目录

• 图像运算
• • 位运算
  • • 位与运算
    • 位或运算
    • 取反运算
    • 异或运算
    • 位运算特点
    • 示例：位运算示例
  • 加法运算
  • • 示例：查看三种加法运算的区别
• 滤波器
• • 均值滤波
  • 中值滤波
  • 高斯滤波
  • 双边滤波
  • 示例：查看多种滤波器的处理效果
• 视频处理
• • 示例：打开笔记本电脑内置摄像头
• 人脸识别
• • 级联分类器
  • 人脸跟踪
  • • 示例：检测照片中的人脸位置

本博客参考书籍：《python opencv从入门到实践 》

图像运算

位运算

位与运算

cv2.bitwise_and(src1, src2[, dst[, mask]]) 

位或运算

cv2.bitwise_or(src1, src2[, dst[, mask]])

取反运算

cv2.bitwise_not(src[, dst[, mask]]) 

异或运算

cv2.bitwise_xor(src1, src2[, dst[, mask]]) 

位运算特点

图像的像素值范围在(0-255)之间，经过标准化后范围会缩减到(0-1)之间，此时像素值为0说明该点为纯黑色，像素值为0说明该点为纯白色

示例：位运算示例

import cv2
import numpy as np
import matplotlib.pyplot as plt
black_img=np.zeros((300,400,3),np.uint8)
# white_img=np.ones((300,400,3),np.uint8)
img=cv2.imread('../imgs/R-C_resize.jpg')and_img=cv2.bitwise_and(img,black_img)
or_img=cv2.bitwise_or(img,black_img)
not_img=cv2.bitwise_not(img)
xor_img=cv2.bitwise_xor(img,black_img)plt.subplots_adjust(hspace=0.5)
plt.subplot(221)
plt.title('and_img')
plt.imshow(img)plt.subplot(222)
plt.title('or_img')
plt.imshow(or_img)plt.subplot(223)
plt.title('not_img')
plt.imshow(not_img)plt.subplot(224)
plt.title('xor_img')
plt.imshow(xor_img)plt.show()

运行结果

加法运算

两个图像的每个像素值相加会得到新的图像

• 简单的"+"运算，当两像素相加和超过255时，新像素值会取两者的和对255取模运算的结果
• add()方法，当两像素相加和超过255时，新像素值取255
• addWeighted()方法，对两个图像的像素值进行加权求和

示例：查看三种加法运算的区别

我们先来看一下原始图像

import cv2
import matplotlib.pyplot as pltimg1=cv2.imread('../imgs/mountain3.jpg')
img2=cv2.imread('../imgs/mountain8.jpg')
img1=cv2.resize(img1,(600,400))
img2=cv2.resize(img2,(600,400))
row,column,channel=img1.shape_img=img1+img2
add_img=cv2.add(img1,img2)
addweight_img=cv2.addWeighted(img1,0.8,img2,0.5,0)plt.subplots_adjust(hspace=0.5)
plt.subplot(221)
plt.title('_img')
plt.imshow(_img)plt.subplot(222)
plt.title('add_img')
plt.imshow(add_img)plt.subplot(223)
plt.title('addweight_img')
plt.imshow(addweight_img)plt.show()

运行结果

滤波器

均值滤波

cv2.blur(src, ksize[, dst[, anchor[, borderType]]])

中值滤波

cv2.medianBlur(src, ksize[, dst])

高斯滤波

cv2.GaussianBlur(src, ksize, sigma1[, dst[, sigma2[, borderType]]])

双边滤波

cv2.bilateralFilter(src, d, sigmaColor, sigmaSpace[, dst[, borderType]])

示例：查看多种滤波器的处理效果

import cv2
import matplotlib.pyplot as plt
import matplotlibplt.subplots_adjust(hspace=0.5)
matplotlib.rcParams['font.family']='SimHei'img=cv2.imread('../imgs/R-C_resize.jpg')blur_img=cv2.blur(img,(9,9))
median_img=cv2.medianBlur(img,9)
gaussian_img=cv2.GaussianBlur(img,(13,13),0,0)
bilateral_img=cv2.bilateralFilter(img,15,120,100)plt.subplot(321)
plt.title('原始图像')
plt.imshow(img)plt.subplot(322)
plt.title('均值滤波(9x9)')
plt.imshow(blur_img)
#
#
plt.subplot(323)
plt.title('中值滤波(9x9)')
plt.imshow(median_img)plt.subplot(324)
plt.title('高斯滤波(13x13)')
plt.imshow(gaussian_img)plt.subplot(325)
plt.title(r'双边滤波(d=15)')
plt.imshow(bilateral_img)plt.show()

运行结果

视频处理

cv2.VideoCapture(device) 

参数device:打开的视频捕获设备的Id(即摄像机索引)。如果只连接了一个摄像头，只需传递0即可

示例：打开笔记本电脑内置摄像头

import cv2camera=cv2.VideoCapture(0)
while camera.isOpened():_,img=camera.read()cv2.imshow('video',img)key=cv2.waitKey(1)if key==32:break
camera.release()
cv2.destroyAllWindows()

人脸识别

级联分类器

在目录'..\Lib\site-packages\cv2\data'下存在着opencv官方已经训练好的一些级联分类器，
这些XML文件有着不同的功能

人脸跟踪

加载级联分类器

cv2.CascadeClassifier(filename)

使用分类器识别图像

cv2.CascadeClassifier.detectMultiScale(image[, scaleFactor[, minNeighbors[, flags[, minSize[, maxSize]]]]])

返回值类型:objects
捕捉到的目标区域数组。每个元素都是一个矩形区域，包含该矩形的左上顶点横纵坐标和长宽，我们可以使用rectangle()函数将该矩形区域绘制在原图像中并返回

示例：检测照片中的人脸位置

我们先准备一张照片

import cv2path=r'D:\Myanaconda\envs\SmooFaceEngine-master\Lib\site-packages\cv2\data\haarcascade_frontalface_default.xml'
img=cv2.imread('../images/555.png')
# 加载级联分类器
face_recognizor=cv2.CascadeClassifier(path)
# 使用分类器识别图像
faces=face_recognizor.detectMultiScale(img)
for (x,y,w,h) in faces:cv2.rectangle(img,(x,y),(x+w,y+h),(0,0,255),5)
cv2.imshow('faces',img)
cv2.waitKey()cv2.destroyAllWindows()

运行结果