机器视觉学习笔记
一. 数字图像处理基础
1.1 图像的读取、显示和保存
1.1.1 读取图像
retval = cv2.imread(filename[, flags])
1.1.2 显示图像
创建窗口
cv2.namedWindow("window_name")
显示图像
cv2.imshow("window_name", image)
等待按键
cv2.waitKey([delay])
#delay为0时代表永久等待，单位为ms
释放窗口
cv2. destroyAllWindows()
1.1.3 保存图像
cv2.imwrite(filename, img[, params])
1.2 图像通道处理
1.2.1 拆分图像通道
b,g,r = cv2.split(img)
1.2.2 合并图像通道
imagebgr = cv2.merge([b,g,r])
1.3 图像属性获取
1.3.1 shape属性
img.shape
表示图像的大小。

如果是彩色图像，则返回包含行数、列数和通道数的数组；

如果是二值图像或灰度图像，则返回包含行数和列数的数组。

1.3.2 size属性
img.size
返回像素数

1.3.3 dtype属性
img.dtype
返回数据类型

1.4 numpy基础
产生随机彩色图

img = np.random.randint(0,256,size=[256,256,3],dtype=np.uint8)
1.5 图像色彩空间转换
img = cv2.cvtColor(src, code [, dstCn])
​
eg.
img2 = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
src：源图像
code：色彩空间转换码

gray：八位灰度图

ycbcr：带有亮度信息的颜色模型

hsv：从心理学角度提出的颜色模型

dstCn：目标图像的通道数
1.6 图像基本运算
1.6.1 加法运算与图像融合
+ 像素值>255时取模。
cv2.add() 方法

像素值>255时取255
图像融合
cv2.addWeighter(scr1, alpha, src2, beta, gamma)
方法效果为：src1 * alpha + src2 * beta + gamma

1.6.2 减法运算与差影法
-

像素值小于0时取模加一
cb2.subtract() 方法

像素值小于0时取零
1.6.3 乘法运算与掩膜操作
dot()
cv2.mutiply()
掩膜操作

需要保留下来的区域，掩膜图像的值置为1
需要被抑制掉的区域，掩膜图像的值置为0
1.6.4 除法运算
cv2.divide()
调节亮度

图像与小于1的常数相除可以增强亮度；
图像与大于1的常数相除可以减弱图像的亮度;
目标位置确定

c=a/b

1.6.5 逻辑运算
与运算
dst = cv2.bitwise_and(src1,src2[,mask])
或运算
dst = cv2.bitwise_or(src1,src2[,mask])
非运算
dst = cv2.bitwise_not(src[,mask])
异或运算
dst = cv2.bitwise_and(src1,src2[,mask])