系列文章目录
文章目录
前言
一、重点掌握
填空（15个题），判断（10个题），简答（1个题）共60分。
第一章 OpenCV起步
- 安装Numpy命令是pip install Numpy。
第二章 图像处理基础
- 在Python程序中，OpenCV使用NumPy数组来存储图像。 OpenCV默认的图像格式为BGR，即3通道图像数组的3个维度依次为B（蓝色）、G（绿色）和R（红色）通道的像素。
- 使用zeros()函数创建数组，数组元素默认值是0。
- img.shape的输出结果为（512，512，3），说明表示彩色图像的一个三维数组，3个值依次表示图像的高度、宽度和通道数；图像的分辨率为512x512。
- OpenCV播放视频的实质是逐帧读取和显示图像。 通常，计算机将灰度处理为256级，0表示黑色，255表示白色。
cv2.split()函数用于拆分通道。
第三章 图形用户界面
- 绘制矩形的函数是cv2.rectangle() ，绘制圆的函数是cv2.circle()。
- 绘制椭圆的函数是cv2.ellipse()。
- 绘制文本的函数是cv2.putText()。
第四章 图像变换
- cv2.COLOR_BGR2RGB:将BGR色彩空间转换为RGB色彩空间。
- GRAY色彩空间通常指8位灰度图像，其颜色取值范围是**[0,256]** 。
- YCrCb色彩空间用亮度Y、红色Cr和蓝色Cb表示图像。
- 图像翻转函数是cv2.flip()。
- HSV色彩空间使用色调、饱和度和亮度表示图像。
- 仿射变换包含了平移、旋转、缩放等操作。
- 图像模糊主要目的是消除图像噪声和边缘。
- 均值滤波是指以当前点为中心，用其周围N x N个点像素值的平均值代替当前点的像素值。
- 中值滤波是取中间值作为邻域中心点的像素值。
- 开运算先将图像执行腐蚀操作，再对腐蚀结果执行膨胀操作。
第五章 边缘和轮廓
- 图像的边缘是指图像中灰度值发生急剧变化的位置，边缘检测的目的是为了绘制出边缘线条。
- 边缘检测的结果通常为黑白图像，图像中的白色线条表示边缘。
第六章 直方图
- 直方图横坐标表示图像像素的灰度级，纵坐标表示像素灰度级的数量。
- 二维直方图统计像素的色相和饱和度，用于查找图像的颜色直方图。
第七章 模版匹配和图像分割
- 模板匹配是指在当前图像中查找与目标图像相近的部分。图像分割是指将前景对象从图像中分割或提取出来。
- 单目标匹配是指输入图像中只存在一个可能匹配结果。
第八章 特征检测
- ORB特征检测以FAST特征检测器和BRIEF描述符为基础进行了改进，以获得更好的特征检测性能。
FAST特征检测器主要根据像素周围16个像素的强度和阈值参数来判断像素是否为关键点。
二、编程题
两个编程题，共40分。
第二章习题
```python#习题2-1.py：创建一幅大小为240×320的图像，图像中心是一个大小为100×100的红色正方形，周围是黑色import cv2import numpyimg = numpy.zeros((240,320,3),dtype=numpy.uint8) #创建黑色背景img[70:170,110:210,2]=255 #创建红色区域（100*100）cv2.imshow('xiti2-1',img)cv2.waitKey(0)#习题2-2.py：选择一幅彩色图像，完成下列操作：#（1）将图像转换为灰度图像显示。#（2）将图像尺寸减小为原来的1/2显示。import cv2img=cv2.imread('lena.jpg',cv2.IMREAD_GRAYSCALE)#（1）将彩色图像转换为灰度图像cv2.imshow('GRASCALE',img)img=cv2.imread('lena.jpg',cv2.IMREAD_REDUCED_COLOR_2)#(2)将图像尺寸缩小为原来的1/2cv2.imshow('COLOR_2',img)cv2.waitKey(0)cv2.waitKey(0)#习题2-3.py：选择一幅彩色图像，通过像素更改，在图像中显示一个大小为80×100的黑色正方形。import cv2img=cv2.imread('lena.jpg')h,w,s=img.shape #得到原图的高宽通道h1=int(h/2) #获取原图高度的一半，并且强制转换为intw1=int(w/2)img[h1-40:h1+40,w1-50:w1+50,:]=0 #也可以直接通过像素区域打码 在img中 img[::]=255cv2.imshow('xiugai',img)cv2.waitKey(0)#习题2-4.py：选择一幅彩色图像，分别显示其B、G、R通道图像。import cv2img = cv2.imread('lena.jpg')cv2.imshow('lena',img)b,g,r=cv2.split(img)#重点cv2.imshow('lena-b',b)cv2.imshow('lena-g',g)cv2.imshow('lena-r',r)cv2.waitKey(0)#习题2-5.py：选择一幅彩色图像，用NumPy数组创建掩模，在图像中心取出大小为80×120的图像。import cv2import numpysrc1 = cv2.imread('lena.jpg')h,w,s=src1.shapeimg = numpy.zeros((h,w,s),dtype=numpy.uint8) #创建黑色背景h1=int(h/2)w1=int(w/2)img[h1-40:h1+40,w1-60:w1+60,:]=255img2=cv2.bitwise_and(src1,img) #题目要求是用Numpy数组创建掩膜的方式打码 img[10:90,20:120,:]=255cv2.imshow('yanmo',img2)cv2.waitKey(0)第五章习题
#习题5-1 选择一幅图像，对其执行Laplacian边缘检测import cv2img = cv2.imread('bee.jpg')cv2.imshow('original',img)#Laplacian边缘检测img2 = cv2.Laplacian(img,cv2.CV_8U,ksize=1)cv2.imshow('L',img2)cv2.waitKey(0)#习题5-2 选择一幅图像，对其执行Sobel边缘检测import cv2img = cv2.imread('bee.jpg')cv2.imshow('original',img)#Sobel边缘检测img3 = cv2.Sobel(img,cv2.CV_8U,0,1) #0表示对x不求偏导，1表示对y偏导 dx>=0 && dy>=0 && dx+dy>0cv2.imshow('C',img3)cv2.waitKey(0)#习题5-3 选择一幅图像，对其执行Canny边缘检测import cv2img = cv2.imread('bee.jpg')cv2.imshow('original',img)#Canny边缘检测img4 = cv2.Canny(img,100,200,apertureSize=3)cv2.imshow('Canny',img4)cv2.waitKey(0)#test5-4.py：查找和绘制轮廓#先查找后绘制，前7行代码与查找轮廓代码一致import cv2import numpy as npimg=cv2.imread('shapes.jpg') #读取图像cv2.imshow('original',img) #显示原图像gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)#转化为灰度图像ret,img2=cv2.threshold(gray,125,255,cv2.THRESH_BINARY)#二值化阈值处理c,h=cv2.findContours(img2,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE) img3=np.zeros(img.shape, np.uint8)+255 #按原图大小创建一幅白色图像#image=cv2.drawContours(image,contours,contourIdx,color,thickness)#image:原图#contours为要绘制的轮廓img3=cv2.drawContours(img3,c,-1,(0,0,255),2) #绘制轮廓 -1表示绘制所有轮廓cv2.imshow('Contours',img3) #显示轮廓图像cv2.waitKey(0) #按任意键结束等待cv2.destroyAllWindows() #关闭所有窗口总结
来源地址：https://blog.csdn.net/xiaoren886/article/details/128365735
