opencv中为啥保存的图片和显示的图片不同？

Posted 2023-04-12

例如以下代码：Mat o1=imread("../py/lib2_o1.jpg");Mat o1_g2=imread("../py/lib2_o1_g2.jpg");Mat pyDoG;subtract(o1,o1_g2,pyDoG, noArray(),CV_8SC1 ); imshow("Dog1", pyDoG);imwrite("../py/py_o1_0s2.jpg",pyDoG);但是imshow()显示的图片（左图）和保存的图片py_o1_0s2.jpg（右图）不一样？

应该是图像的深度不同一造成，先看一下你的代码中各个环节是否统一了图像的深度CV_8SC1，也有可能是系统的看图软件对8bit深度的图像显示的有问题。 参考技术A openCV中，在使用imwrite()保存图片时，会自动将各种格式的数据转换成符合规矩的uint8数据类型的数据，再保存。而使用imshow()显示图像的时候，并没有这一个操作。从你给的图里可以很容易的看出，左边的图不是一个灰度图像。因为数据类型不是uint8，所以openCV将其当做一个二值图像来处理。而右边的图像数据是一个显示正确的灰度图像。

openCV第一篇

文章目录

前言：计算机眼中的图片 

1. 图片的读取与显示

1.1 图片的读取 

1.2 显示的图片

1.2.1 显示原始图片 

1.2.2 灰度图

1.3 BGR转换成灰度图、RGB

2. 保存图片

3. 视频的读取与显示

4. 截取图像部分

5. 颜色通道提取

6. 边界填充

7. 数值计算

8. 图像融合

9. 知识点总结*

前言：计算机眼中的图片 

• 计算机中图片由许多个像素点组成，如一个500x500的图片，表示长宽各由500个像素点组成。
• 计算机中一个像素点的值在0-255表示该点亮度  0暗(黑)-255亮(白) 
• 一张彩图通常是由RGB(red、green、blue)三个颜色通道所组成
• 一个500x500的图片那他们的 RGB 矩阵也各是500x500。

上图我们将一个大的图片分割成许多如20x20的小图片，同理每个小图片它们的RGB矩阵也各自是20x20。

注：opencv默认顺序不是RBG 而是 BGR。

1. 图片的读取与显示

1.1 图片的读取 

import cv2 
img = cv2.imread('./data/abv.jpg')

• img = cv2.imread('./data/abv.jpg') 

比如我读入这样一张图片，命名为img；

我们可以看到img是一个三维ndarray结构，内部数据类型dtype=unit8：

• 三维：(1080,1920,3)表示高度、宽度、颜色通道个数(cv彩图BGR)
• ndarray结构：数据类型dtype=unit8, 0-255。

1.2 显示的图片

1.2.1 显示原始图片 

cv2.imshow('image',img) # 第一个参数表示窗口指定的名字 第二个为上方img
cv2.waitKey(5000) # 等待时间  如果是5000则在5s后图片窗口自动关闭  0表示任意键关闭
cv2.destroyAllWindows() # 时间一到关闭窗口

 ps: 图像的显示也可以是多个窗口

• cv2.imshow('image',img) 自己给将要弹出的窗口起个名  再加入变量img
• cv2.waitKey(5000) 等待时间  如果是5000则在5s后图片窗口自动关闭  0表示任意键关闭
• cv2.destroyAllWindows() 时间一到关闭窗口

为方便下面使用，我们自己定义一个函数cv_show()：

def cv_show(name,img):
    cv2.imshow(name,img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

执行代码，弹出窗口，显示图片：

cv_show('winName',img)

1.2.2 灰度图

在之前的基础之上加入参数：cv2.IMREAD_GRAYSCALE 

img2=cv2.imread('./data/abv.jpg',cv2.IMREAD_GRAYSCALE)  # cv2.IMREAD_COLOR

• img2=cv2.imread('./data/abv.jpg',cv2.IMREAD_GRAYSCALE)  
  • cv2.IMREAD_GRAYSCALE  读取为灰度图，也可以写0。
  • cv2.IMREAD_COLOR           读取为彩图

我们执行：

cv_show('win2',img2) 

可以看到该图片最终显示结果为二维(1080，1920) :

ps: img.size 输出像素点的个数，可以看到同一张图片BGR彩图是灰度图的三倍。

1.3 BGR转换成灰度图、RGB

当然我们也可以把已经读取进来的BGR彩图转换成灰度图，或者转换为RGB。

img2 = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) 
cv_show('win3',img2)

• img2 = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) 
  • cv2.COLOR_BGR2RGB 将BGR格式转换成RGB
  • cv2.COLOR_BGR2GRAY 将BGR格式转换成灰度图片

2. 保存图片

cv2.imwrite('./data/grayPhoto.jpg',img2)

• cv2.imwrite('./data/grayPhoto.jpg',img2)

此时我的data文件夹下就多了一张刚刚处理好名为grayPhoto的灰度图。

3. 视频的读取与显示

视频也是由图像组成的，每一帧都可以当作是一个静止的图像，把图像连在一起看着就像是一个视频了。 我们打游戏时，也是追求一些更高的帧率。

vc = cv2.VideoCapture('./data/stu.mp4')

• vc = cv2.VideoCapture('./data/stu.mp4')

# 检查是否正确打开
if vc.isOpened():
    open,frame = vc.read()
else:
    open = Flase

• vc.read()
  • 读取视频中的第一帧 ，再次执行vc.read()的话读取视频第二帧
  • 返回值中：第一个：布尔类型，能读进来就是True   第二个像是上面的img，这一帧图片的ndarray矩阵

循环图片播放视频：

while open:
    ret,frame = vc.read()
    if frame is None:
        break
    if ret == True:
        # 原本frame是（h,w,3）的BGR图片矩阵 经下方加入参数转换成黑白gray
        gray = cv2.cvtColor(frame,cv2.COLOR_BGR2GRAY) 
        cv2.imshow('result',gray)
        # cv2.waitKey(num) 该图片显示时间/速度 自己可以找一个合适的值
        # 27指退出键ESC 退出窗口  当然也可以是 =='q'等
        if cv2.waitKey(20)&0xFF == 27: 
            break
vc.release()
cv2.destroyAllWindows()

注：视频放完 ret, frame = vc.read()返回False和None 再次进行循环无法播放视频，需要重新读取。

• if cv2.waitKey(20)&0xFF == 27:
  • 不是新知识点了，表示每张图片等20毫秒，如果按ESC键直接退出。

4. 截取图像部分

我们上面介绍，img是一个ndarray矩阵，因此对其进行切片操作：

pho = img[100:800,200:800]  # 进行切片 高100到800 宽200到800
cv_show('win2',pho)

• pho = img[100:800,200:800]

5. 颜色通道提取

b,g,r = cv2.split(img)
# b.shape g.shape r.shape 都为 (1080, 1920)

执行

cv_show('win3',g) # 或者填 b、r

结果就是单通道图。

如果我们想显示单一颜色，如红色：

cur_img = img.copy()
cur_img[:,:,0] = 0 # B不要了 设置为0
cur_img[:,:,1] = 0 # G不要了 设置为0
#cur_img[:,:,2] = 0 # R不要了 设置为0
cv_show('winR',cur_img)

6. 边界填充

这个一般用于卷积，在图像周围填充一些像素。

我们以这个图片为例：

img = cv2.imread('./data/gd01.jpg')
# img.shape 为 (300, 400, 3)
cv_show('win1',img)

在图片的上下左右填充50个像素，介绍5种方法： 

top_size,bottom_size,left_size,right_size=(50,50,50,50)

# 不同的填充方法 最后参数改个type值就行
replicate = cv2.copyMakeBorder(img,top_size,bottom_size,left_size,right_size,borderType=cv2.BORDER_REPLICATE)
reflect = cv2.copyMakeBorder(img,top_size,bottom_size,left_size,right_size,cv2.BORDER_REFLECT)
reflect101=cv2.copyMakeBorder(img,top_size,bottom_size,left_size,right_size,cv2.BORDER_REFLECT_101)
wrap = cv2.copyMakeBorder(img,top_size,bottom_size,left_size,right_size,cv2.BORDER_WRAP)
constant = cv2.copyMakeBorder(img,top_size,bottom_size,left_size,right_size,cv2.BORDER_CONSTANT,value=0)

plt.subplot(231),plt.imshow(img,'gray'),plt.title('ORIGINAL')
plt.subplot(232),plt.imshow(replicate,'gray'),plt.title('REPLICATE')
plt.subplot(233),plt.imshow(reflect,'gray'),plt.title('REFLECT')
plt.subplot(234),plt.imshow(reflect101,'gray'),plt.title('REFLECT_101')
plt.subplot(235),plt.imshow(wrap,'gray'),plt.title('WRAP')
plt.subplot(236),plt.imshow(constant,'gray'),plt.title('CONSTANT')
# 注matplotlib默认R G B本例只介绍边界填充
plt.show()

• cv2.BORDER_REPLICATE
  • 复制最边缘的像素
• cv2.BORDER_REFLECT
  • 反射法对感兴趣的图像中的像素在两边进行复制 如fedcba|abcdefgh|hgfedcb 其中abcdefgh是图像"|"外的是填充内容
• cv2.BORDER_REFLECT_101
  • 反射法，也就是以最边缘的像素为轴，对称，gfedcb|abcdefgh|gfedcba 上面是ba|ab 这个是bab。
• cv2.BORDER_WRAP
  • 外包装法 如：cdefgh|abcdefgh|abcdefg。
• cv2.BORDER_CONSTANT
  • 常量法，常数值value填充。

7. 数值计算

由于是uint8类型最大255 超过相当于结果为 num%256了 

我们使用以下方法保留最大值：

cv2.add(img,img2)

• cv2.add(img,img2)

8. 图像融合

效果如下：

我们导入宽高相同的2张图片：

img = cv2.imread('./data/gd04.jpg')
img2 = cv2.imread('./data/gd05.jpg')
img3 = cv2.imread('./data/gd06.jpg')
print(img.shape,img2.shape,img3.shape) # (281, 600, 3) (281, 600, 3) (337, 600, 3)

如果大小不同 需要手动设置成一样的

img3 = cv2.resize(img3,(600,281))
# img3.shape (281, 600, 3)

• img3 = cv2.resize(img3,(600,281))

ps: cv2.resize()另一种操作

img4 = cv2.resize(img3,(0,0),fx=2,fy=1)

我们执行：

res = cv2.addWeighted(img,0.6,img2,0.4,0)
plt.imshow(res)

• res = cv2.addWeighted(img,0.6,img2,0.4,0)

R = ax1 + bx2 + c  a、b为权重 c为偏置 这里意为在原亮度上变化多少

9. 知识点总结*

• 读取图片：

import cv2 
img = cv2.imread('./data/abv.jpg')
img2 = cv2.imread('./data/abv.jpg',cv2.IMREAD_GRAYSCALE) 
img3 = cv2.imread('./data/abv.jpg',cv2.IMREAD_COLOR) 

• 显示图片：

def cv_show(name,img):
    cv2.imshow(name,img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

• BGR转换成灰度图、RGB：

img2 = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) 
img3 = cv2.cvtColor(img,cv2.COLOR_BGR2RGB) 

• 保存图片：

cv2.imwrite('./data/grayPhoto.jpg',img2)

• 视频的读取与显示：

vc = cv2.VideoCapture('./data/stu.mp4')

# 检查是否正确打开
if vc.isOpened():
    open,frame = vc.read()
else:
    open = Flase

while open:
    ret,frame = vc.read()
    if frame is None:
        break
    if ret == True:
        # 原本frame是（h,w,3）的BGR图片矩阵 经下方加入参数转换成黑白gray
        gray = cv2.cvtColor(frame,cv2.COLOR_BGR2GRAY) 
        cv2.imshow('result',gray)
        # cv2.waitKey(num) 该图片显示时间/速度 自己可以找一个合适的值
        # 27指退出键ESC 退出窗口  当然也可以是 =='q'等
        if cv2.waitKey(20)&0xFF == 27: 
            break
vc.release()
cv2.destroyAllWindows()

• 截取图片部分：

pho = img[100:800,200:800]  # 进行切片 高100到800 宽200到800

• 颜色通道提取：

b,g,r = cv2.split(img)

cur_img = img.copy()
cur_img[:,:,0] = 0 # B不要了 设置为0
cur_img[:,:,1] = 0 # G不要了 设置为0
#cur_img[:,:,2] = 0 # R不要了 设置为0
cv_show('winR',cur_img)

• 边界填充：

top_size,bottom_size,left_size,right_size=(50,50,50,50)
 
# 不同的填充方法 最后参数改个type值就行
replicate = cv2.copyMakeBorder(img,top_size,bottom_size,left_size,right_size,borderType=cv2.BORDER_REPLICATE)
reflect = cv2.copyMakeBorder(img,top_size,bottom_size,left_size,right_size,cv2.BORDER_REFLECT)
reflect101=cv2.copyMakeBorder(img,top_size,bottom_size,left_size,right_size,cv2.BORDER_REFLECT_101)
wrap = cv2.copyMakeBorder(img,top_size,bottom_size,left_size,right_size,cv2.BORDER_WRAP)
constant = cv2.copyMakeBorder(img,top_size,bottom_size,left_size,right_size,cv2.BORDER_CONSTANT,value=0)

• 数值计算：

cv2.add(img,img2)

• 图像融合：

img3 = cv2.resize(img3,(600,281))

res = cv2.addWeighted(img,0.6,img2,0.4,0)