浅谈Opencv (上)

Opencv (上) 常见的图片格式： 1、jpg(jpeg) : 用最少的磁盘空间得到较好的图片质量 2、png： 无损压缩的位图片形格式 常见的图片类型： 【黑白】【彩色】 图片的本质： 由像素点组成的矩阵，每个元素（像素点）都是在0-255之间 为什么每个像素点都是界于0-255之间？ 1、位图模式（黑白图像） 仅仅只有1位深度的图像 ->（0，1，1，1，0 …) ​ 0->纯黑色 ​ 1->纯白色 2、灰度图像：【0，255】 ​ 有8位深度的图像 （0，0，0，0，0，0，0，0，0） ->2**0=1 ​ (1，1，1，1，1，1，1，1，1) ->2**8 = OpenCV 是一个强大的开源计算机视觉库，广泛应用于图像处理和计算机视觉领域。本文将浅谈OpenCV的基础知识，包括常见的图片格式、图片的本质以及如何使用OpenCV进行基本操作。 我们来了解一下常见的图片格式。JPEG（jpg）是一种广泛使用的有损压缩格式，它能在较小的磁盘空间内保持较高的图片质量。PNG则是一种无损压缩的位图格式，适用于需要透明背景或高质量图像的场合。 图片的本质是由像素点组成的矩阵，每个像素点都有一个数值，这个数值通常在0到255之间。对于黑白图像，也称为位图模式，每个像素只有一位深度，0表示纯黑色，1表示纯白色。灰度图像则具有8位深度，数值范围是0到255，可以表示256级灰度。彩色图像通常使用RGB模式，每个像素由红、绿、蓝三个通道组成，每个通道也是8位深度，因此可以产生256的三次方，即16777216种不同的颜色。 使用OpenCV读取图片时，`cv2.imread()`函数是关键。例如，`cv2.imread(path, 0)`会读取指定路径的图片，并将其转换为灰度图像，`1`则表示读取彩色图像。读取后的图像以二维numpy数组的形式存储，每个元素的类型为`uint8`，表示0到255之间的无符号整数。 图片的裁剪可以通过numpy的切片操作实现，例如`img[开始行:结束行, 开始列:结束列]`可以截取图像的一部分。水平或垂直拼接两个图像可以使用`np.vstack()`或`np.hstack()`。 OpenCV还支持图片的保存，使用`cv2.imwrite()`函数，第一个参数是保存路径，第二个参数是要保存的图像矩阵。 除了基本的读取和处理，OpenCV还能生成随机图像，例如`np.random.randint(0, 255, (尺寸, 尺寸, 3), dtype='uint8')`可以创建一个指定大小的彩色图像，像素值随机分布在0到255之间。 此外，OpenCV可以进行彩色图像的通道拆分和合并。`img[:,:,0]`、`img[:,:,1]`和`img[:,:,2]`分别对应BGR图像的蓝、绿、红通道。`cv2.split()`函数可以一次性拆分所有通道，而`cv2.merge()`则用于合并通道。通过修改或单独显示某个通道，可以实现特定颜色效果。 色彩空间转换是OpenCV的一个重要功能。例如，RGB到HSV的转换可以帮助我们更好地处理颜色信息，因为在HSV色彩空间中，颜色更接近人眼的感知。`cv2.cvtColor()`函数可以完成不同色彩空间之间的转换。 OpenCV提供了一系列接口来处理和分析图像，包括读取、显示、裁剪、拼接、保存、随机生成、通道操作和色彩空间转换等。这些基础操作构成了计算机视觉应用的基石，对于理解和开发图像处理算法至关重要。通过熟练掌握这些技能，我们可以构建复杂的图像分析系统，例如目标检测、图像识别和视频处理等。