opencv-python图像处理常用方法整理（一）

封面图片由Pexels在Pixabay上发布，本人添加了 OpenCV 的 Logo 融合而成

在完成毕业设计后我再也没有碰过图像处理相关的东西，进入公司后也是作为前端开发学习和工作（于是乎才有了 Vue 的学习笔记），但是当我再开始做图像处理相关的事情时，我发现自己全然忘却了怎么调用函数，于是乎决定整理一份。

本人习惯import cv2 as cv，所以下面的调用均以 cv 为准，格式中 dst 为目标图像的 mat 对象，src 为原始图像的 mat 对象（就是用 imread 读进去的那个）

获取图片的尺寸#

print 一下 src.shape，可以发现结果为（高度，宽度，通道数），那么获取图片的高度和宽度可以使用以下语句实现：

src_height, src_width = src.shape[0:2]

图像缩放函数 resize ()#

常用函数格式：

dst = cv.resize(src, dsize)

其中 dsize 为类似于(int(source_width / 2), int(source_height / 2))形式的元组，代表了图片的放缩倍率，例子中是保持长宽比放缩了一半，参数可调。

图像颜色转换函数 cvtColor ()#

常用函数格式：

dst = cv.cvtColor(src, colorCode)

其中 colorCode 部分在库中有对应代码，例如cv.COLOR_RGB2GRAY这样子的。

该函数常用于灰度化等。

图像降噪常用方法高斯模糊 GaussianBlur ()#

常用函数格式：

dst = cv.GaussianBlur(src, ksize, sigmaX)

ksize 为卷积核的大小，只能为正奇数元组，例如 (3, 3)、(5, 5) 这样子，通俗来讲就是邻域大小，对某个像素点周围多少像素在内的区域做处理，ksize 越大得到的越模糊。

sigmaX 实际上是σX，指的是在图像 X 向的标准差，为必要参数，如果未指定σY，则根据 X 的来设定

图像二值化函数 threshold ()#

常用函数格式：

dst = cv.threshold(src, thresh, maxval, type)

其中 thresh 为阈值，maxval 为被设置的最大值，仅当 type 为cv.THRESH_BINARY或cv.THRESH_BINARY_INV时生效

type 为二值化方法，在库中有对应值，如下所示：

cv.THRESH_BINARY：当前点大于 thresh 时设置为 maxval 的值，否则为 0。

cv.THRESH_BINARY_INV：当前点值大于阈值时，设置为 0，否则设置为 Maxval

THRESH_TRUNC：当前点值大于阈值时，设置为阈值，否则不改变

THRESH_TOZERO：当前点值大于阈值时，不改变，否则设置为 0

THRESH_TOZERO_INV：当前点值大于阈值时，设置为 0，否则不改变

Canny 算子边缘检测 Canny ()#

常用函数格式：

dst = cv.Canny(src, thresh1, thresh2)

其中，像素值低于 thresh1 的会认为不是边缘，像素值高于 thresh2 的会认为是边缘，像素值为两个阈值之间的像素点若与被认为是边缘的像素点相邻，则也被认为是边缘。

轮廓检测 findContours () 与轮廓绘制 drawContours ()#

常用函数格式：

contours, hierarchy = cv.findContours(src, mode, method)
dst = cv.drawContours(src, contours, contoursIdx, color, thickness)

在 findContours 中，mode 为轮廓检索方式，例如cv.RETR_TREE可以完全建立轮廓层级关系，method 为轮廓表示方式，例如cv.CHAIN_APPROX_SIMPLE就是以尽量少的像素点表示轮廓。

在 drawContours 中，contours 就是上一步检测出的轮廓，contoursIdx 指绘制的轮廓编号，若为 - 1 则是绘制所有的轮廓，color 指颜色，可以用类似 (255, 0, 0) 这样的格式表示一个 RGB 颜色，thickness 指轮廓线的宽度，是一个非必须参数。

通常来讲对边缘检测之后的图进行轮廓检测，得到的轮廓效果一般很好。

霍夫变换 HoughLines ()#

常用函数格式：

lines = cv.HoughLines(src, rho, theta,thresh)

输出为一组检测到的直线，rho 为以像素为单位的距离精度，theta 为以弧度为单位的角度精度，这里使用了极坐标来表示直线，thresh 为阈值。在实际使用时若无特殊情况则一般为 1, np.pi/ 180, 0

该函数用于直线检测，应用场景为求角度进行旋正，例如以下代码用于旋转直线斜率对应的角度：

lines = cv.HoughLines(img_canny, 1, np.pi / 180, 0)
for rho, theta in lines[0]:
    a = np.cos(theta)
    b = np.sin(theta)
    x0 = a * rho
    y0 = b * rho
    x1 = int(x0 + 1000 * (-b))
    y1 = int(y0 + 1000 * a)
    x2 = int(x0 - 1000 * (-b))
    y2 = int(y0 - 1000 * a)
    if x1 == x2 or y1 == y2:
        continue
    t = float(y2 - y1) / (x2 - x1)
    rotate_angle = math.degrees(math.atan(t))
    img_result = ndimage.rotate(img_resize, rotate_angle)