Python从0到100（六十五）：Python OpenCV-图像运颜色转换及几何变换

在这里插入图片描述

前言： 零基础学Python：Python从0到100最新最全教程。 想做这件事情很久了，这次我更新了自己所写过的所有博客，汇集成了Python从0到100，共一百节课，帮助大家一个月时间里从零基础到学习Python基础语法、Python爬虫、Web开发、 计算机视觉、机器学习、神经网络以及人工智能相关知识，成为学习学习和学业的先行者！
欢迎大家订阅专栏：零基础学Python：Python从0到100最新最全教程！

一、改变颜色空间

1.获取颜色转化类型

OpenCV中有超过150种颜色空间转换方法。但是我们将研究只有两个最广泛使用的,BGR↔灰色和BGR↔HSV。
对于颜色转换，我们使用cv函数。cvtColor(input_image, flag)，其中flag决定转换的类型。
对于BGR→灰度转换，我们使用标志cv.COLOR_BGR2GRAY。类似地，对于BGR→HSV，我们使用标志cv.COLOR_BGR2HSV。要获取其他标记，只需在Python终端中运行以下命令:

import cv2 as cv
flags = [i for i in dir(cv) if i.startswith('COLOR_')]
print(flags)

1.1 dir(cv)函数

dir 语法：**
dir([object])
参数说明：object – 对象、变量、类型。
返回值：返回模块的属性列表。
即返回cv模块所有的属性列表
在这里插入图片描述

1.2 startswith（）函数

startswith()函数是Python的字符串函数。startswitch()用于检测字符串是否以指定字符串开头。如果是则返回True，否则返回False.
语法及参数：

str.startswith(str2)

str 待检测的字符串
str2 检测str2字符串是否是str字符串的开头 不可省略的参数

举例说明：

>>> pro.startswith("Chi")
True
>>> pro.startswith("hi")
False

在这里插入图片描述

  • 注意： HSV的色相范围为[0,179]，饱和度范围为[0,255]，值范围为[0,255]。不同的软件使用不同的规模。因此，如果你要将OpenCV值和它们比较，你需要将这些范围标准化。

2.对象追踪

现在我们知道了如何将BGR图像转换成HSV，我们可以使用它来提取一个有颜色的对象。在HSV中比在BGR颜色空间中更容易表示颜色。在我们的应用程序中，我们将尝试提取一个蓝色的对象。方法如下: - 取视频的每一帧 - 转换从BGR到HSV颜色空间 - 我们对HSV图像设置蓝色范围的阈值 - 现在单独提取蓝色对象，我们可以对图像做任何我们想做的事情。
在这里插入图片描述
蓝色
lower_blue = np.array([110,50,50])
upper_blue = np.array([130,255,255])
或者蓝色
low_blue = np.array([94, 80, 2])
high_blue = np.array([126, 255, 255])
红色
low_red = np.array([161, 155, 84])
high_red = np.array([179, 255, 255])
绿色
low_green = np.array([25, 52, 72])
high_green = np.array([102, 255, 255])
除白色之外的颜色
low = np.array([0, 42, 0])
high = np.array([179, 255, 255])
在这里插入图片描述

2.1只取蓝色区域：

import cv2 as cv
import numpy as np
cap = cv.VideoCapture(0)
while(1):
    # 读取帧
    ret, frame = cap.read()
    # 转换颜色空间 BGR 到 HSV
    hsv = cv.cvtColor(frame, cv.COLOR_BGR2HSV)
    # 定义HSV中蓝色的范围
    lower_blue = np.array([110,50,50])
    upper_blue = np.array([130,255,255])
    # 设置HSV的阈值使得只取蓝色
    mask = cv.inRange(hsv, lower_blue, upper_blue)
    mask_inv = cv.bitwise_not(mask)

    # 将掩膜和图像逐像素相加
    res = cv.bitwise_and(frame,frame, mask= mask)
    cv.imshow('frame',frame)
    cv.imshow('mask',mask)
    cv.imshow('res',res)
    k = cv.waitKey(5) & 0xFF
    if k == 27:
        break
cv.destroyAllWindows()

在这里插入图片描述

2.2不取蓝色区域：

import cv2 as cv
import numpy as np
cap = cv.VideoCapture(0)
while(1):
    # 读取帧
    ret, frame = cap.read()
    # 转换颜色空间 BGR 到 HSV
    hsv = cv.cvtColor(frame, cv.COLOR_BGR2HSV)
    # 定义HSV中蓝色的范围
    lower_blue = np.array([110,50,50])
    upper_blue = np.array([130,255,255])
    # 设置HSV的阈值使得只取蓝色
    mask = cv.inRange(hsv, lower_blue, upper_blue)
    mask_inv = cv.bitwise_not(mask)

    # 将掩膜和图像逐像素相加
    res = cv.bitwise_and(frame,frame, mask= mask_inv)
    cv.imshow('frame',frame)
    cv.imshow('mask',mask)
    cv.imshow('res',res)
    k = cv.waitKey(5) & 0xFF
    if k == 27:
        break
cv.destroyAllWindows()

在这里插入图片描述

二、图像的几何变换

1.图像的旋转变换

import numpy as np
import cv2 as cv
import matplotlib.pyplot as plt
img = cv.imread('haojin.jpg',0)
rows,cols = img.shape
print(rows,cols)
# cols-1 和 rows-1 是坐标限制
M = cv.getRotationMatrix2D(((cols-1)/2.0,(rows-1)/2.0),-60,1)
dst = cv.warpAffine(img,M,(cols,rows))
plt.subplot(122),plt.imshow(dst),plt.title('Output')
plt.show()

1.1 图像平移 cv.warpAffine()函数用法:

放射变换函数，可实现旋转，平移，缩放；变换后的平行线依旧平行
dst = cv.warpAffine(img,M,(cols,rows))中，img为需要变换的图像，M为需要平移的位置，（cols,rows）为平移后图像尺寸。

1.2 cv2.getRotationMatrix2D()实现图像旋转

M=cv2.getRotationMatrix2D(center, angle, scale)中参数含义：

  • center：图片的旋转中心
  • angle：旋转角度
  • scale：旋转后图像相比原来的缩放比例
  • M:计算得到的旋转矩阵

效果展示：
在这里插入图片描述

2.图像的仿射变换

图像的旋转加上拉升就是图像仿射变换，仿射变化也是需要一个M矩阵就可以，但是由于仿射变换比较复杂，一般直接找很难找到这个矩阵，OpenCV提供了根据变换前后三个点的对应关系来自动求解M。这个函数是
M=cv2.getAffineTransform(pos1,pos2),其中两个位置就是变换前后的对应位置关系。输 出的就是仿射矩阵M。然后再使用函数cv2.warpAffine()。

import cv2 as cv
import numpy as np
import matplotlib.pyplot as plt
img = cv.imread('haojin.jpg')
rows,cols,ch = img.shape  # 行数、列数、通道数
print(rows,cols,ch)
pts1 = np.float32([[50,50],[200,50],[100,200]])
pts2 = np.float32([[100,100],[200,50],[100,200]])
M = cv.getAffineTransform(pts1,pts2)  # pts1原始图像，三个点 pts2目标图像，三个点
dst = cv.warpAffine(img,M,(cols,rows))
plt.subplot(121),plt.imshow(img),plt.title('Input')
plt.subplot(122),plt.imshow(dst),plt.title('Output')
plt.show()

2.1 函数详析

rows,cols,ch = img.shape 行数、列数、通道数
M = cv.getAffineTransform(pts1,pts2) pts1：原始图像，三个点； pts2：目标图像，三个点。
效果展示：
在这里插入图片描述

3.图像的透视变换

透视需要的是一个3*3的矩阵，同理opencv在构造这个矩阵的时候还是采用一种点对应的关系来通过函数自己寻找的，因为我们自己很难计算出来。这个函数是M = cv2.getPerspectiveTransform(pts1,pts2)，其中pts需要变换前后的4个点对应位置。得到M后在通过函数cv2.warpPerspective(img,M,(200,200))进行。

import cv2 as cv
import numpy as np
import matplotlib.pyplot as plt
img = cv.imread('haojin.jpg')
rows,cols,ch = img.shape
pts1 = np.float32([[56,65],[368,52],[28,387],[389,390]])
pts2 = np.float32([[0,0],[300,0],[0,300],[300,300]])
M = cv.getPerspectiveTransform(pts1,pts2)  # pts1原始图像，四个点 pts2目标图像，四个点
dst = cv.warpPerspective(img,M,(1080,1080))
plt.subplot(121),plt.imshow(img),plt.title('Input')
plt.subplot(122),plt.imshow(dst),plt.title('Output')
plt.show()

3.1 cv.warpPerspective（）函数

透视变换函数，可保持直线不变形，但是平行线可能不再平行
其相关参数和cv2.warpAffine函数的类似，不再做介绍
效果展示：
在这里插入图片描述

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：/a/894419.html

如若内容造成侵权/违法违规/事实不符，请联系我们进行投诉反馈qq邮箱809451989@qq.com，一经查实，立即删除！

相关文章

.net 根据html的input type=“week“控件的值获取星期一和星期日的日期

.net 根据html的input type=“week“控件的值获取星期一和星期日的日期

初始化 "week" 控件值： //MVC部分 public ActionResult WeeklyList() {int weekNo new GregorianCalendar().GetWeekOfYear(System.DateTime.Now, System.Globalization.CalendarWeekRule.FirstDay, DayOfWeek.Sunday);string DefaultWeek DateTime.No…
阅读更多...
ssm医院交互系统+vue

ssm医院交互系统+vue

系统包含：源码论文 所用技术：SpringBootVueSSMMybatisMysql 免费提供给大家参考或者学习，获取源码请私聊我 需要定制请私聊 目 录 摘要 I Abstract II 1绪论 1 1.1研究背景与意义 1 1.1.1研究背景 1 1.1.2研究意义 1 1.2国内外研究…
阅读更多...
python+大数据+基于spark的短视频推荐系统【内含源码+文档+部署教程】

python+大数据+基于spark的短视频推荐系统【内含源码+文档+部署教程】

博主介绍：✌全网粉丝10W,前互联网大厂软件研发、集结硕博英豪成立工作室。专注于计算机相关专业毕业设计项目实战6年之久，选择我们就是选择放心、选择安心毕业✌ 🍅由于篇幅限制，想要获取完整文章或者源码，或者代做&am…
阅读更多...
Mybatis框架 day1018

Mybatis框架 day1018

ok了家人们书接上文&#xff0c;我们继续学习mybatis框架 五.数据输出 5.7 属性和字段的映射 5.7.1 别名映射 将数据库表的字段别名设置成和实体类属性一致。 <!-- 给每一个字段设置一个别名&#xff0c;让别名和Java实体类中 属性名一致 --> <select id"fi…
阅读更多...
赋能特大城市水务数据安全高速运算，深圳计算科学研究院YashanDB数据库系统斩获“鼎新杯”二等奖

赋能特大城市水务数据安全高速运算，深圳计算科学研究院YashanDB数据库系统斩获“鼎新杯”二等奖

第三届“鼎新杯”数字化转型应用优秀案例评选结果日前正式公布&#xff0c;深圳计算科学研究院联合深圳市环境水务集团有限公司申报的《深圳环境水务国产数据库YashanDB&#xff0c;赋能特大城市水务数据安全高速运转》案例&#xff0c;经过5个多月的评审&#xff0c;从4000申报…
阅读更多...
设计模式04-创建型模式1(简单工厂/工厂模式/抽象工厂/Java)

设计模式04-创建型模式1(简单工厂/工厂模式/抽象工厂/Java)

3.1 简单工厂模式 3.1.1 创建型模式 创建型设计模式将对象的创建过程和对象的使用过程分离&#xff0c;用户使用对象时无需关注对象的创建细节&#xff0c;外界对于这些对象只需要知道它们共同的接口&#xff0c;而不用清楚其实现细节&#xff0c;使得整个系统的设计更加符合…
阅读更多...
Redis JSON介绍

Redis JSON介绍

Redis JSON介绍 Redis JSON先说说JSON是什么再说说JSON Path先推荐两个网站JSONPath JAVA clents Redis JSON 安装内存json命令语法命令url命令解释JSON.ARRAPPENDJSON.ARRINDEXJSON.ARRINSERTJSON.ARRLENJSON.ARRPOPJSON.ARRTRIMJSON.CLEARJSON.DEBUG MEMORYJSON.DEBUGJSON.DE…
阅读更多...
单例模式（自动加载）

单例模式（自动加载）

目录 介绍 使用 在脚本中写一个函数 让一个「自定义场景」作为单例「自动加载」 介绍 单例模式是编程中的一种设计思想&#xff0c;是为了解决某些编程语言中没有全局变量概念而产生的这对于实现某种模块非常好用 比如玩家信息&#xff0c;有时候&#xff0c;游戏中的很多…
阅读更多...
数组中超过一半的元素

数组中超过一半的元素

有一个数组&#xff0c;找出其中数量超过的元素是谁。比如数组 [3, 2, 3] &#xff0c;输出 3。 这个问题要解起来不难&#xff0c;暴力计数&#xff0c;转为 map&#xff0c;排序都能解决。但是他们的空间复杂度都不低&#xff0c;即便排序能做到 O(1) 的空间复杂度&#xff…
阅读更多...
计算机系统简介

计算机系统简介

一、计算机的软硬件概念 1.硬件&#xff1a;计算机的实体&#xff0c;如主机、外设、硬盘、显卡等。 2.软件&#xff1a;由具有各类特殊功能的信息&#xff08;程序&#xff09;组成。 系统软件&#xff1a;用来管理整个计算机系统&#xff0c;如语言处理程序、操作系统、服…
阅读更多...
电影评论网站：Spring Boot技术栈应用

电影评论网站：Spring Boot技术栈应用

1系统概述 1.1 研究背景 随着计算机技术的发展以及计算机网络的逐渐普及&#xff0c;互联网成为人们查找信息的重要场所&#xff0c;二十一世纪是信息的时代&#xff0c;所以信息的管理显得特别重要。因此&#xff0c;使用计算机来管理电影评论网站的相关信息成为必然。开发合适…
阅读更多...
安装macOS Sequoia注意事项

安装macOS Sequoia注意事项

随着macOS Sequoia的发布&#xff0c;许多Mac用户开始计划升级到这一最新版本。然而&#xff0c;升级系统并非简单点击“升级”按钮即可。在安装新系统之前&#xff0c;有一些关键的注意事项可以帮助你避免潜在的问题&#xff0c;确保顺利过渡到macOS Sequoia。本文将详细介绍在…
阅读更多...
FPGA图像处理之三行缓存

FPGA图像处理之三行缓存

文章目录 一、前言二、FPGA实现三行缓存的架构三、Verilog代码实现四、仿真验证五、输入图像数据进行仿真验证 一、前言 在 FPGA 做图像处理时&#xff0c;行缓存是一个非常重要的一个步骤&#xff0c;因为图像输入还有输出都是一行一行进行的&#xff0c;即处理完一行后再处理…
阅读更多...
实现uniapp天地图边界范围覆盖

实现uniapp天地图边界范围覆盖

前言&#xff1a; 在uniapp中&#xff0c;难免会遇到使用地图展示的功能&#xff0c;但是百度谷歌这些收费的显然对于大部分开源节流的开发者是不愿意接受的&#xff0c;所以天地图则是最佳选择。 此篇文章&#xff0c;详细的实现地图展示功能&#xff0c;并且可以自定义容器宽…
阅读更多...
Python画笔案例-086 turtle 多线程绘画

Python画笔案例-086 turtle 多线程绘画

1、turtle 多线程绘画 通过 python 的turtle 库 多线程绘画，如下图： 2、实现代码 turtle 库 多线程绘画，以下为实现代码： """多线程绘画.py """ from random import random,randint from turtle import Turtle,Screen from threading
阅读更多...
SpringDataRedis快速入门

SpringDataRedis快速入门

SpringDataRedis 什么是SpringDataRedis SpringData是Spring中数据操作的模块,包含对各种数据库的集成,其中对Redis的集成模块就叫做SpringDataRedis SpringDataRedis中提供了RedsiTemplate工具类,其中封装了各种对Redis的操作。并且将不同数据类型的操作API封装到了不同的类…
阅读更多...
redis基础—主从同步原理与配置以及哨兵模式

redis基础—主从同步原理与配置以及哨兵模式

一&#xff1a;redis的主从同步原理 1.slave节点发送同步请求到master节点 2.slave节点通过master节点的认证开始进行同步 3.认证结束后&#xff0c;master节点开启bgsave进程 4.master节点会开启bgsave进程发送内存快照rbd到slave节点&#xff0c;在此过程中是异步操作&…
阅读更多...
【原创】java+springboot+mysql在线文件管理系统设计与实现

【原创】java+springboot+mysql在线文件管理系统设计与实现

个人主页&#xff1a;程序猿小小杨 个人简介&#xff1a;从事开发多年&#xff0c;Java、Php、Python、前端开发均有涉猎 博客内容&#xff1a;Java项目实战、项目演示、技术分享 文末有作者名片&#xff0c;希望和大家一起共同进步&#xff0c;你只管努力&#xff0c;剩下的交…
阅读更多...
Docker学习笔记（2）- Docker的安装

Docker学习笔记（2）- Docker的安装

1. Docker的基本组成 镜像&#xff08;image&#xff09;&#xff1a;Docker镜像就像是一个模板&#xff0c;可以通过这个模板来创建容器服务。通过一个镜像可以创建多个容器。最终服务运行或者项目运行就是在容器中。容器&#xff08;container&#xff09;&#xff1a;Docker…
阅读更多...
Spring6梳理14——依赖注入之P命名空间

Spring6梳理14——依赖注入之P命名空间

以上笔记来源&#xff1a; 尚硅谷Spring零基础入门到进阶&#xff0c;一套搞定spring6全套视频教程&#xff08;源码级讲解&#xff09;https://www.bilibili.com/video/BV1kR4y1b7Qc 目录 ①搭建模块 ②引入配置文件 ③创建bean-dip.xml文件 ④创建课程类文件 ⑤创建学生…
阅读更多...
最新文章

Copyright @ 2022~2023