天津市哪里有做网站广告的,手机屏网站开发,杨浦做网站,wordpress中文房产主题文章目录 鼠标绘图轨迹栏做调色板图像的基本操作 鼠标绘图
在OpenCV中操作鼠标事件 函数#xff1a;cv.setMouseCallback()
目的是在鼠标双击的地方画一个圆。首先#xff0c;我们需要创建一个鼠标回调函数#xff0c;该函数会在鼠标事件发生时执行。鼠标事件包括左键按下… 文章目录 鼠标绘图轨迹栏做调色板图像的基本操作 鼠标绘图
在OpenCV中操作鼠标事件 函数cv.setMouseCallback()
目的是在鼠标双击的地方画一个圆。首先我们需要创建一个鼠标回调函数该函数会在鼠标事件发生时执行。鼠标事件包括左键按下、左键松开、左键双击等等。通过获取每个鼠标事件的坐标(x, y)我们就能实现画圆的功能。
import numpy as np
import cv2 as cv# 创建一个黑色图像
img np.zeros((512, 512, 3), np.uint8)# 鼠标回调函数当鼠标左键双击时在双击的位置画一个半径为100的蓝色圆
def draw_circle(event, x, y, flags, param):if event cv.EVENT_LBUTTONDBLCLK:# 画一个半径为100的蓝色圆圆心坐标为(x, y)颜色为(255, 0, 0)-1表示填充整个圆cv.circle(img, (x, y), 100, (255, 0, 0), -1)# 创建一个窗口并将鼠标回调函数与窗口绑定
cv.namedWindow(image)
cv.setMouseCallback(image, draw_circle)while True:# 显示图像cv.imshow(image, img)# 等待用户按键如果按下的是q键则退出循环if cv.waitKey(20) ord(q):break# 关闭窗口
cv.destroyAllWindows()
结果双击画圆
这段代码创建了一个大小为512x512的黑色图像然后定义了一个鼠标回调函数draw_circle该函数在鼠标左键双击时在双击的位置画一个半径为100的蓝色BGR值为(255, 0, 0))的圆。程序将这个回调函数与窗口image绑定然后进入一个无限循环显示图像直到用户按下键盘上的q键窗口才会关闭。
当我们创建一个交互式绘图程序时我们需要考虑两种模式画矩形和画圆形。为了实现这个目标我们需要在鼠标回调函数中添加逻辑以便根据用户的选择来绘制相应的图形。 import numpy as np
import cv2 as cvdrawing False # 当鼠标按下的时候会为True
mode True # True画矩形按下m改变模式
ix, iy -1, -1# 鼠标回调函数
def draw_circle(event, x, y, flags, param):global ix, iy, drawing, modeif event cv.EVENT_LBUTTONDOWN:drawing Trueix, iy x, yelif event cv.EVENT_MOUSEMOVE:if drawing True:if mode True:cv.rectangle(img, (ix, iy), (x, y), (0, 255, 0), -1)else:cv.circle(img, (x, y), 5, (0, 0, 255), -1)elif event cv.EVENT_LBUTTONUP:drawing Falseif mode True:cv.rectangle(img, (ix, iy), (x, y), (0, 255, 0), -1)else:cv.circle(img, (x, y), 5, (0, 0, 255), -1)img np.zeros((512, 512, 3), np.uint8)
cv.namedWindow(image)
cv.setMouseCallback(image, draw_circle)while 1:cv.imshow(image, img)k cv.waitKey(1) 0xFFif k ord(m):mode not modeelif k ord(q):breakcv.destroyAllWindows()二
import numpy as np
import cv2 as cv# 定义全局变量初始模式为矩形
drawing False # 当鼠标按下时变为True
mode True # True表示矩形模式False表示圆形模式
ix, iy -1, -1 # 矩形或圆形的起始坐标# 鼠标回调函数
def draw_shape(event, x, y, flags, param):global ix, iy, drawing, modeif event cv.EVENT_LBUTTONDOWN: # 当鼠标左键按下时drawing Trueix, iy x, yelif event cv.EVENT_LBUTTONUP: # 当鼠标左键松开时drawing Falseif mode: # 如果是矩形模式cv.rectangle(img, (ix, iy), (x, y), (0, 255, 0), -1)else: # 如果是圆形模式radius int(np.sqrt((x - ix) ** 2 (y - iy) ** 2))cv.circle(img, (ix, iy), radius, (0, 0, 255), -1)# 创建一个黑色图像
img np.zeros((512, 512, 3), np.uint8)# 创建一个窗口并将鼠标回调函数与窗口绑定
cv.namedWindow(Drawing)
cv.setMouseCallback(Drawing, draw_shape)while True:cv.imshow(Drawing, img)# 检测键盘按键切换模式r键表示矩形模式c键表示圆形模式k cv.waitKey(1) 0xFFif k ord(r):mode Trueelif k ord(c):mode Falseelif k 27: # 按下ESC键退出程序breakcv.destroyAllWindows()
在这个程序中我们使用了全局变量drawing来追踪鼠标是否按下mode来追踪当前的绘制模式矩形或圆形以及ix和iy来保存绘制形状的起始坐标。当用户按下鼠标左键时drawing变为Trueix和iy保存了鼠标按下的位置。当鼠标松开时根据当前的模式矩形或圆形在图像上绘制相应的形状。
轨迹栏做调色板
OpenCV窗口建立轨迹栏 函数cv.getTrackbarPos()cv.createTrackbar()等等
使用OpenCV中的轨迹条Trackbar功能。这个应用将会有一个用于显示颜色的窗口并且提供了三个轨迹条分别用来指定红色R、绿色G和蓝色B的分量。通过滑动这些轨迹条窗口的颜色会相应地变化。初始颜色为黑色。
import numpy as np
import cv2 as cv# 回调函数什么也不做
def nothing(x):pass# 创建一个黑色图像和一个窗口
img np.zeros((300, 512, 3), np.uint8) # 创建一个黑色图像300x512的RGB图像
cv.namedWindow(image) # 创建一个名为image的窗口# 创建轨迹栏参数分别为轨迹条的名称、所属窗口的名称、默认值、最大值、回调函数
cv.createTrackbar(R, image, 0, 255, nothing) # 创建红色分量的轨迹条
cv.createTrackbar(G, image, 0, 255, nothing) # 创建绿色分量的轨迹条
cv.createTrackbar(B, image, 0, 255, nothing) # 创建蓝色分量的轨迹条# 创建开关轨迹条用于开启或关闭窗口显示颜色
switch 0 : OFF \n1 : ON
cv.createTrackbar(switch, image, 0, 1, nothing) # 创建开关轨迹条while 1:cv.imshow(image, img) # 在窗口中显示图像# 检测按键如果按下q键则退出循环if cv.waitKey(1) 0xFF ord(q):break# 获取轨迹条的当前位置r cv.getTrackbarPos(R, image) # 获取红色分量轨迹条的位置g cv.getTrackbarPos(G, image) # 获取绿色分量轨迹条的位置b cv.getTrackbarPos(B, image) # 获取蓝色分量轨迹条的位置s cv.getTrackbarPos(switch, image) # 获取开关轨迹条的位置# 根据轨迹条的位置设置图像颜色if s 0:img[:] 0 # 如果开关为关闭状态将图像颜色设置为黑色else:img[:] [b, g, r] # 如果开关为开启状态根据轨迹条位置设置图像颜色cv.destroyAllWindows() # 关闭所有窗口
结果
在这个应用中我们会使用cv.createTrackbar()函数来创建这些轨迹条。这个函数的第一个参数是轨迹条的名称第二个参数是要应用的窗口的名称第三个参数是一个默认值第四个参数是最大值第五个参数是一个回调函数用于监测轨迹条值的变化。在本例中我们不需要回调函数所以我们将跳过这一部分。
轨迹条的另一个重要应用是作为按钮或者开关。因为OpenCV默认并没有按钮功能所以你可以使用轨迹条来实现这个功能。在我们的应用中我们会创建一个开关只有当开关处于导通状态时窗口才会显示颜色否则窗口将一直保持黑色。通过这种方式我们可以实现一个简单的颜色选择器应用。
图像的基本操作
访问像素值并修改他们。 当处理图像时你可以通过像素的横纵坐标来访问和修改像素值。在OpenCV中颜色图像通常使用BGR蓝、绿、红通道来表示每个像素的颜色而灰度图像只有一个单通道表示像素的亮度。 访问像素值
import numpy as np
import cv2 as cv# 加载图像
img cv.imread(messi5.jpg)# 访问像素值返回BGR值
px img[100, 100]
print(px) # 输出[157 166 200]# 访问蓝色通道值
blue img[100, 100, 0]
print(blue) # 输出157在上述代码中img[100, 100]返回了坐标为(100, 100)的像素的BGR值img[100, 100, 0]返回了该像素的蓝色通道值。
修改像素值
# 修改像素值为白色255, 255, 255
img[100, 100] [255, 255, 255]# 验证修改后的像素值
print(img[100, 100]) # 输出[255 255 255]在上述代码中img[100, 100]的像素值被修改为白色255, 255, 255。
这些基本操作允许你直接访问和修改图像的像素值为图像处理提供了灵活性。请确保在修改像素值时坐标值在图像的范围内以避免访问超出图像边界的像素。
警告
在处理图像时简单地遍历每个像素并逐个访问或修改它们通常会非常缓慢特别是对于大型图像。Numpy是一个针对快速矩阵运算优化过的库所以它的目标是通过矢量化操作来提高性能。对于单个像素的访问和修改直接遍历图像的每个像素并逐个处理会效率低下。
在Numpy中可以使用array.item()和array.itemset()来更高效地访问和修改单个像素的值。这两个方法始终返回或设置标量值。如果需要访问或修改B、G、R通道的值可以分别使用array.item()来获取每个通道的值。
访问图像属性
图像的特征包括
形状Shape图像的形状描述了它的尺寸通常以行数、列数和通道数表示。在彩色图像中通道数为3表示红、绿、蓝通道在灰度图像中通道数为1。你可以使用img.shape获取图像的形状。print(img.shape) # 输出(342, 548, 3)像素数量Size图像中像素点的总数量可以通过img.size获得。
print(img.size) # 输出562248数据类型Data Type图像的数据类型表示像素值的存储格式。在OpenCV中通常使用uint88位无符号整数来表示像素值的范围为0到255。 print(img.dtype) # 输出uint8这些特征对于了解图像的结构和存储格式非常重要。特别是在调试时检查图像的数据类型img.dtype可以帮助你避免许多与数据类型相关的错误。通过这些特征可以确定图像的维度、通道数、像素总数以及像素值的表示范围为图像处理和分析提供了基础信息。
设置一个感兴趣的区域ROI
图像处理中通常需要对图像的特定区域进行操作。这种操作称为兴趣区域Region of InterestROI操作。通过在图像中找到特定区域我们可以提高处理的精度和速度因为我们只需在一个相对较小的区域上执行操作。
在Python中使用Numpy的索引功能可以很容易地获取和操作ROI。以下是一个示例演示了如何从图像中选择一个包含球的区域并将该区域复制到图像的另一部分
# 选择图像中包含球的区域ROI
ball img[280:340, 330:390]# 将球的区域复制到图像的另一部分例如将其粘贴到另一个位置
img[273:333, 100:160] ball在上述示例中img[280:340, 330:390]选择了图像中的一个特定区域该区域包含球。然后通过将这个区域赋值给ball我们得到了一个ball变量其中包含了球的图像区域。接着我们将ball变量的内容复制到图像的另一个位置例如图像的[273:333, 100:160]区域从而将包含球的区域粘贴到了图像的另一部分。
拆分和组合图像
在图像处理中有时需要分开和合成图像的通道。OpenCV提供了cv.split()函数来将BGR图像分离成单独的通道同时也提供了cv.merge()函数用于将单独的通道合成成一个BGR图像。另外也可以通过Numpy的索引来直接访问和修改图像的特定通道。
分开图像通道
# 使用cv.split()将BGR图像分离成单独的通道
b, g, r cv.split(img)在这个例子中cv.split()函数将BGR图像分离成了三个单独的通道蓝色b、绿色g和红色r。 合成图像通道
# 使用cv.merge()将单独的通道合成为BGR图像
img cv.merge((b, g, r))在这个例子中cv.merge()函数将单独的蓝色b、绿色g和红色r通道合成为一个BGR图像。
使用Numpy索引直接访问和修改通道
# 将所有的红色通道设置为0即去除红色
img[:, :, 2] 0在这个例子中img[:, :, 2]直接访问并修改了图像的红色通道将所有的红色值设置为0。 警告
cv.split() 是一个开销很大的操作因为它需要遍历整个图像。只有在必要的时候才使用它。否则尽量使用Numpy的索引来直接访问和修改图像的通道这样会更高效。
cv.copyMakeBorder()函数可以用来在图像周围添加边框。该函数有以下参数
src输入的图像。
top, bottom, left, right对应方向填充的像素宽度。
borderType想要添加的边框类型可以是cv.BORDER_CONSTANT、cv.BORDER_REFLECT、cv.BORDER_REFLECT_101、cv.BORDER_REPLICATE 或 cv.BORDER_WRAP。
value如果borderType是cv.BORDER_CONSTANT需要在这里指定颜色值。以下是一个使用cv.copyMakeBorder()函数演示的例子
import cv2 as cv
import numpy as np
from matplotlib import pyplot as pltBLUE [255, 0, 0]
img1 cv.imread(opencv-logo.png)# 添加不同类型的边框
replicate cv.copyMakeBorder(img1, 10, 10, 10, 10, cv.BORDER_REPLICATE)
reflect cv.copyMakeBorder(img1, 10, 10, 10, 10, cv.BORDER_REFLECT)
reflect101 cv.copyMakeBorder(img1, 10, 10, 10, 10, cv.BORDER_REFLECT_101)
wrap cv.copyMakeBorder(img1, 10, 10, 10, 10, cv.BORDER_WRAP)
constant cv.copyMakeBorder(img1, 10, 10, 10, 10, cv.BORDER_CONSTANT, valueBLUE)# 显示原始图像和添加边框后的图像
plt.subplot(231), plt.imshow(img1, gray), plt.title(ORIGINAL)
plt.subplot(232), plt.imshow(replicate, gray), plt.title(REPLICATE)
plt.subplot(233), plt.imshow(reflect, gray), plt.title(REFLECT)
plt.subplot(234), plt.imshow(reflect101, gray), plt.title(REFLECT_101)
plt.subplot(235), plt.imshow(wrap, gray), plt.title(WRAP)
plt.subplot(236), plt.imshow(constant, gray), plt.title(CONSTANT)
plt.show()
在这个例子中cv.copyMakeBorder()函数被用来创建原始图像和带有不同边框类型的图像。这些边框类型包括REPLICATE、REFLECT、REFLECT_101、WRAP 和 CONSTANT。每种类型的边框都会以不同的方式填充图像的边界。通过这个例子你可以看到不同类型的边框效果。
