今天小编来和大家分享一下Python在图像处理当中的具体应用，那既然是图像处理，那必然要提到opencv模块了，该模块支持与计算机视觉和机器学习相关的众多算法，并且应用领域正在日益扩展，大致有以下几种领域
- 物体识别：通过视觉以及内部存储来进行物体的判断
- 图像分割
- 人脸识别
- 汽车安全驾驶
- 人机交互
- 等等
当然这次小编并不打算将这么高深的内容，今天就从最基本的opencv模块在图像的基本操作上说起
模块的安装
模块的安装我们通过都是通过pip命令来进行的
pip install opencv-python pip install opencv-contrib-python
图片的各种操作
学过线性代数的肯定怼矩阵并不感到陌生。图像本质上来说就是矩阵，灰度图像是一个普通的矩阵，而彩色图像就是一个多维矩阵，我们对于图像的操作可以自然地转换成是对矩阵的操作
读取图像
首先我们先来读取图像，调用的是cv2.imread()方法，它的语法格式如下
cv2.imread(filename, flag=1)
其中的flag参数是用来设置读取图像的格式，默认的是1，表示为按照RGB三通道的格式来进行读取，如果设置成0，则表示以灰度图单通道的方式来进行读取，
import cv2
import numpy as np
img=cv2.imread('1.jpg', 0)展示图像
cv2.imshow(name, img)
其参数解释分别如下：
- name: 表示的是展示窗口的名字
- img: 图片的矩阵形式
我们尝试将上面读取的图片展示出来，代码如下
cv2.imshow("grey_img", img)
## 如果使用了cv2.imshow()函数，下面一定要跟着一个摧毁窗口的函数
cv2.destroyAllWindows()当我们运行了上述的代码之后，可以发现在一瞬间当中图片弹了出来，但是还没有等我们看清楚图片的样子之后就直接关闭了，原因在于cv2.imshow()函数方法并没有延时的作用，我们添加一个延时的函数，代码如下
import cv2
import numpy as np
img = cv2.imread('1.jpg')
cv2.imshow("grey_img", img)
cv2.waitKey(0)
cv2.destroyAllWindows()output
图片保存
最后我们将图片保存下来，这里用到的函数是cv2.imwrite()，它的语法格式如下
cv2.imwrite(imgname, img)
其参数解释分别如下：
- imgname: 要保存的图片的名字
- img: 图片的矩阵形式
示例代码如下
import cv2
import numpy as np
img = cv2.imread('1.jpg')
cv2.imshow("grey_img", img)
cv2.waitKey(0)
cv2.imwrite('1.png', img)
cv2.destroyAllWindows()图片的各种属性
有时候我们想要知道图片的像素大小，而图片的本质是矩阵，例如一张1024像素*960像素的图片，就意味着在矩阵当中的行数就是960行，列数是1024列，在opencv模块当中调用的shape()函数方法，代码如下
import cv2
img = cv2.imread('1.jpg')
print(img.shape[0]) # 行数
print(img.shape[1]) # 列数
print(img.shape[2]) # 通道数output
308
340
3
可以看到该图片的像素是340*380，通道数是3，而针对灰度图像而言，我们来看一下图片的属性，代码如下
img = cv2.imread('1_grey.png', 0)
print(img.shape)
output
(308, 340)
可以看到对于灰度图像而言，我们就没有看到通道数，只有行数和列数
图像的基本操作
最后我们来对图像进行一些基本操作，无非就是改变当中的一些像素值，我们导入一张空白的图片，通过修改当中的像素值来往里面添加一个黑点，代码如下
import cv2
import numpy as np
img = cv2.imread('2.jpg')
(x, y, z) = img.shape
for i in range(-10, 10):
for j in range(-10, 10):
# 图片的正中心的位置来改变像素值，
img[int(x/2) i, int(y/2) j] = (0, 0, 0)
cv2.imshow("img", img)
cv2.waitKey(0)
cv2.destroyAllWindows()output
到此这篇关于Python OpenCV实现基本的图像处理操作的文章就介绍到这了,更多相关Python OpenCV图像处理内容请搜索Devmax以前的文章或继续浏览下面的相关文章希望大家以后多多支持Devmax！