300 的矩形区域）。
• 限制：仅支持矩形区域，无法按轮廓裁剪。

# 切片图片部分内容
a=im[100:500,200:700]
cv2.imshow('img1',im)
cv2.imshow('a',a)
cv2.waitKey(0)
cv2.destroyAllWindows()

5.视频加载与读取

• 使用 OpenCV 的 cv2.VideoCapture() 方法加载本地视频文件，支持中文字符路径。
• 视频播放通过循环逐帧读取（video_capture.read()），每帧画面显示时长由 cv2.waitKey() 参数控制（默认60毫秒）。
• 播放速度可通过调整 waitKey 参数修改（如1000毫秒为慢速，1毫秒为快速）。
• 视频窗口可以设置按 ESC 键（ASCII值27）关闭。

import cv2
# video_capture = cv2.VideoCapture(0)
video_capture = cv2.VideoCapture('zqt.mp4')
if not video_capture.isOpened():print('视频打开失败')exit()while True:#逐帧读取视频ret,frame=video_capture.read()# 检查是否成功读取if not ret:break# frame=cv2.cvtColor(frame,cv2.COLOR_BGR2GRAY)cv2.imshow('video',frame)if cv2.waitKey(100)==27:break
video_capture.release()
cv2.destroyAllWindows()

①视频处理

• 将视频转换为灰度图：
  • 方法1：通过 cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) 逐帧转换。
  • 方法2：加载时直接使用 cv2.IMREAD_GRAYSCALE 参数（需注意与第一种方法的参数区别）。
• 处理逻辑可插入在读取帧（frame）与显示之间，例如人脸检测等。

②摄像头调用

• 将 VideoCapture 参数改为 0 可调用本地摄像头，支持多摄像头切换（如0、1、2）。

③资源释放

• 视频处理完成后需调用 video_capture.release() 释放资源，避免内存占用过高。
• 关闭所有窗口使用 cv2.destroyAllWindows()。

6.RGB单通道提取方法

• 方法一：数组切片
  • 使用冒号切片（如a[:,:,0]）提取通道，索引0为B通道，1为G通道，2为R通道。
  • 提取后的单通道图像为灰度图，无色彩。

    import cv2
    img=cv2.imread('img1.png')
    b=img[:,:,0]
    g=img[:,:,1]
    r=img[:,:,2]

• 方法二：split函数
  • 直接调用cv2.split(a)返回B、G、R三个通道的数组，效果与方法一相同

b,g,r=cv2.split(img)

7.单通道显示与彩色效果

• 显示单通道时图像为灰度，因仅保留亮度值。
• 若需显示单通道彩色效果（如仅蓝色），需将其他通道数值设为0（如img[:,:,1:3]=0保留B通道）。
• 操作时建议使用copy()避免修改原图数据

#设置单颜色
new_img=img.copy()
new_img[:,:,1]=0
new_img[:,:,2]=0
cv2.imshow('new_img',new_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

8.通道合并

• 使用cv2.merge([B,G,R])将分离的通道合并为彩色图像，合并后恢复原图效果。

b,g,r=cv2.split(img)
# 合并颜色通道
res=cv2.merge((b,g,r))#注意参数是元组形式
cv2.imshow('res',res)

9.图片的打码

使用 OpenCV 和 NumPy 实现指定区域马赛克效果

• 步骤：读取图片 → 选定区域（如200-300行、150-250列） → 用随机生成的像素值（0-255）替换原区域 → 显示结果。
• 关键点：区域大小需与随机生成的数组维度一致（如100x100x3对应RGB三通道）。

import numpy as np
import cv2
new_img[200:300,150:250]=np.random.randint(0,256,(100,100,3))
cv2.imshow('new_img_dama',new_img)
cv2.waitKey(10000)
cv2.destroyAllWindows()

10.图片的组合

基于区域选择（ROI）将两张图片的指定区域融合。

• 示例：将图片的100-250行、200-350列区域替换到另一图片的200-350行、300-450列区域。
• 注意：抠图区域大小需严格一致（如150x150）。

#图片的组合
img2=cv2.imread('nailong.png')
img1[100:250,200:350]=img2[200:350,300:450]#注意组合的距离要相同
cv2.imshow('img1_combine',img1)
cv2.waitKey(10000)
cv2.destroyAllWindows()

11.图片的缩放（resize()方法）

• 指定宽高：直接设置目标尺寸（如宽200、高600），图片按比例拉伸。
• 比例系数：通过fx（横向比例）和fy（纵向比例）调整（如0.5倍缩小或1.5倍放大）。

#图片的大小调整
img1=cv2.imread('img1.png')
new_img=cv2.resize(img1,dsize=None,fx=0.5,fy=0.5)
#或者
# new_img=cv2.resize(img,dsize=(200,600))
cv2.imshow('new_img',new_img)
cv2.waitKey(10000)
cv2.destroyAllWindows()