【opencv系列02】OpenCV4.X图像读取与显示

一、读取图片

opencv中采用imread() 函数读取图像

imread(filename, flags=None)
    filename 图片的路径
    flags 图像读取方式

• cv2.IMREAD_COLOR : 加载彩色图像， 图像的任何透明度都将被忽略(默认)。
• cv2.IMREAD_GRAYSCALE : 以灰度模式加载图像。
• cv2.IMREAD_UNCHANGED : 加载包含Alpha通道的图像。
  也可以使用1, 0 or -1代替，源码中，IMREAD_COLOR = 1，IMREAD_GRAYSCALE = 0，IMREAD_UNCHANGED = -1。

NOTE：

1. 图像数据以B,G,R的顺序存储。
2. 读取的图像像素值范围：【0，255】。
3. 图片路径错误时，程序不报错，返回值为None，显示操作时会报：error: (-215:Assertion failed) size.width>0 && size.height>0 in function 'cv::imshow'。
4. 图片路径中不能包含中文，否则报同2一样的错误。

代码

import cv2
img = cv2.imread('test.jpg',1)

二、显示图片

使用imshow()函数进行图像显示。
imshow(winname, mat)
    winname 显示窗口的名字
    mat 要显示的图像数据
这里需要使用一些辅助函数，首先，在显示图像前和显示后，需要创建和销毁窗口，分别使用函数namedWindow()和destroyAllWindows()
namedWindow(winname, flags=None)
    winname显示窗口的名字
    flags显示窗口的标志

• cv2.WINDOW_AUTOSIZE : 根据显示图像自动调整窗口，不能手动更改窗口大小(默认) 。
• cv2.WINDOW_NORMAL : 可以调整窗口大小。

destroyAllWindows() 销毁创建的所有窗口。

其次，需要使用一个等待键盘输入的函数waitKey()以保证窗口处于显示状态，否则窗口会一闪而过。
waitKey(delay=None)
    delay以毫秒为单位延迟， 0是指“永远”的特殊值。

NOTE：

1. 显示失败，可通过print(mat)判断显示的图像数据是否为None。
2. 窗口名winname相同时，窗口只会显示最新新图像。

代码

cv2.namedWindow('image', cv2.WINDOW_NORMAL) # 可省略
cv2.imshow("image",img)
cv2.waitKey(0)
cv2.destroyAllWindows()

三、保存图片

图片保存通过imwrite()函数完成。
imwrite(filename, img, params=None)
    filename 保存的图像名称
    img 保存的图像数据
    params 对于JPEG，其表示的是图像的质量，用0 - 100的整数表示，默认95;对于png ,第 三个参数表示的是压缩级别。默认为3。

代码

cv2.imwrite('test.jpg', img)

四、应用

1. 显示保存图片

加载一幅灰度图像，显示它，如果按's'则保存图像并退出，如果按ESC键直接退出。

代码

import cv2

img = cv2.imread('landscape.jpg', 0)
cv2.imshow('image', img)
k = cv2.waitKey(0)
if k == 27:         # wait for ESC key to exit
    cv2.destroyAllWindows()
elif k == ord('s'): # wait for 's' key to save and exit
    cv2.imwrite('gray.png', img)
    cv2.destroyAllWindows()

2. 使用Matplotlib

Matplotlib是python的一个绘图库，提供了大量的图形绘制API。下面，通过Matplotlib展示opencv读取的图像、放大图像和保存图像。

代码

import cv2
from matplotlib import pyplot as plt

img = cv2.imread('landscape.jpg', 0)
plt.imshow(img, cmap = 'gray', interpolation = 'bicubic')
plt.xticks([]), plt.yticks([])  # to hide tick values on X and Y axis
plt.show()