使用Python的一個包，imutils。使用下面的指令可以安裝。

pip install imutils

imutils包的Github地址：https://github.com/jrosebr1/imutils

CSDN鏡像：https://codechina.csdn.net/mirrors/jrosebr1/imutils

可以在上面這個地址里面學(xué)習(xí)更多的使用方式。

import cv2import imutils’’’imutils.rotate第一個參數(shù)是翻轉(zhuǎn)的圖像，第二個參數(shù)的翻轉(zhuǎn)角度函數(shù)還提供翻轉(zhuǎn)中心的設(shè)置，但默認(rèn)就是中心翻轉(zhuǎn)。’’’vc = cv2.VideoCapture(0)if vc.isOpened(): flag, frame = vc.read() img = imutils.rotate(frame, 180) # 圖像翻轉(zhuǎn) cv2.imshow('frame', img)else: flag = Falsewhile flag: flag, frame = vc.read() if frame is None: break if flag is True: img = imutils.rotate(frame, 180) # 圖像翻轉(zhuǎn) cv2.imshow('frame', img) if cv2.waitKey(10) == 27: breakvc.release()cv2.destroyAllWindows()

這樣寫的話，最后的輸出圖像就是翻轉(zhuǎn)180度的。

imutils包里還有其他好用的函數(shù)，resizing、4-point Perspective Transform、Sorting Contours等等。

這個效果同樣也是依靠imutils包完成。

from imutils import contoursimport cv2’’’contours.sort_contours可選排序方式：'left-to-right', 'right-to-left', 'top-to-bottom', 'bottom-to-top'返回值為輪廓和外接矩形contours.label_contourcontours包內(nèi)自帶的畫輪廓的函數(shù)，可以直接用，然后可以在圖片上標(biāo)出輪廓序號也可以直接使用cv2.drawContours直接畫輪廓’’’img = cv2.imread(r'D:opencv-workspaceOpencvtest17--VScodeshapes.png')draw_img = img.copy()img_rect = img.copy()gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)img = cv2.Canny(gray, 10, 20) # Canny邊緣檢測cnts, hierarchy = cv2.findContours(img, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE) # 獲得輪廓(cnts, boundingBoxes) = contours.sort_contours(cnts, 'top-to-bottom') # 對輪廓進(jìn)行排序處理for (i, c) in enumerate(cnts): sortedImage = contours.label_contour(draw_img, c, i, color=(240, 0, 159))# img_out = cv2.drawContours(draw_img, cnts, -1, (240, 0, 159), 2)# 根據(jù)boundingBoxes畫外接矩形for (x, y, w, h) in boundingBoxes: img_rect = cv2.rectangle(img_rect, (x, y), (x+w, y+h), (240, 0, 159), 2)cv2.imshow('top-to-bottom', sortedImage)cv2.imshow('rect', img_rect)cv2.waitKey(0)cv2.destroyAllWindows()

這樣寫的話，最后的輸出圖像就是翻轉(zhuǎn)180度的。

imutils包里還有其他好用的函數(shù)，resizing、4-point Perspective Transform、Sorting Contours等等。

這個效果同樣也是依靠imutils包完成。

from imutils import contoursimport cv2’’’contours.sort_contours可選排序方式：'left-to-right', 'right-to-left', 'top-to-bottom', 'bottom-to-top'返回值為輪廓和外接矩形contours.label_contourcontours包內(nèi)自帶的畫輪廓的函數(shù)，可以直接用，然后可以在圖片上標(biāo)出輪廓序號也可以直接使用cv2.drawContours直接畫輪廓’’’img = cv2.imread(r'D:opencv-workspaceOpencvtest17--VScodeshapes.png')draw_img = img.copy()img_rect = img.copy()gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)img = cv2.Canny(gray, 10, 20) # Canny邊緣檢測cnts, hierarchy = cv2.findContours(img, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE) # 獲得輪廓(cnts, boundingBoxes) = contours.sort_contours(cnts, 'top-to-bottom') # 對輪廓進(jìn)行排序處理for (i, c) in enumerate(cnts): sortedImage = contours.label_contour(draw_img, c, i, color=(240, 0, 159))# img_out = cv2.drawContours(draw_img, cnts, -1, (240, 0, 159), 2)# 根據(jù)boundingBoxes畫外接矩形for (x, y, w, h) in boundingBoxes: img_rect = cv2.rectangle(img_rect, (x, y), (x+w, y+h), (240, 0, 159), 2)cv2.imshow('top-to-bottom', sortedImage)cv2.imshow('rect', img_rect)cv2.waitKey(0)cv2.destroyAllWindows()

顏色識別是在HSV空間內(nèi)進(jìn)行的，因此在使用之前先進(jìn)行顏色空間的轉(zhuǎn)換。

’’’使用下面這個函數(shù)進(jìn)行轉(zhuǎn)換，第一個參數(shù)填寫要轉(zhuǎn)換的圖片，第二個參數(shù)填寫cv2.COLOR_BGR2HSV’’’cv2.cvtColor

import cv2import numpy as np’’’cv2.inRange函數(shù)很簡單，參數(shù)有三個第一個參數(shù)：hsv指的是原圖第二個參數(shù)：lower_red指的是圖像中低于這個lower_red的值，圖像值變?yōu)?第三個參數(shù)：upper_red指的是圖像中高于這個upper_red的值，圖像值變?yōu)?而在lower_red～upper_red之間的值變成255’’’# 閾值lower_green = np.array([50, 255, 255])upper_green = np.array([70, 255, 255])img = cv2.imread(r'D:opencv-workspaceOpencvtest16--VScodephoto.jpg')img_hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)mask_green = cv2.inRange(img_hsv, lower_green, upper_green)cv2.imshow('img_or', mask_green)# 使用下面這個函數(shù)能顯示原來的顏色。res_green = cv2.bitwise_and(img, img, mask=mask_green)cv2.imshow('img', res_green)cv2.waitKey(0)cv2.destroyAllWindows()

在進(jìn)行顏色識別時，難免會出現(xiàn)“漏顏色”的現(xiàn)象，也就是會出現(xiàn)沒識別全的現(xiàn)象。這個時候可以再對圖像進(jìn)行處理，比如說進(jìn)行形態(tài)學(xué)處理，讓圖像更加飽滿之類的。

import cv2color = np.uint8([[[193, 189, 147]]]) # 參數(shù)填寫B(tài)GR的值hsv = cv2.cvtColor(color, cv2.COLOR_BGR2HSV)print(hsv) # 打印出來的數(shù)值就是對應(yīng)的HSV值

程序運行的結(jié)果是

[[[ 93 61 193]]]

這個就是對應(yīng)的HSV的值。

根據(jù)之前寫的顏色識別，就需要把對應(yīng)的閾值寫出。具體寫法就是保持S和V不變，H加減10。這樣的話就可以寫出高低閾值然后應(yīng)用到顏色識別里面就可以了。

import cv2import numpy as npdef function(x): lowH = cv2.getTrackbarPos('lowH', 'img_666') lowS = cv2.getTrackbarPos('lowS', 'img_666') lowV = cv2.getTrackbarPos('lowV', 'img_666') HighH = cv2.getTrackbarPos('HighH', 'img_666') HighS = cv2.getTrackbarPos('HighS', 'img_666') HighV = cv2.getTrackbarPos('HighV', 'img_666') # print(lowH, lowS, lowV, HighH, HighS, HighV) lower = np.uint8([lowH, lowS, lowV]) upper = np.uint8([HighH, HighS, HighV]) mask = cv2.inRange(img_hsv, lower, upper) res = cv2.bitwise_and(img, img, mask=mask) cv2.imshow('img', res)img = cv2.imread(r'D:opencv-workspaceOpencvtest16--VScodetest.jpg')img_hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)cv2.namedWindow('img_666')cv2.createTrackbar('lowH', 'img_666', 0, 179, function)cv2.createTrackbar('lowS', 'img_666', 0, 255, function)cv2.createTrackbar('lowV', 'img_666', 0, 255, function)cv2.createTrackbar('HighH', 'img_666', 0, 179, function)cv2.createTrackbar('HighS', 'img_666', 0, 255, function)cv2.createTrackbar('HighV', 'img_666', 0, 255, function)cv2.imshow('img', img)cv2.waitKey(0)cv2.destroyAllWindows()

寫了一個比較垃圾的閾值編輯器。。。就不多解釋了。。

以上就是python OpenCV學(xué)習(xí)筆記的詳細(xì)內(nèi)容，更多關(guān)于python OpenCV的資料請關(guān)注好吧啦網(wǎng)其它相關(guān)文章！