计算机视觉(opencv-python)入门之图像的读取,显示,与保存

        在计算机视觉领域，Python的cv2库是一个不可或缺的工具，它提供了丰富的图像处理功能。作为OpenCV的Python接口，cv2使得图像处理的实现变得简单而高效。

 示例图片

目录

opencv获取方式

图像基本知识

颜色空间

RGB

HSV

CV2常用图像处理方法

读取图像cv2.imread()

  imread各flags参数含义详解

读取结果说明

Ndarray说明

获取单通道颜色矩阵

显示图像

使用cv2.imshow()显示图像

cv2.waitKey()

cv2.destroyAllWindows()

使用plt.imshow()显示图像

总结

opencv获取方式

pip install -i https://mirrors.tuna.tsinghua.edu.cn/pypi/web/simple opencv-python

图像基本知识

颜色空间

        颜色空间是一种用来表示颜色的数学模型,它描述了如何将颜色信息数字化，以便于计算机进行处理和分析。在计算机视觉和图像处理领域，常见的颜色空间包括RGB、HSV等。

RGB

        RGB颜色空间是最常用的颜色空间之一，它基于红（Red）、绿（Green）、蓝（Blue）三种基本颜色，通过调整这三种颜色的强度和组合，可以产生各种颜色。

        在RGB颜色空间中,每个颜色的强度值范围通常在0到255之间，分别代表红、绿、蓝三种颜色的亮度。通过调整这些亮度值，可以混合出各种颜色。例如，当RGB三个通道的强度值都为0时，表示黑色；当RGB三个通道的强度值都为255时，表示白色。

RGB颜色调色板 

        HEX是一种常用于网页设计和图像处理中的颜色表示方法，它通过六位十六进制数来表示RGB颜色空间中的颜色。在HEX表示法中，前两位代表红色强度，中间两位代表绿色强度，最后两位代表蓝色强度。 

        通过改变这三个值的不同组合，可以得到一个包含2^24=16777216种颜色的调色板，但是人眼可见的却远远少于这个数字。

        例如我们总是认为乌鸦是黑色的,但其实在不同的光照条件下，乌鸦的羽毛可能会呈现出彩色的光泽。这正是因为RGB颜色空间虽然能够表示大量的颜色，但人眼的颜色感知却受到环境、光照等多种因素的影响。

 乌鸦羽毛五彩斑斓的黑

HSV

        HSV(Hue, Saturation, Value)是根据颜色的直观特性 色调（Hue）、饱和度（Saturation）和明度（Value）三个参数。由A. R. Smith在1978年创建的一种颜色空间, 也称六角锥体模型(Hexcone Model)。

 HSV分量可以通过RGB各分量值转化得到，计算公式如下：

其中，R,G,B分别为RGB颜色空间中的3个分量。 

图像格式

常见的图像格式有BMP格式，TiIFF格式，GIF格式,JPEG格式,PNG格式等。

BMP格式

        BMP格式是windows环境中的一种标准(但很多microsoft应用程序不支持它)，这种格式采用位映射存储格式，除了图像深度可选以外，不采用其他任何压缩，因此，BMP文件所占用的空间很大。BMP文件的图像深度可选lbit、4bit、8bit及24bit。BMP文件存储数据时，图像的扫描方式是按从左到右、从下到上的顺序。由于BMP文件格式是Windows环境中交换与图有关的数据的一种标准，因此在Windows环境中运行的图形图像软件都支持BMP图像格式。

  TIFF格式

        TIFF格式是一种灵活的图像存储格式，广泛应用于印刷、出版和扫描领域。它支持多种色彩模式，包括灰度、RGB、CMYK等，并允许无损压缩，以在保证图像质量的同时减少文件大小。TIFF格式还支持多层图像和透明度，使其在处理复杂图像时具有显著优势。此外，TIFF格式具有良好的兼容性，能够被多种图像编辑和处理软件所支持。

GIF格式

        GIF格式是一种广泛用于网络传输的图像格式。GIF格式以其独特的无损压缩技术和支持透明背景的特性而著称，这使得GIF图像在保持高质量的同时，文件大小相对较小，非常适合在网络上快速加载和显示。此外，GIF格式还支持动画效果，能够创建简单的动态图像，这一特性使其在社交媒体和网页设计中备受欢迎。尽管GIF格式的色彩深度有限，通常只能显示256种颜色，但这并不妨碍它在特定应用场景下的广泛应用。

JPEG格式

        JPEG格式源自对相对静止灰度或彩色图像的一种压缩标准,在使用有损压缩方法时可节省的空间是相当大的,目前数码相机中均使用这种格式。尽管JPEG格式采用有损压缩，可能会导致一定的图像质量损失，但通过调整压缩级别，用户可以在图像质量和文件大小之间找到理想的平衡点。这种灵活性使得JPEG格式成为存储和传输大量图片的优选方案，尤其是在存储空间有限或网络带宽受限的情况下。此外，JPEG格式还具有良好的跨平台兼容性，几乎可以被所有主流的图像查看器和编辑器所支持。

PNG格式

        PNG是一种无损压缩的图像格式，支持透明背景和Alpha通道，使得图像在保持高质量的同时，还能展现出更为丰富的层次感和细腻度。与GIF格式相比，PNG格式在色彩深度上不再受限，能够显示1600多万种颜色，这为图像的色彩表现提供了更广阔的空间。此外，PNG格式还支持多种图像编辑功能，如伽玛校正、文本注释等，进一步增强了其在图像处理和编辑领域的实用性。由于其无损压缩的特性，PNG格式在需要保持图像原始质量和细节的应用场景中，如网页设计中的图标、按钮等，具有不可替代的优势。

读取图像cv2.imread()

#cv2.imread读取图像
import cv2
image=cv2.imread(filename='test.jpg',flags=cv2.IMREAD_UNCHANGED)
#filename:图像文件的路径
#flags:
    #cv2.IMREAD_COLOR:BGR格式彩色图像 
    #cv2.IMREAD_GRAYSCALE:灰度图像，是单通道的 
    #cv2.IMREAD_UNCHANGED:包括alpha通道,即透明通道
    #cv2.IMREAD_COLOR_BGR，以BGR格式读取图像,彩色
    #cv2.IMREAD_COLOR_RGB，以RGB格式读取图像,彩色
    #cv2.IMREAD_ANYDEPTH:读取任意深度的图像
    #cv2.IMREAD_ANYCOLOR:读取任意颜色的图像
    #cv2.IMREAD_LOAD_GDAL:使用GDAL读取图像
    #cv2.IMREAD_REDUCED_COLOR_2:读取1/2的彩色图像
    #cv2.IMREAD_REDUCED_COLOR_4:读取1/4的彩色图像
    #cv2.IMREAD_REDUCED_COLOR_8:读取1/8的彩色图像
    #cv2.IMREAD_REDUCED_GRAYSCALE_2:读取1/2的灰度图像
    #cv2.IMREAD_REDUCED_GRAYSCALE_4:读取1/4的灰度图像
    #cv2.IMREAD_REDUCED_GRAYSCALE_8:读取1/8的灰度图像
    #cv2.IMREAD_IGNORE_ORIENTATION:忽略图像的方向信息
    #cv2.IMREAD_COLOR是默认值,读取的图像是彩色BGR格式相当与cv2.IMREAD_COLOR_BGR
print(image.shape)

  imread各flags参数含义详解

                cv2.imread()函数只有两个参数,filename与flages,filename指图像文件路径,flags是指定图像读取的方式。

以下是所有flags释义：
         

读取结果说明

Ndarray说明

          Ndarray的一般结构为:

[行数,列数,深度]

        其中行和列都是一维数组,我们知道行*列便可以构成矩阵,而深度则用来表示不同的行*列构成的矩阵的在最外层的数组中的索引。简而言之,ndarray就是数组内嵌套矩阵的格式,这样会十分方便理解。

          上述代码中的image为读取结果,由于我们的示例图片是.jpg格式没有alpha通道,所以flags使用cv2.IMREAD_UNCHANGED与cv2.IMREAD_COLOR并没有区别,通道数都为3。

 image的shape：(1161, 1080, 3)

        cv2.imread()函数的结果是ndarray,我们打印出其shape的结果中前两个参数是图像的高与宽,第三个参数是image的维度,这里的维度其实就是图像的RGB通道数。

获取单通道颜色矩阵

        倘若我们想要分别切片获取image的三个通道数对应的颜色矩阵那么我们可以这样写.

blue=image[:,:,0]
green=image[:,:,1]
red=image[:,:,2]
#或者
blue=image[0:1161,0:1080,0]
green=image[0:1161,0:1080,1]
red=image[0:1161,0:1080,2]

           在第一种写法中,这里要说明一下的是,ndarray的切片方法与python的list切片方法一致，切片时有一个特殊用法就是[:]，它相当与[0:len(array)]用来直接获取整个数组所有值,倘若你要是不知道某一维这个数组的长度(比如上边我们读取的图像宽1161高宽1080,直接切片需[0:1161,0:1080]),又想获取整个数组的所有内容,可以使用这种方法。

        当然，为了方便，cv2已经内置了split函数替我们直接获取三个颜色通道的矩阵。

blue,green,red=cv2.split(image)

显示图像

使用cv2.imshow()显示图像

import cv2#opencv读取的格式是BGR
image=cv2.imread('test.jpg')
image=cv2.resize(image,(500,500))#更改一下图像大小,为了方便显示
cv2.imshow('image',image)
cv2.waitKey(0)
cv2.destroyAllWindows()

        这里的image是一个shape为(500,500,3)的ndarray,表示这是一个500x500像素的彩色图像，具有红、绿、蓝三个颜色通道。每个颜色通道都是一个500x500的二维数组。

结果

cv2.waitKey()

        cv2.waitKey()是用来在OpenCV（cv2）库中暂停程序执行并等待用户按键的函数。这个函数通常在显示图像时使用，比如在一个窗口中显示图像后，我们希望程序在用户按下任意键后再继续执行后续操作，这时就可以使用cv2.waitKey()函数。该函数接受一个整数参数，表示等待的毫秒数。如果参数为0，则表示无限期等待，直到用户按下键盘上的任意键。在按下键后，cv2.waitKey()会返回按键的ASCII码值，我们可以根据这个返回值来判断用户按下了哪个键。需要注意的是，在使用cv2.waitKey()之前，必须已经创建了一个图像显示窗口，否则该函数将无法正常工作。

cv2.destroyAllWindows()

      cv2.destroywindows()是用来关闭所有OpenCV创建过的窗口的,这些窗口实际是都是使用python内置库tkinter编写的,先前的tkinter窗口会阻塞主线程。所以,当我们完成图像处理或显示操作后，经常需要关闭这些窗口以释放资源。倘若不将他们关闭当前图像窗口可能无法显示。

使用plt.imshow()显示图像

import cv2#opencv读取的格式是BGR
import matplotlib.pyplot as plt#matplotlib读取的格式是RGB
image=cv2.imread('test.jpg')
image=cv2.resize(image,(500,500))
#使用plt.imshow()，需要先将BGR转化成RGB，这里使用cv2.cvtColor颜色通道转换函数完成
image=cv2.cvtColor(image,cv2.COLOR_RGB2BGR)
plt.axis('off')
plt.imshow(image)

结果

        这里需要注意的是opencv读取的图像时默认格式是BGR,而matplotlib读取的格式是RGB,如果我们在读取图像时不指定读取方式且不使用cv2.cvtColor()通道转换函数将颜色通道转换成RGB的话,那么显示出来的图像的颜色便会怪怪的。。。

        这是因为,matplotlib把原本是红色的通道误认为是蓝色通道，而原本是蓝色的通道则被认为是红色通道。这种颜色通道的错位就会导致图像颜色显示异常、

        但是,无论如何,cv2.imshow与plt.imshow这两个函数在显示图像时,需要传入的都是图像的ndarray数据。

保存图像cv2.imwrite()

#cv2.imwrite保存图像
import cv2
image=cv2.imread(filename='test.jpg',flags=cv2.IMREAD_UNCHANGED)
#图像经过某些变换或操作后需要保存
cv2.imwrite(filename='newImage.jpg',img=image,params=[int(cv2.IMWRITE_JPEG_QUALITY), 50])
#filename:保存图像文件名称
#img：图像颜色矩阵
#params：参数是一个可选的序列（通常是列表或元组），用于传递图像编码和压缩相关的参数。

总结

        本文主要介绍了opencv图像的读取与显示,后序还将分享更多相关图像处理技术，以及如何利用cv2进行图像特征提取和匹配。并且还会将所有内容合并到专栏中,免费订阅。

        通过本专栏的学习，读者将能够利用cv2库解决实际的图像处理问题，为计算机视觉项目打下坚实基础。