读取




```python
import cv2
import numpy as np 
img = cv2.imdecode(np.fromfile("./人物-1.jpg", dtype=np.uint8), 1) # img是矩阵
```

写入：

```python
import cv2
cv2.imencode('.jpg', img)[1].tofile(os.path.join(self.keyword, self.keyword + str(count) + ".jpg"))
```

Python cv2.imread 无法打开中文路径的图像

![在这里插入图片描述](/static/img/images/00362.png)





1 调程序中的127可以提取多少颜色，有时候有毛边；

2 png是带透明度的图，有颜色的部分设置透明度255就是完全不透明，原来白色的部分设置透明度0就是完全透明；

```python
import cv2
import numpy as np
inputimg = 'minio.png'
thresh=180
img1 = cv2.imread(inputimg, 0)
ret, thresh1 = cv2.threshold(img1, 127, 255, cv2.THRESH_BINARY)
img = cv2.imread(inputimg)
b, g, r = cv2.split(img)
b[thresh1 > thresh] = 0
g[thresh1 > thresh] = 0
r[thresh1 > thresh] = 0
alpha_channel = np.zeros(b.shape, dtype=b.dtype)
alpha_channel[thresh1 < thresh] = 255
img = cv2.merge([b, g, r, alpha_channel])
cv2.imwrite("res.png", img)
```

opencv python jpg 转 png 提取icon 提取jpg中有颜色部分

python安装opencv：





> pip install opencv-python

提取视频帧 视频转图片：
```python
import os
mp4file = 'input.mp4'
savefile = "./output"
if not os.path.exists(savefile):
    os.mkdir(savefile)
import cv2
cap = cv2.VideoCapture(mp4file)
fourcc = cv2.VideoWriter_fourcc(*'XVID')
fps = cap.get(cv2.CAP_PROP_FPS)
size = (int(cap.get(cv2.CAP_PROP_FRAME_WIDTH)), int(cap.get(cv2.CAP_PROP_FRAME_HEIGHT)))
print(fps)
print(size)
i = 0
while (cap.isOpened()):
    i = i + 1
    ret, frame = cap.read()
    if ret == True:
        cv2.imwrite(savefile + '/' + str(i) + '.jpg', frame)
        if cv2.waitKey(1) & 0xFF == ord('q'):
            break
    else:
        break
print(i)
cap.release()
cv2.destroyAllWindows()
```

图片转视频：

```python
import os
mp4file = 'out.mp4'
savefile = "./output"
if not os.path.exists(savefile):
    os.mkdir(savefile)
import cv2
fourcc = cv2.VideoWriter_fourcc(*'XVID')
fps = 30
size =(720, 1280)
videoWriter = cv2.VideoWriter(mp4file, fourcc, fps, size)  # 最后一个是保存图片的尺寸
for i in range(1, 1402):
    frame = cv2.imread(savefile + '/' + str(i) + '.jpg')
    videoWriter.write(frame)
videoWriter.release()
```


合成，一定得注意尺寸的大小。

```python
# coding=utf-8
import os
import cv2
from PIL import Image
def makevideo(path, fps):
    """ 将图片合成视频. path: 视频路径，fps: 帧率 """
    fourcc = cv2.VideoWriter_fourcc(*"mp4v")
    path1 = r'D:\yifei111\PycharmProjects\python_test\jigan_res4'
    im = Image.open(r'D:\yifei111\PycharmProjects\python_test\jigan1\251.jpg')
    print(im.size)
    vw = cv2.VideoWriter(path, fourcc, fps, im.size)
    for i in os.listdir(path1):
        frame = cv2.imread(path1 + '\\' + i)
        frame = frame[200:649, :]
        frame = cv2.resize(frame, im.size)
        vw.write(frame)
if __name__ == '__main__':
    video_path = r'D:\yifei111\PycharmProjects\python_test\DST_test_new4.mp4'
    makevideo(video_path, 30)  # 图片转视频
```

python opencv 提取视频帧 视频转图片 图片转视频

[https://www.cnblogs.com/skyfsm/p/7411961.html](https://www.cnblogs.com/skyfsm/p/7411961.html)





看到个有意思的，记录一下。

![在这里插入图片描述](/static/img/images/00558.png)

![在这里插入图片描述](/static/img/images/00559.png)

【图像处理】 OpenCV 图像拼接和图像融合技术

导读





1 直方图介绍

2 图像直方图均衡化

3 比较不同图像的直方图的相似度

4 直方图反向投影

 **- [ ] 1、直方图介绍**

> opencv采用hist = cv.calcHist([image], [i], None, [256], [0, 256])计算直方图

> def calcHist(images, channels, mask, histSize, ranges, hist=None, accumulate=None)

灰度直方图是灰度级的函数，描述的是图像中具有该灰度级的像元的个数。


![在这里插入图片描述](/static/img/images/02768.png)
```
import cv2 as cv
import numpy as np
from matplotlib import pyplot as plt
# 将传入图像变成灰度图
# 对于每一级别的灰度，0到255
# 统计图里占有多少像素点
# 比如灰度14占有123个像素点
# 返回np矩阵，表示0到255灰度占有的像素点个数
def custom_hist(image):
    gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
    h, w = gray.shape
    hist = np.zeros([256], dtype=np.int32)
    for row in range(h):
        for col in range(w):
            pv = gray[row, col]
            hist[pv] += 1
    return np.array(hist)
# 将传入图像变成灰度图
# 调用cv.calcHist方法计算，和第一个函数一样的结果
def image_Cvt_and_Gray_hist(image):
    gray_img = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
    hist = cv.calcHist([gray_img], [0], None, [256], [0, 256])
    return np.array(hist)
# 将传入图像的三个通道调用cv.calcHist方法分别计算直方图
# 返回三个通道的直方图信息
def image_hist(image):
    color = ('blue', 'green', 'red')
    all_hist=[]
    for i, color in enumerate(color):
        hist = cv.calcHist([image], [i], None, [256], [0, 256])
        all_hist.append(hist)
    return np.array(all_hist)
# 读取图像
src = cv.imread("D:/vcprojects/images/flower.png")
# 调用三个不一样的函数得到直方图
hist1=custom_hist(src)
hist2=image_Cvt_and_Gray_hist(src)
hist3=image_hist(src)
# 改变shape 使得好画图用
# hist2=hist2.reshape((256,))
hist2=hist2.flatten()
hist3=hist3.reshape((3,256,))
print(hist1.shape)
print(hist2.shape)
print(hist3[0].shape)
# 画图
plt.subplot(231)
plt.bar(range(256),hist1)
plt.title("self gray hist")
plt.subplot(232)
plt.bar(range(256),hist2)
plt.title("opencv gray calc")
plt.subplot(233)
plt.plot(range(256),hist2)
plt.title("opencv gray calc plot")
plt.subplot(234)
plt.plot(range(256),hist3[0],'b')
plt.title("opencv blue ch plot")
plt.subplot(235)
plt.plot(range(256),hist3[1],'g')
plt.title("opencv green ch plot")
plt.subplot(236)
plt.plot(range(256),hist3[2],'r')
plt.title("opencv red ch plot")
plt.show()
```

结果：

![一张彩色图的灰度图的直方图和三个通道的直方图](/static/img/images/02769.png)

 **- [ ] 2、直方图均衡化**

 直方图表达出图像明暗比，直方图均衡化能够调节图像的对比度，让图像视觉效果更好。

 接下来我们需要做出下面这图这效果。

![别人博客的](/static/img/images/02770.png)

首先搞一张低对比度的图：

![在这里插入图片描述](/static/img/images/02771.jpeg)



> opencv使用    equalizeHist_img = cv.equalizeHist(gray_img)  进行图像直方图均衡化

转化后的图形：

![在这里插入图片描述](/static/img/images/02772.jpeg)

两者的直方图对比：

![在这里插入图片描述](/static/img/images/02773.png)

经过图像直方图均衡化后，图像对比度明显增强，直方图的区域也分散开了。

代码

```
import cv2 as cv
import numpy as np
from matplotlib import pyplot as plt
# 调用cv.calcHist方法计算，和第一个函数一样的结果
def Gray_hist(image):
    hist = cv.calcHist([image], [0], None, [256], [0, 256])
    return np.array(hist)
# 读取图像
src = cv.imread("test1.jpg")
gray_img = cv.cvtColor(src, cv.COLOR_BGR2GRAY)
cv.imshow("gray_img",gray_img)
# 画出原图的灰度图的直方图
hist1=Gray_hist(gray_img)
hist1=hist1.flatten()
plt.subplot(211)
plt.bar(range(256),hist1)
plt.title("gray_img hist")
equalizeHist_img = cv.equalizeHist(gray_img)
cv.imshow("equalizeHist_img",equalizeHist_img)
cv.imwrite("test2.jpg",equalizeHist_img)
hist2=Gray_hist(equalizeHist_img)
hist2=hist2.flatten()
plt.subplot(212)
plt.bar(range(256),hist2)
plt.title("equalizeHist_img hist")
duibi1 = cv.compareHist(hist1, hist2, cv.HISTCMP_CORREL)
print("HISTCMP_CORREL",duibi1)
duibi1 = cv.compareHist(hist1, hist2, cv.HISTCMP_CHISQR)
print("HISTCMP_CHISQR",duibi1)
duibi1 = cv.compareHist(hist1, hist2, cv.HISTCMP_INTERSECT)
print("HISTCMP_INTERSECT",duibi1)
duibi1 = cv.compareHist(hist1, hist2, cv.HISTCMP_BHATTACHARYYA)
print("HISTCMP_BHATTACHARYYA",duibi1)
plt.show()
cv.waitKey(0)
cv.destroyAllWindows()
```

 - [ ] 3、比较不同图像的直方图的相似度

官网介绍：https://docs.opencv.org/2.4/modules/imgproc/doc/histograms.html?highlight=cv.comparehist#cv.CompareHist

一共这么几种度量方式：

![在这里插入图片描述](/static/img/images/02774.png)

![在这里插入图片描述](/static/img/images/02775.png)

实验用的图的结果：

    HISTCMP_CORREL -0.003136853862261312

    HISTCMP_CHISQR 49340294.64136557

    HISTCMP_INTERSECT 57006.0

    HISTCMP_BHATTACHARYYA 0.9067574525038417

 - [ ] 4、直方图方向投影

官网解释：https://docs.opencv.org/2.4/doc/tutorials/imgproc/histograms/back_projection/back_projection.html

通俗理解：

我有一个ROI图，这图的HSV中的色调（H），饱和度（S）我比较感兴趣，HSV是针对人的视觉效果来设计的，求出这个ROI的H和S的histogram分布。

我现在有另一张图target，我使用得到的histogram分布去搞这个图，target图里面每个像素点的H和S我都依照得到的histogram分布去改变，改变得最后结果是：有相似H和S的部分会被“显形”（针对人眼视觉），target图中不是一个风格的就不会“显形”。

如果我的target图是这个：

![在这里插入图片描述](/static/img/images/02776.jpeg)

下面我采用不同的ROI去计算反向投影：

![在这里插入图片描述](/static/img/images/02777.png)

![在这里插入图片描述](/static/img/images/02778.png)

画出由H和S的histogram的图。下面这图是ROI卡车那个图和我们target图的。

![在这里插入图片描述](/static/img/images/02779.png)

下图是第一个小狗ROI和target的：

![在这里插入图片描述](/static/img/images/02780.png)

差不多就可以得出结论：

从ROI的H和S，那种色调和饱和度给人的感觉，去找到target的相似的区域显示出来。

这个东西很鸡肋，不能用于识别啥，玩一下就行了。

OpenCV python 图像直方图均衡化 calcBackProject反向投影

我是一个专注技术分享的博主,尤其爱搞深度学习和单片机电子。你现在看到的是我的个人博客网站。