目录
显示窗口
cv2.namedWindow(winname, flags=None)
创建一个命名窗口，以便在该窗口中显示图像或进行其他图形操作。
参数说明
-
winname (str): 窗口的名称。这个名称必须是唯一的，因为它是用来标识窗口的。
-
flags (int, 可选): 窗口的标志，用于设置窗口的行为。默认值为cv2.WINDOW_AUTOSIZE
flags 常见的标志包括：
-
cv2.WINDOW_NORMAL: 允许调整窗口大小。 -
cv2.WINDOW_AUTOSIZE: 窗口大小根据图像大小自动调整，不能手动调整。
-
# 创建一个名为 "IMG" 的窗口，cv2.WINDOW_NORMAL设置允许调整大小
cv2.namedWindow('IMG', cv2.WINDOW_NORMAL)
# 2 设置名字和窗口大小(width,height)
cv2.resizeWindow('IMG', (500, 300))
# 读取图片
# 1.支持相对路径和绝对路径，2.图片路径不能包含中文
try:
img = cv2.imread('pic/test1.jpg')
# 显示图像
cv2.imshow('IMG', img)
# 等待用户按键
cv2.waitKey(0)
# 释放资源
cv2.destroyAllWindows()
except Exception as e:
print(e)
print("图片不存在")创建空白图像
np.zeros((height, width, 3))
创建一个全零数组，这个数组可以表示一个空白图像。数组的形状应该符合图像的尺寸和通道数，例如，对于 RGB 图像，形状应为 (height, width, 3)
image = np.zeros((300, 500, 3), dtype=np.uint8)
cv2.imshow('img',image)
cv2.waitKey(0)保存图片
cv2.imwrite(filename, img[, params])
用于将图像保存到文件中。
参数说明
-
filename (str): 要保存的文件路径和名称。支持的文件格式包括
.jpg,.png,.bmp,.tiff等。 -
img (numpy.ndarray): 要保存的图像。通常是一个二维或三维的 NumPy 数组，表示图像的像素值。
返回值
-
bool: 成功保存图像返回
True，否则返回False。
import cv2
# 读取图片
img = cv2.imread("images/car.png")
# 保存图片
rs = cv2.imwrite("save_image/car.png", img)
if rs:
print("图像保存成功！")
else:
print("图像保存失败！")注意:
确保提供的文件路径是有效的，如果路径不存在，OpenCV 会尝试创建它，但如果权限不足则会保存失败。
图像裁剪
img[y:y+h, x:x+w]
在 OpenCV 中，图像切片用于从图像中提取一个子区域（矩形区域）。比如在目标检测、ROI（Region of Interest，感兴趣区域）提取等任务有用。
说明：
图像 img，类型： numpy.ndarray。
-
x: 子区域左上角的 x 坐标。
-
y: 子区域左上角的 y 坐标。
-
w: 子区域的宽度。
-
h: 子区域的高度。
img = cv2.imread('pic/test2.png')
# 定义坐标
x=100
y=150
w=150
h=100
sub_img =img[y:y+h,x:x+w]
cv2.imshow("sub_img",sub_img)
cv2.waitKey(0)
cv2.destroyAllWindows()
注意：
-
边界检查：确保
(x, y)和(x+w, y+h)都在图像的边界内，否则会导致数组索引越界错误。 -
数据类型：
img通常是numpy.ndarray类型，切片操作返回的也是numpy.ndarray类型。
调整图片大小
cv2.resize(src, dsize, dst)
用于调整图像的大小，对图像进行缩放、放大或缩小以适应不同需求。
参数说明
-
src (numpy.ndarray): 输入图像，通常是一个二维或三维的 NumPy 数组。
-
dsize (tuple): 输出图像的尺寸，是一个二元组
(width, height)
返回值
-
dst (numpy.ndarray): 缩放后的图像。
import cv2
img = cv2.imread("images/car.png")
#获取图片的像素和通道数
height, width, channels = img.shape
print(f"高度:{height},宽度:{width},通道数:{channels}")
#调整图片的大小
img = cv2.resize(img, (300, 300))
height, width, channels = img.shape
print(f"调整后：高度:{height},宽度:{width},通道数:{channels}")
#保存图片
cv2.imwrite("save_image/car.png", img)图像绘制
绘制圆形
cv2.circle(img, center, radius, color, thickness)
参数：
-
img：要绘制圆形的图像。 -
center：圆心的坐标。 -
radius：圆的半径。 -
color：圆的颜色，通常是一个表示BGR颜色的元组，例如(255, 0, 0)表示蓝色。 -
thickness：圆的边界线条的厚度，如果为负值或cv2.FILLED，表示填充整个圆。
img = cv2.imread('pic/test2.png')
center = (150, 150)
radius = 100
color = (158, 56, 200)
thickness = 25
circle_img = cv2.circle(img, center, radius, color, thickness)
cv2.imshow("circle_img", circle_img)
cv2.waitKey(0)
cv2.destroyAllWindows()绘制矩形
cv2.rectangle(img, pt1, pt2, color[, thickness[, lineType[, shift]]])
参数：
-
img：要绘制矩形的图像。 -
pt1：矩形的一个顶点。 -
pt2：矩形对角线上的另一个顶点。 -
color：矩形的颜色，通常是一个表示BGR颜色的元组，例如(255, 0, 0)表示蓝色。 -
thickness：矩形边框的厚度，如果为负值或cv2.FILLED，表示填充整个矩形内部。
img = cv2.imread('pic/test.jpg')
left_top = (100,100)
right_bottom = (300,400)
color = (151,48,12)
thickness=10
img_rectangle = cv2.rectangle(img,[100,200,300,400],color,thickness)
cv2.imshow("img_rectangle", img_rectangle)
cv2.waitKey(0)
cv2.destroyAllWindows()绘制直线
cv2.line(img, pt1, pt2, color, thickness lineType)
参数:
-
img: 输出图像，即要在这张图上绘制直线的图像。通常是一个 NumPy 数组。
-
pt1: 直线的一个端点，是一个包含两个元素（x, y）的元组，代表该点的坐标。
-
pt2: 直线的另一个端点，也是一个包含两个元素（x, y）的元组，代表该点的坐标。
-
color: 直线的颜色，对于 BGR 图像，这应该是一个包含三个整数的元组，分别对应蓝色、绿色和红色的强度（例如
(255, 0, 0)表示纯蓝色）。对于灰度图像，只需要一个整数值即可。 -
thickness: 可选参数，定义直线的宽度。默认值是 1。
返回值
-
img: 返回的是经过修改后的图像，实际上就是传入的图像本身，因为
cv2.line()是直接在原图上操作的。
import cv2
img = cv2.imread("images/car.png")
# 定义直线的起点和终点
start_point = (50, 50) # 起点坐标 (x1, y1)
end_point = (450, 450) # 终点坐标 (x2, y2)
# 定义颜色 (B, G, R) 和线条粗细
color = (255, 0, 0) # 蓝色
thickness = 2 # 线条的宽度
# 使用 cv2.line() 在图像上绘制直线
cv2.line(img, start_point, end_point, color, thickness)
# 显示图像
cv2.imshow('Image with Line', img)
# 等待按键，然后关闭窗口
cv2.waitKey(0)
cv2.destroyAllWindows()绘制文本
cv2.putText(img, text, org, fontFace, fontScale, color[, thickness[, lineType[, bottomLeftOrigin]]])
用于在图像上添加文本。用于标注图像、显示信息或调试时。
参数：
-
img (numpy.ndarray): 输入图像，通常是一个二维或三维的 NumPy 数组。
-
text (str): 要添加的文本字符串。
-
org (tuple): 文本的起始位置，是一个二元组
(x, y)，表示文本左下角的坐标。 -
fontFace
(int): 字体类型，常见的字体类型包括：
-
cv2.FONT_HERSHEY_SIMPLEX: 正常大小的无衬线字体 -
cv2.FONT_HERSHEY_PLAIN: 小号的无衬线字体 -
cv2.FONT_HERSHEY_DUPLEX: 正常大小的无衬线字体，比FONT_HERSHEY_SIMPLEX更粗 -
cv2.FONT_HERSHEY_COMPLEX: 正常大小的有衬线字体 -
cv2.FONT_HERSHEY_TRIPLEX: 正常大小的有衬线字体，比FONT_HERSHEY_COMPLEX更粗 -
cv2.FONT_HERSHEY_SCRIPT_SIMPLEX: 手写风格的字体 -
cv2.FONT_HERSHEY_SCRIPT_COMPLEX: 手写风格的字体，比FONT_HERSHEY_SCRIPT_SIMPLEX更粗 -
cv2.FONT_ITALIC: 斜体修饰符，可以与其他字体类型组合使用
-
-
fontScale (float): 字体大小的比例因子。
-
color (tuple): 文本颜色，是一个三元组
(B, G, R)，表示蓝色、绿色和红色的值。 -
thickness (int, 可选): 文本线条的厚度，默认值为 1。
-
lineType
(int, 可选): 线条类型，常见的线条类型包括：
-
cv2.LINE_4: 4 连通线 -
cv2.LINE_8: 8 连通线 -
cv2.LINE_AA: 抗锯齿线（默认值）
-
返回值
-
img (numpy.ndarray): 添加文本后的图像。
import cv2
import numpy as np
image = cv2.imread("images/car.png")
# 定义文本内容和位置
text = "hello world!"
# 文本的左下角位置
position = (50, 200)
# 设置字体类型
font = cv2.FONT_HERSHEY_SIMPLEX
#字体大小
font_scale = 1
#字体颜色
font_color = (0, 255, 0)
#字体线条的粗细
line_type = 2
# 在图像上绘制文本
cv2.putText(image, text, position, font, font_scale, font_color, line_type)
# 显示图像
cv2.imshow(' Text', image)
cv2.waitKey(0)
cv2.destroyAllWindows()
# 保存图像（可选）
cv2.imwrite('output_image.png', image)中文乱码
(1)安装库：
pip install opencv-python pillow
(2)下载一个中文字体文件，常见的中文字体文件有 simhei.ttf、simsun.ttc 等。你可以从系统中找到这些字体文件，或者从互联网下载。
(3)定义 put_text 函数
示例：
def put_text(image, text, position, font_path, font_size, color):
# 将Opencv图像转换为PIL图像
pil_image = Image.fromarray(cv2.cvtColor(image, cv2.COLOR_BGR2RGB))
# 创建一个在给定图像绘图的对象
draw = ImageDraw.Draw(pil_image)
# 加载字体
font = ImageFont.truetype(font_path, font_size)
# 在图像上绘制文字
draw.text(position, text, fill=color, font=font)
# 将PIL图像转回Opencv图像
image_with_text = cv2.cvtColor(np.array(pil_image), cv2.COLOR_RGB2BGR)
return image_with_text
def show(even, x, y, flag, param):
global img2
global num
if even == cv2.EVENT_LBUTTONDOWN:
num += 1
text1 = f'老铁们，上火箭，火箭数:{num}'
img2 = put_text(img, text1, (10, 10), 'simhei.ttf',
20, (225, 241, 14))
img = cv2.imread('pic/test.jpg')
img2 =img
# 火箭数
num = 0
win_name = 'IMG'
cv2.namedWindow(win_name)
cv2.setMouseCallback(win_name, show)
while True:
cv2.imshow(win_name, img2 )
if cv2.waitKey(1) == 27:
break
cv2.destroyAllWindows()控制鼠标
cv2.setMouseCallback()
允许用户定义一个回调函数，当鼠标事件发生时（如点击、释放、移动等），该回调函数会被调用。
def act(even, x, y, flag, param):
global cond
if even == cv2.EVENT_LBUTTONDOWN:
print("鼠标左键按下")
cond = True
elif even == cv2.EVENT_LBUTTONUP:
print("鼠标左键释放")
cond = False
elif even == cv2.EVENT_MOUSEMOVE:
print("鼠标移动")
if cond:
cv2.circle(img, (x, y), 5, (150, 125, 205), -1)
else:
print("无法识别")
img = cv2.imread('pic/test.jpg')
win_name = 'IMG'
cv2.namedWindow(win_name, cv2.WINDOW_NORMAL)
cv2.resizeWindow(win_name, (500, 400))
# 活动信号
cond = False
cv2.setMouseCallback(win_name, act)
while True:
cv2.imshow(win_name, img)
if cv2.waitKey(10) == 27:
cv2.imwrite('save_img.jpg', img)
break
cv2.destroyAllWindows()
视频处理
cv2.VideoCapture()
是 OpenCV 库中的一个类，用于从摄像头或视频文件中捕获视频帧。这个类提供了多种方法来控制视频捕获的过程，包括打开视频文件、读取视频帧、获取视频属性等。
常用方法
(1)read()
用于从视频源中读取下一帧。它返回一个布尔值和图像帧。布尔值表示是否成功读取了帧，图像帧是一个 NumPy 数组。
ret, frame = cap.read()
if not ret:
print("Failed to grab frame")
break(2)release()
用于释放视频捕获资源。在完成视频处理后，必须调用此方法来释放摄像头或视频文件。
cap.release()(3)isOpened()
用于检查视频捕获对象是否已经成功打开。
if not cap.isOpened():
print("Error opening video stream or file")(4)get() 和 set()
get() 和 set() 方法用于获取和设置视频捕获属性。常用的属性包括帧宽、帧高、帧率等。
# 获取帧宽
width = cap.get(cv2.CAP_PROP_FRAME_WIDTH)
# 获取帧高
height = cap.get(cv2.CAP_PROP_FRAME_HEIGHT)
# 获取帧率
fps = cap.get(cv2.CAP_PROP_FPS)
# 设置帧宽
cap.set(cv2.CAP_PROP_FRAME_WIDTH, 640)
# 设置帧高
cap.set(cv2.CAP_PROP_FRAME_HEIGHT, 480)示例：
import cv2
# 打开视频文件或摄像头
# 使用 0 打开默认摄像头，或者替换为视频文件路径，例如 'video.mp4'
video_capture = cv2.VideoCapture('video/1.mp4') # 0 表示使用摄像头
if not video_capture.isOpened():
print("视频没有打开")
exit()
# 获取视频的帧率
fps = video_capture.get(cv2.CAP_PROP_FPS)
delay = int(1000 / fps) # 计算帧间延迟
while True:
# 逐帧读取视频
ret, frame = video_capture.read()
# 显示当前帧
cv2.imshow('Video', frame)
# 按下 'q' 键退出
if cv2.waitKey(delay) & 0xFF == ord('q'):
break
# 释放视频捕获对象和关闭所有窗口
video_capture.release()
cv2.destroyAllWindows()