pythoncv函数 python中cut函数

opencv-python 缺口识别

一、cv函数

1、imreadpythoncv函数：读取图片

    imread(image_path, flag):

         images_path:图片路径，找不到不报错

        flag:

            1/cv2.IMREAD_COLOR:彩色图片,图片透明性会被忽略,默认参数

            0/cv2.IMREAD_GRAYSCALE:灰色图片

            -1/cv2.IMREAD_UNCHANGED:包括其alpha通道

2、imwrite

    imwrite(img_path_name,img)

        img_path_name:保存pythoncv函数的文件名

        imgpythoncv函数：文件对象

3、cvtColor

    cvtColor(img,code)

        img: 图像对象

        code：

                cv2.COLOR_RGB2GRAY: RGB转换到灰度模式

                cv2.COLOR_RGB2HSV： RGB转换到HSV模式（hue,saturation,Value）

4、matchTemplate

        matchTemplate(img_path, bg_path, cv2.TM_CCOEFF_NORMED)

            img_path:对比图片

            bg_path：背景图片

            cv2.TM_CCOEFF_NORMED

```

# encoding=utf8

import cv2

import numpyas np

def show(name):

cv2.imshow('Show', name)

cv2.waitKey(0)

cv2.destroyAllWindows()

def main():

otemp ='./images/tb.png'

    oblk ='./images/bg.jpg'

    target = cv2.imread(otemp, 0)

template = cv2.imread(oblk, 0)# 读取到两个图片，进行灰值化处理

    w, h = target.shape[::-1]

aa = target.shape

print(aa)

print(w, h)

temp ='./images/temp.jpg'

    targ ='./images/targ.jpg'

    cv2.imwrite(temp, template)

cv2.imwrite(targ, target)# 处理后进行保存

    target = cv2.imread(targ)

target = cv2.cvtColor(target, cv2.COLOR_BGR2GRAY)# 转化到灰度

    target =abs(255 - target)# 返回绝对值

    cv2.imwrite(targ, target)# 重新写入

    target = cv2.imread(targ)

template = cv2.imread(temp)

result = cv2.matchTemplate(target, template, cv2.TM_CCOEFF_NORMED)# 进行匹配

    x, y = np.unravel_index(result.argmax(), result.shape)# 通过np转化为数值，就是坐标

    print(y, x)

# 展示圈出来的区域

    cv2.rectangle(template, (y, x), (y + w, x + h), (7, 249, 151), 2)

show(template)

return y, x

if __name__ =='__main__':

a, b = main()

```

相关问答

Q1: 2021-02-08 Python OpenCV GaussianBlur()函数

borderType= None)函数

此函数利用高斯滤波器平滑一张图像。该函数将源图像与指定的高斯核进行卷积。

src:输入图像

ksize:(核的宽度,核的高度)，输入高斯核的尺寸，核的宽高都必须是正奇数。否则，将会从参数sigma中计算得到。

dst:输出图像，尺寸与输入图像一致。

sigmaX:高斯核在X方向上的标准差。

sigmaY:高斯核在Y方向上的标准差。默认为None，如果sigmaY=0，则它将被设置为与sigmaX相等的值。如果这两者都为0,则它们的值会从ksize中计算得到。计算公式为：

borderType:像素外推法，默认为None（参考官方文档 BorderTypes

)

在图像处理中，高斯滤波主要有两种方式：

1.窗口滑动卷积

2.傅里叶变换

在此主要利用窗口滑动卷积。其中二维高斯函数公式为：

根据上述公式，生成一个3x3的高斯核，其中最重要的参数就是标准差 ，标准差 越大，核中心的值与周围的值差距越小，曲线越平滑。标准差 越小，核中心的值与周围的值差距越大，曲线越陡峭。

从图像的角度来说，高斯核的标准差 越大，平滑效果越不明显。高斯核的标准差 越小，平滑效果越明显。

可见，标准差 越大，图像平滑程度越大

参考博客1:关于GaussianBlur函数

参考博客2:关于高斯核运算

Q2: python 中cv.namedwindow是什么意思

其本质上没有很大不同，都是创建一个窗口供显示图像

cv开头函数系列包含更多的面向对象的思想 封装的比较好，适合跟C++集成

Q3: 基于python的opencv学习——copyMakeBorder()函数

copyMakeBorder(src, srcBorder, 8, 8, 8, 8, 0, Scalar(255, 255, 255));这是c++pythoncv函数的pythoncv函数，意思是上下左右各加一行8像素的白色的边框，以此类推

Q4: 【python】opencv库中cv2.findContours()和cv2.drawContours()函数

一.查找轮廓

cv2.findContours()

[image,] contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

轮廓检索方式：

轮廓近似方法：

二.绘制轮廓

cv2.drawContours()

cv2.drawContours(img, contours, -1, (0, 0, 255), 2) 

pythoncv函数的介绍就聊到这里吧，感谢你花时间阅读本站内容，更多关于python中cut函数、pythoncv函数的信息别忘了在本站进行查找喔。