opencv筆記

 opencv-圖像相素調整(resize)和剪裁(cropping) 這個部份還蠻常用的。 有時視窗顯示出來太大或太小，可以用resize調整 cv2.resize(src, (x, y) ) x--->w寛 y--->h高 import cv2 import numpy as np img = cv2.imread( r"C:\Users\blair\Desktop\1605856170309.jpg" ) print (img.shape) cv2.resize(img , ( 300 , 600 )) cv2.imshow( "img" , img) cv2.waitKey( 0 )

 opencv-膨漲與侵蝕 膨漲 左邊那張是膨漲後，右邊那張是邊緣化 dilation = cv2.dilate(img,kernel,iterations = 1 ) 第一個參數：img指需要膨漲的圖 第二個參數：kernel指膨漲操作的內核，默認是一個簡單的3X3矩陣，我們也可以利用getStructuringElement（）函數指明它的形狀 第三個參數：iterations指的是腐蝕次數，省略是默認為1

 灰度 cv2.cvtColor(img,p1) 是顏色空間轉換函數，img是需要轉換的圖片，p2是轉換成格式。 cv2.COLOR_BGR2RGB 將BGR格式轉換成RGB格式 cv2.COLOR_BGR2GRAY 將BGR格式轉換成圖像 邊緣檢測 edge = cv2.Canny(image, threshold1, threshold2[, edges[, apertureSize[, L2gradient ]]])  第一個參數是需要處理的原圖像，該圖像必須為單通道的 灰度圖 ； 第二個參數是閾值1； 第三個參數是閾值2。 高斯濾波 cv2.GaussianBlur（ SRC，ksize，sigmaX [，DST [，sigmaY [，borderType ] ] ] ）   Src –輸入圖像；圖像可以具有任何數量的信道，其獨立地處理的，但深度應CV_8U，CV_16U，CV_16S，CV_32F或CV_64F。 Dst –輸出與圖像大小和類型相同的圖像src。 Ksize –高斯核大小。 Ksize.width 並且 ksize.height 可以有所不同，但它們都必須是正數和奇數。或者，它們可以為零，然後從計算 sigma*。 SigmaX – X方向上的高斯核標準偏差。 SigmaY – Y方向上的高斯核標準差；如果 sigmaY 為零，則將其設置為等於 sigmaX；如果兩個西格瑪均為零，則分別根據ksize.width 和 進行計算 ksize.height（getGaussianKernel()有關詳細信息，請參見 link)；完全控制的結果，無論這一切的語義未來可能的修改，建議指定所有的ksize，sigmaX和sigmaY。 BorderType –像素外推方法

  cv2.imread() retval = cv.imread(filename[, flags]) Filename：需要打開圖片的路徑，可以是絕對路徑或者相對路徑，路徑中不能出現中文。 Flag：圖像的通道和色彩信息（默認值為1）。 flag = -1,   8位深度，原通道 flag = 0，   8位深度，1通道 flag = 1，   8位深度，3通道 flag = 2，   原深度， 1通道 flag = 3，   原深度， 3通道 flag = 4，   8位深度，3通道  cv2.imshow() cv2.imshow("windowName", img) cv2.keywait() cv2.waitKey(1000) * 0xFF == ord(‘q’) 是的英文 先解釋下字面英文： cv2.waitKey(1000)：在1000ms內根據鍵盤輸入返回一個值 0xFF ：一個十六進制數 ord('q') ：返回q的ascii碼 0xFF是一個十六進制數，轉換為二進制是11111111。waitKey返回值的範圍為（0-255），剛好也是8個二進制位。那麼我們將cv2.waitKey(1) * 0xFF計算一下（不知怎麼回事）計算的可以百度位與運算）發現結果仍然是waitKey的返回值，那為什麼要多次一舉呢？ cv2.waitKey(1) == ord('q')不就好了。 通過cv2.waitKey(1) * 0xFF出現，當waitkey返回值正常時cv2.waitKey(1) = cv2 .waitKey(1000) * 0xFF,當返回值不正常時，cv2.waitKey(1000) * 0xFF的範圍仍不超過（0-255），就避免了一些奇奇怪怪的BUG。