今天我们将讨论使用Python中的OpenCV库对图像执行的一些基本操作。从在Windows中安装python3开始，在Python脚本中执行基本操作。

图像处理通常是指对图像的技术分析，例如为了得到增强的图像/或提取一些有用的信息而进行的一些操作。

随着我们的发展，许多应用程序使用图像/帧/视频作为输入，需要对它们进行预处理，并将其输入设备、软件或脚本。

应用

图像处理可以是娱乐性的，可用于许多应用：

1.它可以用来调整图像的大小，以适应网页所需的大小，并可使他们锐化；

2.旧的黑白图像可以变成彩色照片，或者最新的彩色照片可以通过着色技术使其看起来像旧的黑白照片；

3.可以用来增强医学影像学检查病人的癌症或其他疾病。

基本图像处理技术

在本文中，我们将看到从目录中读取图像、修改图像并将其存储在另一个目录中的函数。下面是我们要讨论的主要内容。

?使用Python和OpenCV读取图像

?使用OpenCV调整图像大小

?模糊/平滑图像

?锐化图像

?边缘检测算法(Canny)

基本要求和安装：

1.装有Windows的电脑/个人电脑/笔记本电脑；

2.Python软件：可以按照这里提到的程序进行下载和安装(https://prudhvistark.medium.com/how-to-use-connect-bluetooth-in-python-from-scartch-to-bosch-glm-50-c-in-window-e75d8206fab4)。(主要尝试从这里下载并安装最新版本：https://www.python.org/downloads/)；

3.如果你还没有这样做，请下载并安装VS Code(https://code.visualstudio.com/)；

4.接下来，从Visual Studio Marketplace安装Python扩展。Python扩展名为Python，由Microsoft发布；

5.通过在CMD(命令提示符)中发出以下命令，安装opencv python(这是一个用于python的非正式预构建opencv包)：

pip install PACKAGE_NAME

PACKAGE_NAME可以是：

?opencv-python(只包含主模块)

?opencv-contrib-python(包含main和contrib模块)

?opencv-python-headless(与opencv-python相同，但没有GUI功能)

?opencv-contrib-python-headless(与opencv-contrib-python相同，但没有GUI功能)

设置完成后：

1.打开一个目录，创建一个“Image_Processing”文件夹；

2.下载少量图像(3-4个图像)并保存在该文件夹中；

3.创建一个Python脚本文件“Test_img_processing.py“(.py是python脚本的扩展)。

实现与执行：

现在你可以自由使用python脚本了，请始终在导入所需库的情况下启动脚本。下面是进行基本图像处理的函数。

1.要读取图像，我们有一个函数“imread()”，它将图像文件名作为字符串和标志。

imread(/complete/path/to/image，flag)

第一个参数是指向图像的完整路径以及扩展名;

第二个参数是可选标志，可以是以下任意一个：

cv2.IMREAD_COLOR：加载彩色图像。图像的任何透明度都将被忽略。它是默认标志;

cv2.IMREAD_GRAYSCALE：以灰度模式加载图像;

cv2.IMREAD_UNCHANGED：加载图像，包括alpha通道;

返回numpy数组，包含像素值。对于彩色图像，每个像素都表示为一个包含红色、绿色和蓝色通道的数组。

注意，默认标志是cv2.IMREAD_COLOR。因此，即使读取具有透明度的png图像，透明通道也会被忽略。

2.要显示读取的图像，我们使用“imshow()”。

cv2.imshow(window_name, image)

第一个参数是显示图像时显示的窗口的名称;

第二个参数是要在窗口中显示的图像。

3.为了将读取的图像保存到另一个目录中，我们使用“imwrite()”，它接受目标和图像文件。

cv2.imwrite(‘/path/to/destination/image.png’,image)

第一个参数是指向文件系统上的目标的路径，应该在该位置保存图像；

第二个参数是包含图像的ndarray

如果图像写入文件系统，则返回True，否则返回False。

4.为了得到图像的尺寸，我们有一个称为形状的属性。

img = cv2.imread(‘/home/img/python.png’, cv2.IMREAD_UNCHANGED)

# 获取图像的尺寸
dimensions = img.shape

# 高度、宽度、通道
height = img.shape[0]
width = img.shape[1]
channels = img.shape[2]

img.shape返回(高度、宽度、通道数)：

高度表示图像中的像素行数或图像数组的每列中的像素数；

宽度表示图像中的像素列数或图像数组中每行的像素数；

通道数表示用于表示每个像素的组件数。

5.为了模糊图像，我们使用“cv2.Blur()”，它接受图像和滤波器。这里使用“平均”。还有其他选择：

?高斯模糊

?中值模糊

?双边滤波

包含所有基本功能的示例脚本：

# 导入opencv CV2模块
import cv2

# bat.jpg 是蝙蝠侠的图片.
img = cv2.imread(‘bat.jpg’)

# 确保已将其保存在同一文件夹中

# 平均
# 你可以随意改变核大小
Averaging_blur= cv2.blur(img,(10,10))
cv2.imshow(‘Averaging’,Averaging_blur)
cv2.waitKey(0)# 等待窗口关闭

# 高斯模糊
# 你可以随意改变核大小
Gaussian_Blur= cv2.GaussianBlur(img, (5,5),0)
cv2.imshow(‘Gaussian Blurring’, Gaussian_Blur)
cv2.waitKey(0)#waits for the window to close

# 中值模糊
Median_Blur= cv2.medianBlur(img,5)
cv2.imshow(‘Median Blurring’, Median_Blur)
cv2.waitKey(0)# 等待窗口关闭

# 双边滤波
Bilateral_Filter= cv2.bilateralFilter(img,9,75,75)
cv2.imshow(‘Bilateral Filtering’, Bilateral_Filter)
cv2.waitKey(0) # 等待窗口关闭
cv2.destroyAllWindows()# 关闭此会话中所有打开的窗口

6.为了检测图像的边缘，我们使用了流行的canny边缘检测算法。OpenCV有一个内置函数cv2.Canny()，它将输入图像作为第一个参数，其光圈大小(最小值和最大值)作为最后两个参数。

edges = cv2.Canny(frame,100,200)

# 在框架中显示边
cv2.imshow('Edges',edges)

使用opencv和python有更多的操作和开放算法来执行图像的特定功能，这些操作和算法可以非常容易和灵活地在实时视频/帧中实现。