图像基本操作
环境配置地址：
- Anaconda:https://www.anaconda.com/download/
- Python_whl:https://www.lfd.uci.edu/~gohlke/pythonlibs/#opencv
图像基本知识
图像：任何带有信息的二维函数
都可以被看作一幅图像。(x,y)是定义域为平面的空间坐标，坐标点(x,y)上的函数值（幅值）称为该点图像的强度或灰度。
图像根据图像记录方式的不同可分为两大类：模拟图像和数字图像。
模拟图像又称连续图像，是指在二维坐标系中连续变化的图像，即图像的像点是无限稠密的，同时具有灰度值（即图像从暗到亮的变化值）。
数字图像:对模拟图像进行空间采样和幅值量化，使x，y和幅值均为有限的离散数值时，该图像称为数字图像。
采样：空间坐标(x,y)的离散及数字化；
量化：样点的幅值离散及数字化;经过采样的图像，只是在空间上被离散为像素（样本）的阵列，而每一个样本灰度值还是一个有无穷多个取值的连续变化量，必须将其转化为有限个离散值，赋于不同码字才能真正成为数字图像。
-
静态图像可分为矢量(Vector)图和位图（Bitmap）。
位图又可以分成如下四种：
二值图像（binary image)
灰度图像(grayscale image, intensity image)
RGB真彩色图像（True Color）
索引颜色图像(Indexd Color) 像素：数字图像是由有限个元素（采样点）组成的，每个元素都有一个特定的位置和幅值，这些元素称为图像元素（picture element），简称像素（pixel）。
图像的表示：一幅M×N个像素的数字图像，其像素灰度值可以用M行、N列的数组或矩阵表示，这样数字图像中的像素与二维数组中的每个元素便一一对应起来。
-
图像的坐标系
图像坐标系.jpg
- 数字图像处理(Digital Image Processing)，就是利用数字计算机对图像进行去除噪声、增强、复原、分割、特征提取、识别等处理的理论、方法和技术。
- DPI（Dots Per Inch，每英寸点数）是一个量度单位，用于点阵数码影像，指每一英寸长度中，取样、可显示或输出点的数目。
数字图像的视觉质量参数
- 灰度级：表示像素明暗程度的整数量范围如：像素的取值范围为0-255，就称该图像为256个灰度级的图像
- 灰度层次：表示图像实际拥有的灰度级的数量.例如：具有32种不同取值的图像，可称该图像具有32个层次，图像数据的实际层次越多，视觉效果就越好。
- 亮度：图像中每个像素的明暗程度取决于其灰度值的大小，图像的整体亮度则取决于所有像素的平均灰度值。
- 对比度：一幅图像中最高和最低灰度级间的灰度差。当一幅图像中像素可感知的数值有高的动态范围时，认为该图像具有高的对比度。
- 动态范围：图像系统中最大可度量灰度与最小可检测灰度之比。灰度跨越的值域非正式地称为动态范围。
图像读取，显示，保存，类型转换
-
读取图片
在OpenCV中使用cv2.imread()函数来加载图片，该函数的形式如下:
cv2.imread(path, flags)
参数意义如下:
- path: 该参数制定图片的路径，可以使用相对路径，也可以使用绝对路径；
- flags:指定以何种方式加载图片，有三个取值：
cv2.IMREAD_COLOR:读取一副彩色图片，图片的透明度会被忽略，默认为该值，实际取值为1；
cv2.IMREAD_GRAYSCALE:以灰度模式读取一张图片，实际取值为0
cv2.IMREAD_UNCHANGED:加载一副彩色图像，透明度不会被忽略。
如果给定的图片路径不对，该函数不会抛出异常，而是返回一个None，如果给定正确的图片路径，将返回一个[height, width, channel]的numpy.ndarray对象，height表示图片高度，width表示图片宽度，channel表示图片的通道。
import cv2
img = cv2.imread("lena.jpg")
# img = cv2.imread("lena.jpg", cv2.IMREAD_COLOR)
# img = cv2.imread("lena.jpg", cv2.IMREAD_GRAYSCALE)
# img = cv2.imread("lena.jpg", cv2.IMREAD_UNCHANGED)
cv2.imshow("image", img) # 显示图片，后面会讲解
cv2.waitKey(0) #等待按键
-
显示图片
使用cv2.imshow()函数在一个窗口中显示图片，这个窗口自适应图片的大小,其形式如下:
cv2.imshow(winname, mat)
参数意义如下:
- winame:一个字符串，表示创建的窗口名字，每一个窗口必须有一个唯一的名字；
- mat:是一个图片矩阵，numpy.ndarray类型
在图片显示的过程中，通常会伴随几个其他的函数，他们分别是:
- cv2.waitKey()
- cv2.destroyAllWindows()
- cv2.destroyWindow()
- cv2.namedWindow()
因为我们的程序是顺序执行，如果没有cv2.waitKey()函数，图像不会显示（也许是一闪而过，我们人眼观察不到），cv2.waitKey()函数是一个键盘绑定函数（相当于让程序在这里挂起暂停执行），他接受一个单位为毫秒的时间，它等待指定时间的键盘事件，在指定时间内发生了键盘事件，程序继续执行，否则必须等到时间结束才能继续执行，参数如果为0表示等待无限长的事件。
cv2.destroyAllWindows()用来销毁所有已经创建的窗口， 如果需要销毁指定窗口使用cv2.destroyWindow()函数，他接受一个表示窗口名字的名字。
在这里我们直接用cv2.imshow()创建的窗口是自动适应图片大小的，不能缩放，如果我们想放大缩小窗口，必须单独用cv2.namedWindow(),并通过flag参数指定窗口模式为cv2.WINDOW_NORMAL,默认为cv2.WINDOW_AUTOSIZE.
下面是一个窗口可以放大缩小的显示图片的例子:
import cv2
img = cv2.imread('attractive-beautiful-beauty-2267088.jpg')
cv2.namedWindow('image',cv2.WINDOW_NORMAL)
cv2.imshow('image', img)
cv2.waitKey(0)
cv2.destroyAllWindows()
-
保存图片
使用cv2.imwrite()函数来保存图片，形式如下:
cv2.imwrite(filename, img)
参数意义如下:
- filename: 保存文件的路径名
- img: 表示图像的numpy.ndarray对象
完整的例子：
import cv2
img = cv2.imread('lena.jpg',0)
cv2.imshow('image',img)
k = cv2.waitKey(0)
if k == 27: # 按下esc时，退出
cv2.destroyAllWindows()
elif k == ord('s'): # 按下s键时保存并退出
cv2.imwrite('lena001.png',img)
cv2.destroyAllWindows()
4.图像属性
图像的属性包括：行，列，通道，图像数据类型，像素数目等
在opencv中，图像不是传统的RGB颜色通道，而是按BGR顺序存储的。
img_BGR = cv2.imread('citrus-fruit-colorful-delicious-2146386.jpg')
print(type(img_BGR)) # numpy.ndarray类型可以用numpy对图像进行各种操作
print(img_BGR.dtype) # 图像数据类型，一张图片的像素值范围是[0,255], 因此默认类型是unit8
print(img_BGR.shape[0]) # 行
print(img_BGR.shape[1]) # 列
print(img_BGR.shape[2]) # 通道
print(img_BGR.size) # 像素数目
print(img_BGR.max()) # 最大像素值
print(img_BGR.min()) # 最小像素值
print(img_BGR.mean()) #素值平均值
<class 'numpy.ndarray'>
uint8
4864
3648
3
53231616
255
0
211.1315848273327
5.转换函数
使用cv2.cvtColor()函数来转换图片颜色空间，形式如下:
cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) # 将BGR图像转换为灰度图像
其中最常用的还有：
- cv2.COLOR_BGR2RGB # 将BGR图像转换为RGB图像
- cv2.COLOR_BGR2GRAY # 将BGR图像转换为灰度图像
- cv2.COLOR_GRAY2BGR # 将灰度图像转换为BGR图像
例子：lena 真彩色图像转为灰度图像
import cv2
img = cv2.imread('lena.jpg')
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
cv2.imwrite('gray_lena.jpg',gray)
例子：颜色转换
import cv2
img_BGR = cv2.imread('citrus-fruit-colorful-delicious-2146386.jpg')
cv2.imwrite('img_BGR.jpg',img_BGR)
img_RGB = cv2.cvtColor(img_BGR, cv2.COLOR_BGR2RGB)
cv2.imwrite('img_RGB.jpg',img_RGB)
img_GRAY = cv2.cvtColor(img_BGR, cv2.COLOR_BGR2GRAY)
cv2.imwrite('img_GRAY.jpg',img_GRAY)
img_HSV = cv2.cvtColor(img_BGR, cv2.COLOR_BGR2HSV)
cv2.imwrite('img_HSV.jpg',img_HSV)
img_YcrCb = cv2.cvtColor(img_BGR, cv2.COLOR_BGR2YCrCb)
cv2.imwrite('img_YcrCb.jpg',img_YcrCb)
img_HLS = cv2.cvtColor(img_BGR, cv2.COLOR_BGR2HLS)
cv2.imwrite('img_HLS.jpg',img_HLS)
img_XYZ = cv2.cvtColor(img_BGR, cv2.COLOR_BGR2XYZ)
cv2.imwrite('img_XYZ.jpg',img_XYZ)
img_LAB = cv2.cvtColor(img_BGR, cv2.COLOR_BGR2LAB)
cv2.imwrite('img_LAB.jpg',img_LAB)
img_YUV = cv2.cvtColor(img_BGR, cv2.COLOR_BGR2YUV)
cv2.imwrite('img_YUV.jpg',img_YUV)
参考资料：
网址：https://www.aiuai.cn/aifarm365.html
书籍：《数字图像处理》《OpenCV-Python 中文教程》
