*注：在此筆記中只記錄下各種函數的使用，規則
詳細講解見https://s3.ap-northeast-1.wasabisys.com/img.tw511.com/202212/22h2r2q5b4f',0)
cv.imshow('image',img)
k = cv.waitKey(0)
if k == 27: # ESC 退出
cv.destroyAllWindows()
elif k == ord('s'): # 's' 儲存退出
cv.imwrite('messigray.png',img)
cv.destroyAllWindows()
Note
有一種特殊情況，你可以先建立一個視窗然後載入影象到該視窗。在這種情況下，你能指定視窗是否可調整大小。它是由這個函數完成的 cv.namedWindow()。預設情況下，flag 是 cv.WINDOW_AUTOSIZE。但如果你指定了 flag 為 cv.WINDOW_NORMAL，你能調整視窗大小。當影象尺寸太大，在視窗中新增跟蹤條是很有用的。
看下面的程式碼：
cv.namedWindow('image', cv.WINDOW_NORMAL)
cv.imshow('image',img)
cv.waitKey(0)
cv.destroyAllWindows()
儲存影象，用這個函數 cv.imwrite()。
第一個引數是檔名，第二個引數是你要儲存的影象。
cv.imwrite('messigray.png',img)
將該影象用 PNG 格式儲存在工作目錄。
Matplotlib 是一個 Python 的繪相簿，提供了豐富多樣的繪圖函數。你將在接下來的文章中看到它們。在這裡，你將學習如何使用 Matplotlib 來顯示影象。你還能用 Matplotlib 縮放影象，儲存影象等。
import numpy as np
import cv2 as cv
from matplotlib import pyplot as plt
img = cv.imread('messi5.jpg',0)
plt.imshow(img, cmap = 'gray', interpolation = 'bicubic') # 讓影象以灰色形式展示
# 或者選擇 plt.imshow(img[:,:,::-1]) #這一步操作，保證和原影象顯示的色彩一致
plt.xticks([]), plt.yticks([]) # 隱藏 X 和 Y 軸的刻度值 去掉則會顯示刻度
plt.show()
色彩模式與cv2不一樣（BGR)，因此顯示出來的顏色不對，需要改一下
plt.imshow(img[:,:,::-1]) #這一步操作，保證和原影象顯示的色彩一致
plt.show()
去畫一條線，你需要傳遞線條的開始和結束的座標。我們將建立一個黑色影象，並在坐上角到右下角畫一條藍色的線
import numpy as np
import cv2 as cv
# 建立一個黑色的影象
img = np.zeros((512,512,3), np.uint8)
# 畫一條 5px 寬的藍色對角線
cv.line(img,(0,0),(511,511),(255,0,0),5)
cv2.line(影象，（起始座標），（終點座標），（顏色），寬度）
畫一個圓，你需要它的圓心和半徑。我們將在上面繪製的矩形上畫一個內圓。
cv.circle(img,(447,63), 63, (0,0,255), -1)
cv.circle（影象，（圓心座標x,y），半徑，（顏色），載入方式）
畫一個橢圓，你需要傳好幾個引數。一個引數是圓心位置 (x,y)。下個引數是軸的長度 (長軸長度，短軸長度)。角度是橢圓在你逆時針方向的旋轉角度。startAngle 和 endAngle 表示從長軸順時針方向測量的橢圓弧的起點和終點。如整圓就傳 0 和 360。更多細節請看 cv.ellipse() 的檔案。下面是在這個影象中間畫的一個半橢圓例子。
cv.ellipse(img,(256,256),(100,50),0,0,180,(0,255,255),-1)
cv.ellipse(影象，（圓心座標)，（長軸，短軸），起時角度，起點，終點，顏色，載入方式
cv.rectangle(img,左上角座標，右下角座標，顏色，線條厚度)
畫多邊形，首先你需要頂點的做座標。將這些點組成一個形狀為 ROWSx1x2 的陣列，ROWS 是頂點數，它應該是 int32 型別。這裡我們繪製一個頂點是黃色的小多邊形。
pts = np.array([[10,5],[20,30],[70,20],[50,10]], np.int32)
pts = pts.reshape((-1,1,2))
cv.polylines(img,[pts],True,(0,255,255))
Note
cv.putText(img,輸入內容，文字的放置位置，字型，字型大小，顏色，線條寬度，cv.LINE__AA)
通過行列座標來進行存取及修改
黃色為綠色和紅色的混合。所以，該影象的所有畫素值都應為R=255，G=255，B=0。
>>> import numpy as np
>>> import CV2
>>> img = CV2.imread("img/yellow.jpg")
>>> h,w,c = img.shape
#影象大小為128*128*3
>>> print(h,w,c)
128 128 3
px = img[100,100] # 獲取某個點的畫素值
從上面的程式碼中可以看到，您可以通過行和列座標存取畫素值。注意，對於常見的RGB 影象，OpenCV的imread函數返回的是一個藍色(Blue)值、綠色(Green)值、紅色(Red)值的陣列，維度大小為3。而對於灰度影象，僅返回相應的灰度值。
>>> img[100,100]
#OpenCV的讀取順序為B，G，R，由於影象所有畫素為黃色，因此，G=255，R=255
array([ 0, 255, 255], dtype=uint8)
# 僅存取藍色通道的畫素
>>> blue = img[100,100,0]
>>> print(blue)
0
你也可以使用同樣的方法來修改畫素值。
>>> img[100,100] = [255,255,255]
>>> print(img[100,100])
[255 255 255]
img.shape # 變數.shape
(256,256,3)
img.shape[:2] 取彩色圖片的長、寬。
cols,rows = img.shape[:2]
# 或者
cols，rows，x = img.shape
使用灰色模式
cols ,rows = img.shape
如果img.shape[:3] 則取彩色圖片的長、寬、通道。
關於img.shape[0]、[1]、[2]
img.shape[0]：影象的垂直尺寸（高度）
img.shape[1]：影象的水平尺寸（寬度）
img.shape[2]：影象的通道數
img.dtype
dtype('uint8')
img.size
196608
一、影象縮放
影象縮放主要使用resize函數
result = cv2.resize(src, dsize[, result[. fx[, fy[, interpolation]]]]) 記得要用新變數來接收
其中src表示原始影象，dsize表示縮放大小，fx和fy也可以表示縮放大小倍數，他們兩個（dsize或fx\fy）設定一個即可實現影象縮放
引數說明：
src - 原圖
dst - 目標影象。當引數dsize不為0時，dst的大小為size；否則，它的大小需要根據src的大小，引數fx和fy決定。dst的型別（type）和src影象相同
dsize - 目標影象大小。當dsize為0時，它可以通過以下公式計算得出：
所以，引數dsize和引數(fx, fy)不能夠同時為0
fx - 水平軸上的比例因子。當它為0時，計算公式如下：
fy - 垂直軸上的比例因子。當它為0時，計算公式如下：
interpolation - 插值方法。共有5種：
INTER_NEAREST - 最近鄰插值法
INTER_LINEAR - 雙線性插值法（預設）
INTER_AREA - 基於區域性畫素的重取樣（resampling using pixel area relation）。對於影象抽取也叫縮小影象（image decimation）來說，這可能是一個更好的方法。但如果是放大影象時，它和最近鄰法的效果類似。
INTER_CUBIC - 基於4x4畫素鄰域的3次插值法
INTER_LANCZOS4 - 基於8x8畫素鄰域的Lanczos插值
縮小影象 用INTER_AREA更好，放大影象用 INTER_CUBIC更好；
————————————————
程式碼如下：
import cv2
#讀取圖片
image = cv2.imread("E:/pythonProject/xin.jpeg")
#圖片縮放
image1 = cv2.resize(image, (200,200))
#圖片顯示
cv2.imshow("resize", image1)
cv2.imshow("image", image)
#等待視窗
cv2.waitKey(0)
opencv中對影象的旋轉主要是先通過getRotationMatrix2D函數得到影象的旋轉矩陣，然後再通過仿射變換函數warpAffine得到旋轉後的影象。
函數說明：
cv2.getRotationMatrix2D(center, angle, scale)
cv2.warpAffine(src, M, dsize[, dst[, flags[, borderMode[, borderValue]]]]) → dst
引數說明：
getRotationMatrix2D: 得到影象的旋轉矩陣
center–表示旋轉的中心點
angle–表示旋轉的角度degrees
scale–影象縮放因子
warpAffine:
src – 輸入的影象
M – 2 X 3 的變換矩陣.
dsize – 輸出的影象的size大小
dst – 輸出的影象
flags – 輸出影象的插值方法
borderMode – 影象邊界的處理方式
borderValue – 當影象邊界處理方式為BORDER_CONSTANT 時的填充值
程式碼示範：
img = cv2.imread('messi5.jpg',0)
rows,cols = img.shape
#90度旋轉
M = cv2.getRotationMatrix2D((cols/2,rows/2),90,1)
dst = cv2.warpAffine(img,M,(cols,rows))
程式碼示範：
img = cv2.imread('messi5.jpg',0)
rows,cols = img.shape
# 平移矩陣M：[[1,0,x],[0,1,y]]
M = np.float32([[1,0,100],[0,1,50]])
dst = cv2.warpAffine(img,M,(cols,rows))
函數說明：
cv2.flip(src, flipCode[, dst]) → dst
1
引數說明：
src – 輸入的影象
dst – 輸出的影象
flipCode – 翻轉模式，flipCode==0垂直翻轉（沿X軸翻轉），flipCode>0水平翻轉（沿Y軸翻轉），flipCode<0水平垂直翻轉（先沿X軸翻轉，再沿Y軸翻轉，等價於旋轉180°）
程式碼示範：
# 水平翻轉
flip_horiz_img = cv2.flip(pad_img, 1)
# 垂直翻轉
flip_verti_img = cv2.flip(pad_img, 0)
# 水平垂直翻轉
flip_horandver_img = cv2.flip(pad_img, -1)
單個影象多次拼接
import cv2
img =cv2.imread(file_path[i])
img=cv2.hconcat([img,img,img])#水平拼接
img=cv2.vconcat([img,img,img])#垂直拼接
多個相似特徵影象拼接（開擺！）
import cv2
import numpy as np
def stitch(image):
# 影象拼接
# stitcher = cv2.createStitcher(False) # OpenCV 3.X.X.X使用該方法
stitcher = cv2.Stitcher_create(cv2.Stitcher_PANORAMA) # OpenCV 4.X.X.X使用該方法，cv2.Stitcher_create()也可以
status, pano = stitcher.stitch(image)
# 黑邊處理
if status == cv2.Stitcher_OK:
# 全景圖輪廓提取
stitched = cv2.copyMakeBorder(pano, 10, 10, 10, 10, cv2.BORDER_CONSTANT, (0, 0, 0))
gray = cv2.cvtColor(stitched, cv2.COLOR_BGR2GRAY)
thresh = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY)[1]
cnts = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)[0]
# 輪廓最小正矩形
mask = np.zeros(thresh.shape, dtype="uint8")
(x, y, w, h) = cv2.boundingRect(cnts[0]) # 取出list中的輪廓二值圖，型別為numpy.ndarray
cv2.rectangle(mask, (x, y), (x + w, y + h), 255, -1)
# 腐蝕處理，直到minRect的畫素值都為0
minRect = mask.copy()
sub = mask.copy()
while cv2.countNonZero(sub) > 0:
minRect = cv2.erode(minRect, None)
sub = cv2.subtract(minRect, thresh)
# 提取minRect輪廓並裁剪
cnts = cv2.findContours(minRect, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)[0]
(x, y, w, h) = cv2.boundingRect(cnts[0])
stitched = stitched[y:y + h, x:x + w]
cv2.imshow('stitched', stitched)
cv2.imwrite('stitched.jpg', stitched)
cv2.waitKey(0)
cv2.destroyAllWindows()
else:
print('影象匹配的特徵點不足')
if __name__ == "__main__":
image1 = cv2.imread('data/space1.jpg')
image2 = cv2.imread('data/space2.jpg')
image3 = cv2.imread('data/space3.jpg')
image = image1, image2, image3
stitch(image)
(18條訊息) OpenCV-Python 影象全景拼接stitch及黑邊處理_Klein-的部落格-CSDN部落格_stitcher_create