opencv新手村

example:

import cv2  #cv2就是庫
import numpy as np  #numpy is good
camera = cv2.VideoCapture(0)    #開啟攝像頭
ret,frame = camera.read()       #讀取第一幀
cv2.imwrite("test.jpg",frame)   #儲存拍下的這個圖片為test.jpg
img = cv2.imread('test.jpg')    #讀取test.jpg為img
cv2.imshow("test",img)
while True:
	ret,frame = camera.read()#讀取第一幀
	if not ret:
		break
	cv2.imshow("carema",frame)
	key = cv2.waitKey(10)
	if key==ord('q'):
		break

cv2.imread(filepath,flags),

filepath:完整路徑
flags：讀入圖片的標誌
cv2.IMREAD_COLOR:預設，讀入彩色圖片，忽略alpha（不透明度）通道
cv2.IMREAD_GRAYSCALE:讀入灰度圖片
cv2.IMREAD_UNCHANGED:完整圖片包含alpha
cv2.IMREAD_ANYCOLOR:原影像格式
cv2.IMREAD_ANYDEPTH:按原影像深度讀取

import cv2
img = cv2.imread('test.jpg',cv2.IMREAD_GRAYSCALE)
cv2.imshow("test",img)

cv2.imshow（winname,mat）
winname:視窗名
mat:影像矩陣
mat詳情可參考這篇部落格，雖然我自己沒看懂2333
https://blog.csdn.net/u010248552/article/details/79962132

cv2.waitKey()
waitKey(delay=None)
delay = 按下後的延遲時間，單位為ms
ep:

key = cv2.waitKey(10)
	if key==ord('q'):
		break

cv2.destoryWindow(winname)
功能如其名，關閉一個因為imshow開的window

cv2.destoryAllWindows()
關閉所有imshow開啟的視窗

cv2.blur(src,ksize,dst=None,anchor=None,borderType=None)
對影像進行算術平均值模糊，均值濾波函式
ksize的設定，基本是這樣： (5,5)表示5*5畫素矩陣的一個卷積核
ksize，積卷核的大小，dst，寫入dst矩陣

import cv2
img = cv2.imread("image\\lenaNoise.png")
result = cv2.blur(img,(5,5))
cv2.imshow("img",img)
cv2.imshow("result",result)
cv2.waitKey()
cv2.destroyAllWindows()

效果
來自https://blog.csdn.net/weixin_40922285/article/details/102801633

cv2.boxFilter(img,-1,ksize,normalize=True)
當normalize = True 與均值濾波相同
normalize = False 則對加和後的結果不進行平均操作，大於255的使用255處理

import cv2
img=cv2.imread("image\\lenaNoise.png")
result=cv2.boxFilter(img,-1,(2,2),normalize=False)
cv2.imshow("img",img)
cv2.imshow("result",result)
cv2.waitKey()
cv2.destroyAllWindows()

效果
cv2.GuassianBlur(img,ksize,sigmaX,sigmaY高斯！
sigmaX=X方向的標準偏差
sigmaY=Y方向的標準偏差
僅指定sigmaX則兩者相同
兩者都為0，則根據核心來計算他們

mport cv2
img=cv2.imread("image\\lenaNoise.png")
result=cv2.GaussianBlur(img,(5,5),0,0)
cv2.imshow("img",img)
cv2.imshow("result",result)
cv2.waitKey()
cv2.destroyAllWindows()

效果

cv2.medianBlur(img,k)
img為原影像，k為方框尺寸，相當於將方框中的個值進行排序，選出中值作為當前值
對椒鹽噪聲有效

import cv2
img=cv2.imread("image\\lenaNoise.png")
result=cv2.medianBlur(img,3)
cv2.imshow("img",img)
cv2.imshow("result",result)
cv2.waitKey()
cv2.destroyAllWindows()

cv2.bilateralFilter(img,d,sigmaColor,sigmaSpace)雙邊濾波
d為鄰域直徑，sigmaColor為空間高斯函式標準差
引數越大，臨近畫素將會在越遠的地方越小
sigmaSpace灰度值相似性高斯函式標準差，引數越大，那些顏色相近的顏色的影響越大
能夠保邊去噪
一個函式是由幾何空間決定界定濾波器係數，另一個由畫素差值決定濾波器係數

處理耗時
保證邊緣效果好

import cv2
img=cv2.imread("image\\lenaNoise.png")
result=cv2.bilateralFilter(img,25,100,100)
cv2.imshow("img",img)
cv2.imshow("result",result)
cv2.waitKey()
cv2.destroyAllWindows()

cv2filter2D(img,-1,kernel)2D卷積
kernel為卷積核

import cv2
import numpy as np
img=cv2.imread("image\\lena.bmp")
kernel = np.ones((9,9),np.float32)/81
result = cv2.filter2D(img,-1,kernel)
cv2.imshow("img",img)
cv2.imshow("result",result)
cv2.waitKey()
cv2.destroyAllWindows()