【OpenCV】OpenCV的基本使用

1.安装

1	pip install cv2

2.基本使用

2-1.混合两张图片

import cv2

img1 = cv2.imread("E:/OCR/PDF/a_pdf/0.png")
img2 = cv2.imread("E:/OCR/PDF/a_pdf/1.png")

alpha = 0.3
beta = 0.7

final_img = cv2.addWeighted(img1, alpha, img2, beta, 0.0)

cv2.imshow("final_img", final_img)
cv2.waitKey(0)

2-2.改变图像的对比度和亮度

对比度：最大像素强度和最小像素强度之差
亮度：指图像亮或暗的程度。通过给所有像素加上一个常数可以让图像变得更亮

import cv2
import numpy as np

img = cv2.imread("img_path")

new_img = np.zeros(img.shape, img.dtype)

constract = 3.0 # 对比度为3
bright = 2 # 亮度为2

for y in range(img.shape[0]): # 循环图像宽度
    for x in range(img.shape[1]): # 循环图像高度
        for c in range(img.shape[2]): # 循环图像通道
            new_img[y, x, c] = np.clip(constract * img[y, x, c] + bright, 0, 255) # 限制具体图像的取值，范围限制为0~255，也就是每个通道的像素值

cv2.imshow("img", img)
cv2.imshow("new_img", new_img)
cv2.waitKey(0)

（特定像素值 * 对比度） + 亮度

2-3.往图像中添加文字

1	cv2.putText()

接受参数：

要添加文字的图像
要添加的文字
文字在图像上的位置
字体类型，支持以下的字体：
- FONT_HERSHEY_SIMPLEX
- FONT_HERSHEY_PLAIN
- FONT_HERSHEY_DUPLEX
- FONT_HERSHEY_COMPLEX
- FONT_HERSHEY_TRIPLEX
- FONT_HERSHEY_COMPLEX_SMALL
- FONT_HERSHEY_SCRIPT_SIMPLEX
- FONT_HERSHEY_SCRIPT_COMPLEX
字体大小
字体颜色
字体粗细
使用的线型
- FILLED：完全填充线
- LINE_4：四连通线
- LINE_8：八连通线
- LINE_AA：防锯齿线

import cv2
import numpy as np

img = cv2.imread("img_path")

cv2.putText(new_img, "This is a picture", (230, 50), cv2.FONT_HERSHEY_SIMPLEX, 0.8, (0, 255, 0), 2, cv2.LINE_AA)

cv2.imshow("img", img)
cv2.waitKey(0)

cv2.putText()不能在图像中添加中文，需要使用PIL

import cv2
import numpy as np

img = cv2.imread("img_path")

if isinstance(img1, np.ndarray):
    imgPIL = Image.fromarray(cv2.cvtColor(img, cv2.COLOR_BGR2RGB))

drawPIL = ImageDraw.Draw(imgPIL)
font = ImageFont.truetype("font/simsun.ttc", size=40, encoding="utf-8")
drawPIL.text((50, 20), "这是一张图片", (255, 255, 255), font=font)
imgPutText = cv2.cvtColor(np.asanyarray(imgPIL), cv2.COLOR_RGB2BGR)

cv2.imshow("imgPutText", imgPutText)
cv2.waitKey(0)

2-4.平滑图像

均值滤波器（cv2.blur()）
中值滤波器（cv2.medianBlur()）
高斯滤波器（cv2.GaussianBlur()）
双边滤波器（cv2.bilateralFilter()）

1）均值滤波器

import cv2
import numpy as np

img = cv2.imread("img_path")

img_mean = cv2.blur(img1, (5, 5))
cv2.imshow("img_mean", img_mean)
cv2.waitKey(0)

2）中值滤波器

是基本的图像平滑滤波器之一，是一种非线性滤波器，通过求临近像素的中位数来消除图像中的黑色噪音。

import cv2
import numpy as np

img = cv2.imread("img_path")

img_median = cv2.medianBlur(img1, 5)

cv2.imshow("img_median", img_median)
cv2.waitKey(0)

3）高斯滤波器

import cv2
import numpy as np

img = cv2.imread("img_path")

img_gaussian = cv2.GaussianBlur(img1, (5, 5), 0)

cv2.imshow("img_gaussian", img_gaussian)
cv2.waitKey(0)

4）双边滤波器

import cv2
import numpy as np

img = cv2.imread("img_path")

img_bilateral = cv2.bilateralFilter(img1, 9, 75, 75)

cv2.imshow("img_bilateral", img_bilateral)
cv2.waitKey(0)

2-5.改变图像的形状

侵蚀：物理边界的像素减少
扩张：物体边界的像素增加

定义邻域核（neighborhood kernel），有如下三种定义方式：

MORPH_RECT：创建矩形核
MORPH_CROSS：创建十字形核
MORPH_ELLIPSE：创建椭圆形核

1）侵蚀操作作用核内的最小值产生一个新的像素

以下使用一个3x1的矩阵来发现每一行的最小值。

对于第一个元素来说，计算从前一个单元开始，因为左边的单元没有值，所以当它然是空白的，这种做法称为填充（padding）。所以第一个最小值在空白、141和157之间产生。结果141最小，所以右边矩阵的第一个元素是141.

然后，核向右平移，现在要考虑的单元是141、157和65，这次的最小值是65，所以新矩阵的第二个元素是65。

第三次的时候，核要比较157、65和空白，因为没有第三单元，所以最小值是65，也就是新矩阵的最后一个元素的值。

对于每个单元执行这种操作，就会得到右边的矩阵。

2）扩张操作作用核内的最大值产生一个新的像素

与侵蚀操作类似，只是取最大值


- 侵蚀或扩张类型
- 核的大小
- 使用核的起始点



```python
import cv2
import numpy as np

img = cv2.imread("img_path")

1 = 0
s2 = 10
s3 = 10

t1 = cv2.MORPH_RECT
t2 = cv2.MORPH_CROSS
t3 = cv2.MORPH_ELLIPSE


temp1 = cv2.getStructuringElement(t1, (2 * s1 + 1, 2 * s1 + 1), (s1, s1))
temp2 = cv2.getStructuringElement(t2, (2 * s2 + 1, 2 * s2 + 1), (s2, s2))
temp3 = cv2.getStructuringElement(t3, (2 * s3 + 1, 2 * s3 + 1), (s3, s3))

final1 = cv2.erode(img1, temp1)
final2 = cv2.erode(img1, temp2)
final3 = cv2.erode(img1, temp3)

cv2.imshow("final1", final1)
cv2.imshow("final2", final2)
cv2.imshow("final3", final3)
cv2.waitKey(0)

import cv2
import numpy as np

img = cv2.imread("img_path")
d1 = 0
d2 = 10
d3 = 20

t1 = cv2.MORPH_RECT
t2 = cv2.MORPH_CROSS
t3 = cv2.MORPH_ELLIPSE


temp1 = cv2.getStructuringElement(t1, (2 * d1 + 1, 2 * d1 + 1), (d1, d1))
temp2 = cv2.getStructuringElement(t2, (2 * d2 + 1, 2 * d2 + 1), (d2, d2))
temp3 = cv2.getStructuringElement(t3, (2 * d3 + 1, 2 * d3 + 1), (d3, d3))

final1 = cv2.dilate(img1, temp1)
final2 = cv2.dilate(img1, temp2)
final3 = cv2.dilate(img1, temp3)

cv2.imshow("final1", final1)
cv2.imshow("final2", final2)
cv2.imshow("final3", final3)
cv2.waitKey(0)

2-6.实施图像阈值化

阈限化（thresholding）处理的主要原因是要做图像分割。

可以通过移除背景将物体从图像中提取出来。为此，需要先将图像转换成灰度格式，然后转换成二值格式——只有黑色与白色的图像。

提供一个参考像素值，然后将所有值大于或小于它的像素转换成黑色或白色。有如下五种阈限化：

二值：如果像素值大于参考像素值（阈值），就转换成白色（255），否则转换成黑色（0）
反向二值：如果像素值大于参考像素值（阈值），就转换成黑色（0），否则转换成白色（255）。刚好与普通二值型相反
截断：如果像素值大于惨开像素值（阈值），就转换成阈值，否则保持不变。
阈限到零：如果像素值大于参考像素值（阈值），则保持不变；否则转换成黑色（0）。
反向阈值到零：如果像素值大于参考像素值（阈值），就转换成黑色（0），否则保持不变。

使用cv2.threshold()函数做图像阈限化，参数如下：

要转换的图像
阈值
最大像素值
阈限化类型

import cv2
import numpy as np

img = cv2.imread("img_path")

# 设置阈值类型
# 0 - Binary
# 1 - Binary Inverted
# 2 - Truncated
# 3 - Threshold To Zero
# 4 - Threshold To Zero Inverted

_, img0 = cv2.threshold(img, 50, 255, 0)
_, img1 = cv2.threshold(img, 50, 255, 1)
_, img2 = cv2.threshold(img, 50, 255, 2)
_, img3 = cv2.threshold(img, 50, 255, 3)
_, img4 = cv2.threshold(img, 50, 255, 4)

cv2.imshow("img0", img0)
cv2.imshow("img1", img1)
cv2.imshow("img2", img2)
cv2.imshow("img3", img3)
cv2.imshow("img4", img4)
cv2.waitKey(0)

2-7.计算梯度

使用索伯导数（Sobel derivative）做边缘检测。

边有两种方向：垂直方向和水平方向。针对这种算法，只有空间频率非常高的区域才算边。一个区域的空间频率是指这个区域内的细节丰富内容。


- 输入图像

- 输入图像的深度

  图像的深度越大，错过任一边界的概率就约低。可以根据需求试验下列所有参数，看看他们是否把边检测出来。

  深度可以是以下类型：

  - -1（与原始图像的深度相同）
  - cv2.CV_16S
  - cv2.CV_32F
  - cv2.CV_64F

- x的求导顺序

- y的求导顺序

- 核的大小

- 用于求导的缩放系数

- 作为标量加到公式中的差值

- 用于外推像素的边界类型

```python
import cv2
import numpy as np

img = cv2.imread("img_path")

cv2.GaussianBlur(img, (3, 3), 0)

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

grad_x = cv2.Sobel(gray, cv2.CV_16S, 1, 0, ksize=3, scale=1, delta = 0, borderType=cv2.BORDER_DEFAULT)
grad_y = cv2.Sobel(gray, cv2.CV_16S, 0, 1, ksize=3, scale=1, delta = 0, borderType=cv2.BORDER_DEFAULT)
abs_grad_x = cv2.convertScaleAbs(grad_x)
abs_grad_y = cv2.convertScaleAbs(grad_y)

grad = cv2.addWeighted(abs_grad_x, 0.5, abs_grad_y, 0.5, 0)

cv2.imshow("grad", grad)

cv2.waitKey(0)

2-8.执行直方图均衡

直方图均衡用于调整图像的对比度。

我们首先画出像素强度分布的直方图，然后修改。

每张图像都关联一个累计概率函数。

直方图均衡使得这个函数具有线性趋势。

使用灰度图做直方图均衡

cv2.equalizeHist()

import cv2
import numpy as np

img = cv2.imread("img_path")

img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
img_eqlzd = cv2.equalizeHist(img)

cv2.imshow("img", img)
cv2.imshow("img_eqlzd", img_eqlzd)
cv2.waitKey(0)

最后更新： 2026年09月10日 11:10

wsw's Blog

人生路远,怎能不给自己找点乐子呢