前言

OpenCV 是一个图像和视频处理库，具有 C++、C、Python 和 Java 中的绑定。OpenCV用于各种图像和视频分析，如面部识别和检测，车牌读取，照片编辑，高级机器人视觉，光学字符识别等等。

OpenCV-Python 是一个 Python 绑定库，旨在解决计算机视觉问题。

Python 是一种由 Guido van Rossum 开发的通用编程语言，它很快就变得非常流行，主要是因为它的简单性和代码可读性。它使程序员能够用更少的代码表达思想，而不会降低可读性。

与 C/C++ 这类语言相比，Python 的速度更慢。好在，可以使用 C/C++ 轻松的拓展 Python ，我们可以在 C/C++ 中编写计算密集型代码，并用 Python 来封装。这给我们带来了两个好处：首先，代码像原始的 C/C++ 代码一样快（因为后台实际上就是 C/C++ 代码在工作），其次，在 Python 中编写代码比在 C/C++ 中更容易。OpenCV-Python 就是 OpenCV C++ 的 Python 封装。

OpenCV-Python 使用了 Numpy，这是一个有着 MATLAB 风格语法，高度优化的用于数值计算的库。所有 OpenCV 数组结构都与 Numpy 数组进行转换。这也使得与使用 Numpy 的其他库（如 SciPy 和 Matplotlib）集成更容易。

在这里插入图片描述

一、图片转灰度

什么叫图片的灰度化呢？其实很简单，就是让像素点矩阵中的每一个像素点都满足下面的关系：R=G=B（就是红色变量的值，绿色变量的值，和蓝色变量的值，这三个值相等，“=”的意思不是程序语言中的赋值，是数学中的相等），此时的这个值叫做灰度值。

代码如下（示例）：

import cv2  # 导入OpenCV-Python模块
import os   # 导入文件与系统模块
import numpy as np  # 导入数值计算库'''
def filter(filein,picture_name):imgI_filename = os.path.join(filein,picture_name) # 源文件路径imgO_filename = os.path.join(r'out', picture_name)  # 目标文件路径img_rgb = cv2.imread(imgI_filename)  # 读取源图片img_gray = cv2.cvtColor(img_rgb, cv2.COLOR_RGB2GRAY) # 转换为灰度# 调整亮度和对比度res = np.uint8(np.clip((1.2 * img_gray + 0), 0, 255))cv2.imwrite(imgO_filename, res)    # 保存转换后的图片## cv2.imshow('GrayImage',img_cartoon)  # 加预览if __name__ == '__main__':imagelist = [] # 创建空列表#循环读取指定路径下的文件名for filename in os.listdir(r'in/'):imagelist.append(filename)  #将文件名添加到imagelistprint(filename)filter(r'in',filename)  # 为图片应用灰度滤镜

在这里插入图片描述

二、对图片进行二值化处理

什么叫图像的二值化？二值化就是让图像的像素点矩阵中的每个像素点的灰度值为0（黑色）或者255（白色），也就是让整个图像呈现只有黑和白的效果。在灰度化的图像中灰度值的范围为0~255，在二值化后的图像中的灰度值范围是0或者255。

代码如下（示例）：

# 对图片进行二值化======================================================
import cv2
import numpy as npimg1 = cv2.imread('01.jpg')
img2 = cv2.imread('02.jpg')
rows, cols, channels = img1.shape
roi = img2[0:rows, 0:cols]
img2gray = cv2.cvtColor(img1, cv2.COLOR_BGR2GRAY)
ret, Mask = cv2.threshold(img2gray, 170, 255, cv2.THRESH_BINARY)
Mask_inv = cv2.bitwise_not(Mask)
img1_bg = cv2.bitwise_and(roi, roi, mask=Mask)
img1_fg = cv2.bitwise_and(img1, img1, mask=Mask_inv)
dst = cv2.add(img1_bg, img1_fg)
img2[0:rows, 0:cols] = dst
cv2.imshow('res', Mask)
cv2.imshow('das', img2)
cv2.waitKey(0)
cv2.destroyAllWindows()

在这里插入图片描述

三、对图片去除噪点

实现原理：是在于先将噪点调亮以后再减少它的细节,总之就是让噪点“沉”下去。
代码如下（示例）：

import cv2
import numpy as nporiginal_image1 = cv2.imread('in/01.jpg').astype(np.float32)/255# 设置调整颜色参数，小于1时，数值越小，越具有美白效果。反之，大于1时数值越大，可对美白照片还原原色
gamma1 = 0.6
whitening = np.power(original_image1, gamma1)# 去除噪点
denoise = cv2.medianBlur(whitening, 5)cv2.imshow('original_image', original_image1)
cv2.imshow('whitening', whitening)
cv2.imshow('denoise', denoise)

在这里插入图片描述

四、调整图片透明度

实现原理：需要在RGB三个通道的基础上添加alpha通道信息(alpha通道)。
代码如下（示例）：

# 实时调整图片透明度
import cv2
import numpy as npdef callback(object):passcv2.namedWindow('image')
img1 = cv2.imread('01.jpg')
[x, y, z] = img1.shape
# 创建一个相同规格的图像，可以自己读取一张图用切片工具
# 选出相同大小的矩阵
img2 = np.zeros([x, y, z], img1.dtype)
B, G, R = 10, 88, 21  # 自己调色
img2[:, :, 0] = np.uint8(B)
img2[:, :, 1] = np.uint8(G)
img2[:, :, 2] = np.uint8(R)
cv2.createTrackbar('alpha', 'image', 0, 100, callback)while True:Alpha = cv2.getTrackbarPos('alpha', 'image')/100img3 = cv2.addWeighted(img1, Alpha, img2, 1-Alpha, 0)cv2.imshow('image', img3)if cv2.waitKey(10) & 0xFF == ord('q'):break
cv2.destroyAllWindows()

在这里插入图片描述

五、生成素描滤镜效果图（方法结合应用）

代码如下（示例）：

import cv2  # 导入OpenCV-Python模块
import os   # 导入文件与系统模块
import numpy as np  # 导入数值计算库def filter(filein,picture_name):imgI_filename = os.path.join(filein,picture_name) # 源文件路径imgO_filename = os.path.join(r'out', picture_name)  # 目标文件路径img_rgb = cv2.imread(imgI_filename)  # 读取源图片num_down = 2   # 缩减像素采样的数目num_bilateral = 9 # 定义双边滤波的数目# 用高斯金字塔降低取样img_color = img_rgbfor _ in range(num_down):img_color = cv2.pyrDown(img_color)# 重复使用小的双边滤波代替一个大的滤波for _ in range(num_bilateral):img_color = cv2.bilateralFilter(img_color,d=4,sigmaColor=8,sigmaSpace=4)# 升采样图片到原始大小for _ in range(num_down):img_color = cv2.pyrUp(img_color)img_gray = cv2.cvtColor(img_rgb, cv2.COLOR_RGB2GRAY)  # 转换为灰度img_blur = cv2.medianBlur(img_gray, 19)  # 增加模糊效果。值越大越模糊（取奇数）# 检测到边缘并且增强其效果img_edge = cv2.adaptiveThreshold(img_blur,256,cv2.ADAPTIVE_THRESH_MEAN_C,cv2.THRESH_BINARY,blockSize=9,C=2)img_edge = cv2.cvtColor(img_edge, cv2.COLOR_GRAY2RGB) # 彩色图像转为灰度图像cv2.imwrite(imgO_filename, img_edge) # 保存图片if __name__ == '__main__':imagelist = [] # 创建空列表#循环读取指定路径下的文件名for filename in os.listdir(r'in/'):imagelist.append(filename)  #将文件名添加到imagelistprint(filename)filter(r'in',filename)  # 为图片应用写生素描滤镜

在这里插入图片描述

六、生成动漫卡通滤镜效果图（方法结合应用）

代码如下（示例）：

import cv2  # 导入OpenCV-Python模块
import os   # 导入文件与系统模块
import numpy as np  # 导入数值计算库def filter(filein,picture_name):imgI_filename = os.path.join(filein,picture_name) # 源文件路径imgO_filename = os.path.join(r'out', picture_name)  # 目标文件路径img_rgb = cv2.imread(imgI_filename)  # 读取图片# 转换为灰度并且使其产生中等的模糊img_gray = cv2.cvtColor(img_rgb, cv2.COLOR_RGB2GRAY)img_blur = cv2.medianBlur(img_gray, 5)  # 值越大越模糊（取奇数）#检测到边缘并且增强其效果img_edge = cv2.adaptiveThreshold(img_blur,128,cv2.ADAPTIVE_THRESH_MEAN_C,cv2.THRESH_BINARY,blockSize=9,C=8)img_edge = cv2.cvtColor(img_edge, cv2.COLOR_GRAY2RGB) #彩色图像转为灰度图像img_cartoon = cv2.bitwise_and(img_rgb, img_edge)  # 灰度图像转为彩色图像# 调整亮度和对比度res = np.uint8(np.clip((2.0 * img_cartoon + 16), 0, 255))# 保存转换后的图片cv2.imwrite(imgO_filename, res)if __name__ == '__main__':imagelist = [] # 创建空列表#循环读取指定路径下的文件名for filename in os.listdir(r'in/'):imagelist.append(filename)  #将文件名添加到imagelistprint(filename)filter(r'in',filename)  # 为图片应用卡通动漫滤镜