Python Opencv中基础的知识点

目录
  • 1.创建窗口
  • 2.保存图片
  • 3.采集视频
  • 4.鼠标控制
  • 5.TrackBar组件

OpenCV 是一个流行的开源计算机视觉库,可用于不同的编程语言,例如 Python、C++ 和 JavaScript。它提供了一套丰富的工具来处理和分析图像和视频,让你可以从调整单张图片的大小到构建复杂的对象识别应用程序。

本文给大家介绍Python Opencv中基础的知识点。

1.创建窗口

import cv2
import numpy as np
def createWindow():
    #读取图片
    img=cv2.imread('images/1 (1).jpg')
    #创建窗口 flags=WINDOW_NORMAL表示可以改变窗口大小
    cv2.namedWindow(winname='window',flags=cv2.WINDOW_NORMAL)
    #缩放窗口的大小
    cv2.resizeWindow(winname='window',width=300,height=200)
    #显示窗口
    cv2.imshow('window',img)
    #获取鼠标或者键值
    key=cv2.waitKey(0)
    if (key&0XFF==ord('Q')):
        cv2.destroyAllWindows()
         #销毁所有的窗口
if __name__ == '__main__':
    print('PyCharm')
    createWindow()

2.保存图片

import cv2
import numpy as np
def createWindow():
    #读取图片
    img=cv2.imread('images/1 (1).jpg')
    #创建窗口 flags=WINDOW_NORMAL表示可以改变窗口大小
    cv2.namedWindow(winname='window',flags=cv2.WINDOW_NORMAL)
    #缩放窗口的大小
    cv2.resizeWindow(winname='window',width=300,height=200)
    while True:
        #显示窗口
        cv2.imshow('window',img)
        #获取鼠标或者键值
        key=cv2.waitKey(0)
        if (key&0XFF==ord('Q')):
            break
        elif (key&0xFF==ord('s')):
            # 保存图片
            # name-保存的文件名 img-保存的图片
            cv2.imwrite('save_pic.png', img)
            break
    cv2.destroyAllWindows()
    #销毁所有的窗口
if __name__ == '__main__':
    print('PyCharm')
    createWindow()

3.采集视频

import os
import cv2
import numpy as np
def CollectVideo():
    #创建窗口
    cv2.namedWindow(winname='window',flags=cv2.WINDOW_AUTOSIZE)
    cv2.resizeWindow(winname='window',width=450,height=300)
    #打开摄像头
    cap=cv2.VideoCapture(0)
    fourcc = cv2.VideoWriter_fourcc(*'MJPG')
    #获取窗口大小
    size = (int(cap.get(cv2.CAP_PROP_FRAME_WIDTH)), int(cap.get(cv2.CAP_PROP_FRAME_HEIGHT)))
    # 输出文件 多媒体文件格式 视频帧率  分辨率大小
    vw = cv2.VideoWriter('video.avi', fourcc, 25, size)
    while cap.isOpened():
        #从摄像头读取视频帧
        OK,frame=cap.read()
        if OK:
            #显示摄像头画面
            cv2.imshow('window',frame)
            cv2.resizeWindow(winname='window', width=450, height=300)
            #将从摄像头采集的视频帧写入文件
            vw.write(frame)
        #从鼠标和键盘获取键值,按下ESC键退出
        if cv2.waitKey(1)&0xFF==27:
            break
    #释放资源
    cap.release()
    vw.release()
    #销毁所有的窗口
    cv2.destroyAllWindows()
if __name__ == '__main__':
    print('Pycharm')
    CollectVideo()

4.鼠标控制

#回调函数参数解释
#event:鼠标移动,按下左键;
#(x,y):鼠标坐标
#flags:鼠标键及组合键
import cv2
import numpy as np

#回调函数定义
def mouse_callback(event,x,y,flags,userdata):
    print(event,x,y,flags,userdata)

#创建窗口
cv2.namedWindow(winname='mouse',flags=cv2.WINDOW_NORMAL)
cv2.resizeWindow(winname='mouse',width=450,height=300)
#给“mouse”窗口设置回调函数
cv2.setMouseCallback('mouse',mouse_callback,'123')

img=np.zeros(shape=(300,450,3),dtype=np.uint8)
while True:
    cv2.imshow('mouse',img)
    #按下ESC键退出
    if cv2.waitKey(1)&0xFF==27:
        break
cv2.destroyAllWindows()
if __name__ == '__main__':
    print('pycharm')

5.TrackBar组件

import os
import cv2
import numpy as np
cv2.namedWindow(winname='trackbar',flags=cv2.WINDOW_NORMAL)
cv2.resizeWindow(winname='trackbar',width=450,height=300)
#获取TrackBar的值
def TrackBarValue():
    #获取窗口“window”下子窗口“R”的值
    value_R=  cv2.getTrackbarPos(trackbarname='R', winname='trackbar')
    value_G = cv2.getTrackbarPos(trackbarname='G', winname='trackbar')
    value_B = cv2.getTrackbarPos(trackbarname='B', winname='trackbar')
    return value_R,value_G,value_B
def callback():
    pass
#定义TrackBar函数
def TrackBarBGR():
    #value-trackbar的值 count-设置的最大值count(最小值为0) OnChange-回调函数
    cv2.createTrackbar('R','trackbar',  0, 255, callback)
    cv2.createTrackbar('G','trackbar',  0, 255, callback)
    cv2.createTrackbar('B','trackbar', 0, 255, callback)
img=np.zeros(shape=(450,300,3),dtype=np.uint8)
#创建trackbar组件
TrackBarBGR()
while True:
    #获取trackbar的值
    R,G,B=TrackBarValue()
    img[:]=[B,G,R]
    #获取值之后改变背景的颜色
    cv2.imshow('trackbar', img)
    #按下ESC键退出
    if cv2.waitKey(1)&0xFF==27:
        break
cv2.destroyAllWindows()
if __name__ == '__main__':
    print('Pycharm')

到此这篇关于Python Opencv中基础的知识点的文章就介绍到这了,更多相关Python Opencv基础知识内容请搜索我们以前的文章或继续浏览下面的相关文章希望大家以后多多支持我们!

(0)

相关推荐

  • python中的opencv 图像分割与提取

    目录 图像分割与提取 用分水岭算法实现图像分割与提取 算法原理 相关函数介绍 分水岭算法图像分割实例 交互式前景提取 图像分割与提取 图像中将前景对象作为目标图像分割或者提取出来.对背景本身并无兴趣分水岭算法及GrabCut算法对图像进行分割及提取. 用分水岭算法实现图像分割与提取 分水岭算法将图像形象地比喻为地理学上的地形表面,实现图像分割,该算法非常有效. 算法原理 任何一幅灰度图像,都可以被看作是地理学上的地形表面,灰度值高的区域可以被看成是山峰,灰度值低的区域可以被看成是山谷. 左图是原

  • 详解Python+OpenCV进行基础的图像操作

    目录 介绍 形态变换 腐蚀 膨胀 创建边框 强度变换 对数变换 线性变换 去噪彩色图像 使用直方图分析图像 介绍 众所周知,OpenCV是一个用于计算机视觉和图像操作的免费开源库. OpenCV 是用 C++ 编写的,并且有数千种优化的算法和函数用于各种图像操作.很多现实生活中的操作都可以使用 OpenCV 来解决.例如视频和图像分析.实时计算机视觉.对象检测.镜头分析等. 许多公司.研究人员和开发人员为 OpenCV 的创建做出了贡献.使用OpenCV 很简单,而且 OpenCV 配备了许多工

  • Python Opencv中基础的知识点

    目录 1.创建窗口 2.保存图片 3.采集视频 4.鼠标控制 5.TrackBar组件 OpenCV 是一个流行的开源计算机视觉库,可用于不同的编程语言,例如 Python.C++ 和 JavaScript.它提供了一套丰富的工具来处理和分析图像和视频,让你可以从调整单张图片的大小到构建复杂的对象识别应用程序. 本文给大家介绍Python Opencv中基础的知识点. 1.创建窗口 import cv2 import numpy as np def createWindow(): #读取图片 i

  • 浅谈Python Opencv中gamma变换的使用详解

    伽马变换就是用来图像增强,其提升了暗部细节,简单来说就是通过非线性变换,让图像从暴光强度的线性响应变得更接近人眼感受的响应,即将漂白(相机曝光)或过暗(曝光不足)的图片,进行矫正. 伽马变换的基本形式如下: 大于1时,对图像的灰度分布直方图具有拉伸作用(使灰度向高灰度值延展),而小于1时,对图像的灰度分布直方图具有收缩作用(是使灰度向低灰度值方向靠拢). #分道计算每个通道的直方图 img0 = cv2.imread('12.jpg') hist_b = cv2.calcHist([img0],

  • Python OpenCV中的numpy与图像类型转换操作

    Python OpenCV存储图像使用的是Numpy存储,所以可以将Numpy当做图像类型操作,操作之前还需进行类型转换,转换到int8类型 import cv2 import numpy as np # 使用numpy方式创建一个二维数组 img = np.ones((100,100)) # 转换成int8类型 img = np.int8(img) # 颜色空间转换,单通道转换成多通道, 可选可不选 img = cv2.cvtColor(img, cv2.COLOR_GRAY2BGR) cv2

  • Python Opencv中获取卷积核的实现代码

    目录 1.cv2.getStructuringElement(shape,ksize,anchor=(-1,-1)) 2.函数讲解 3.代码实战 1.cv2.getStructuringElement(shape,ksize,anchor=(-1,-1)) 该函数构造并返回可进一步传递给createMorphologyFilter().Correase().Explate()或morphologyEx()的结构元素.但您也可以自己构造任意的二进制掩码,并将其用作结构元素. 2.函数讲解 getS

  • Python OpenCV中的drawMatches()关键匹配绘制方法

    目录 作用说明 函数原型 参数详解 结果 作用说明 该方法被用于绘制关键点的匹配情况.我们看到的许多匹配结果都是使用这一方法绘制的——一左一右两张图像,匹配的关键点之间用线条链接. 函数原型 cv.drawMatches( img1, keypoints1, img2, keypoints2, matches1to2, outImg[, matchColor[, singlePointColor[, matchesMask[, flags]]]]) -> outImg cv.drawMatche

  • Python OpenCV中的resize()函数的使用

    改变图像大小意味着改变尺寸,无论是单独的高或宽,还是两者.也可以按比例调整图像大小. 这里将介绍resize()函数的语法及实例. 语法 函数原型 cv2.resize(src, dsize[, dst[, fx[, fy[, interpolation]]]]) 参数: 参数 描述 src [必需]原图像 dsize [必需]输出图像所需大小 fx [可选]沿水平轴的比例因子 fy [可选]沿垂直轴的比例因子 interpolation [可选]插值方式 [可选]插值方式 其中插值方式有很多种

  • python opencv 图像尺寸变换方法

    利用Python OpenCV中的 cv.Resize(源,目标,变换方法)就可以实现变换为想要的尺寸了 源文件:就不用说了 目标:你可以对图像进行倍数的放大和缩小 也可以直接的输入尺寸大小 变换的方法: CV_INTER_NN - 最近邻插值, CV_INTER_LINEAR - 双线性插值 (缺省使用) CV_INTER_AREA - 使用象素关系重采样.当图像缩小时候,该方法可以避免波纹出现.当图像放大时,类似于 CV_INTER_NN 方法.. CV_INTER_CUBIC - 立方插值

  • Python中基础数据类型 set集合知识点总结

    集合的简介 集合是一个无序.不重复的序列 它的基本用法包括成员检测和消除重复元素 集合对象也支持像 联合,交集,差集,对称差分等数学运算 集合中所有的元素放在 {} 中间,并用逗号分开 集合的例子 这里会有个重点知识 # 声明 basket = {'apple', 'orange', 'apple', 'pear', 'orange', 'banana'} print(basket) set_ = {1, 1, 1, 1, 2} print(set_) # 输出结果 {'orange', 'pe

  • python的链表基础知识点

    python中的链表(linked list)是一组数据项的集合,其中每个数据项都是一个节点的一部分,每个节点还包含指向下一个节点的链接.链表有两种类型:单链表和双链表. 链表的数据结构如下图所示: 在链表中删除操作可以通过修改指针来实现,如下图所示: 插入则是调整,插入点的前后两个指针的指向关系,如下图所示: 在python中每个变量都是指针,例如: 用内置数据结构(list,dict,tuple等)的嵌套/组合,它们隐式地包含了指向/嵌套关系,如graph[u][v]={w0,w1..}类的

随机推荐