OpenCV是一個基於BSD許可（開源）發行的跨平臺計算機視覺庫，可以執行在Linux、Windows、MacOS作業系統上。它輕量級而且高效——由一系列 C 函式和少量C++類構成，同時提供了Python、Ruby、MATLAB等語言的介面，實現了影象處理和計算機視覺方面的很多通用演算法。
簡言之，通過openCV可實現計算機影象、視訊的編輯。廣泛應用於影象識別、運動跟蹤、機器視覺等領域。

為什麼用Python？

眾所周知，雖然Python語法簡潔，編寫高效，但相比C/C++執行慢很多。然而Python還有個重要特性：它是一門膠水語言！Python可以很容易地擴充套件C/C++。OpenCV-Python就是用Python包裝了C++的實現，背後實際就是C++的程式碼在跑，所以程式碼的執行速度跟原生C/C++速度一樣快，而且更加容易編寫。

安裝

pip install opencv-python

然後import cv2就可以了

基礎操作函式

cv2.imread()——讀取影象

函式格式cv2.imread(img,flag)
flag取值可以為

• cv2.IMREAD_COLOR 預設、彩色照片
• cv2.IMREAD_GRAYSCALE 灰度照片
• cv2.IMREAD_UNCHANGED 載入原圖通道
  也可以通過1、 0、-1 指定上述三個模式

import numpy as np
import cv2

# 灰度模式開啟圖片
img = cv2.imread('messi5.jpg',0)

cv2.imshow()——顯示圖片

cv2.imshow('image',img)#第一個為顯示的圖片名字，第二個為圖片
cv2.waitKey(0)#不停重新整理圖片，直到你按下任意按鍵退出
cv2.destroyAllWindows()#關閉所有顯示框，若只關閉一個，可 cv2.destroyWindow()單獨指定

cv2.imwrite()——儲存圖片

cv2.imwrite('messigray.png',img) #第一個引數為檔名，第二個為要儲存的影象。

cv2.VideoCapture()——捕捉視訊影象

import numpy as np
import cv2

#建立一個VideoCapture專案，0代表選擇第一個裝置
cap = cv2.VideoCapture(0)

while(True):
    # 捕捉每一幀影象，返回兩個引數ret為是否返回圖片（True or False），frame為返回的圖片
    ret, frame = cap.read()

    # 通過cv2.cvtColor轉換顏色格式為灰度模式
    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)

    # 播放每一幀影象
    cv2.imshow('frame',gray)
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

# 最後要記得釋放capture
cap.release()
cv2.destroyAllWindows()

還可以通過更改裝置號為檔名來播放視訊，並且通過cv2.WaitKey()來控制播放速度，可以製作慢動作視訊等等

import numpy as np
import cv2

cap = cv2.VideoCapture('vtest.avi')

while(cap.isOpened()):
    ret, frame = cap.read()

    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)

    cv2.imshow('frame',gray)
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

cap.release()
cv2.destroyAllWindows()

cv2.VideoWriter()——儲存視訊

import numpy as np
import cv2

cap = cv2.VideoCapture(0)

#fourcc是一種編碼格式，我們儲存視訊時要指定檔名、編碼格式、FPS、輸出尺寸、顏色模式
fourcc = cv2.VideoWriter_fourcc(*'XVID')
out = cv2.VideoWriter('output.avi',fourcc, 20.0, (640,480))

while(cap.isOpened()):
    ret, frame = cap.read()
    if ret==True:
        #cv2.flip(img,flag)  翻轉影象（1水平翻轉、0垂直翻轉、-1水平垂直翻轉）
        frame = cv2.flip(frame,0)

        # 寫入視訊幀
        out.write(frame)

        cv2.imshow('frame',frame)
        if cv2.waitKey(1) & 0xFF == ord('q'):
            break
    else:
        break

cap.release()
out.release()
cv2.destroyAllWindows()

cv2.line(), cv2.circle() , cv2.rectangle(), cv2.ellipse(), cv2.putText()

畫圖，用處較少，不再贅述

cv2.setMouseCallback()——滑鼠繪圖

import cv2
import numpy as np

#初始化
drawing = False #為真時開始畫圖
mode = True #為真時畫舉行，為假時畫圓
ix,iy = -1,-1


def draw_circle(event,x,y,flags,param):
    global ix,iy,drawing,mode

    #滑鼠左鍵按下時
    if event == cv2.EVENT_LBUTTONDOWN:
        drawing = True
        ix,iy = x,y

    #滑鼠移動時
    elif event == cv2.EVENT_MOUSEMOVE:
        if drawing == True:
            if mode == True:
                cv2.rectangle(img,(ix,iy),(x,y),(0,255,0),-1)
            else:
                cv2.circle(img,(x,y),5,(0,0,255),-1)

    #滑鼠抬起時
    elif event == cv2.EVENT_LBUTTONUP:
        drawing = False
        if mode == True:
            cv2.rectangle(img,(ix,iy),(x,y),(0,255,0),-1)
        else:
            cv2.circle(img,(x,y),5,(0,0,255),-1)


#初始化影象
img = np.zeros((512,512,3), np.uint8)
cv2.namedWindow('image')
cv2.setMouseCallback('image',draw_circle)

#按下"m"來切換模式
while(1):
    cv2.imshow('image',img)
    k = cv2.waitKey(1) & 0xFF
    if k == ord('m'):
        mode = not mode
    elif k == 27:
        break

cv2.destroyAllWindows()

array.item()、array.itemset()——檢視並修改單一畫素值

import cv2
import numpy as np

img = cv2.imread('messi5.jpg')

# 指定畫素點
px = img[100,100]
print px
#[157 166 200]

# 獲取藍色畫素值
blue = img[100,100,0]
print blue
#157

img.shape img.size img.dtype —— 檢視圖片尺寸、大小、資料型別

>>> print img.shape
(342, 548, 3)

>>> print img.size
562248

>>> print img.dtype
uint8

cv2.split cv2.merge —— 分離、合併通道（注意：有損分離）

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

#或者
>>> b = img[:,:,0]

#也可以通過這種形式快速指定紅色通道畫素值為0
>>> img[:,:,2] = 0

cv2.copyMakeBorder() —— 給圖片加一個相框

可以指定下列引數

• src - 你的圖片
• top, bottom, left, right - 上下左右邊框寬度
• borderType - 邊框型別（下面詳細展示，不做具體講解）
  • cv2.BORDER_CONSTANT
  • cv2.BORDER_REFLECT
  • cv2.BORDER_REFLECT_101 or cv2.BORDER_DEFAULT
  • cv2.BORDER_REPLICATE
  • cv2.BORDER_WRAP
• value - 當型別為cv2.BORDER_CONSTANT時需要額外指定的值

import cv2
import numpy as np
from matplotlib import pyplot as plt

BLUE = [255,0,0]

img1 = cv2.imread('opencv_logo.png')

replicate = cv2.copyMakeBorder(img1,10,10,10,10,cv2.BORDER_REPLICATE)
reflect = cv2.copyMakeBorder(img1,10,10,10,10,cv2.BORDER_REFLECT)
reflect101 = cv2.copyMakeBorder(img1,10,10,10,10,cv2.BORDER_REFLECT_101)
wrap = cv2.copyMakeBorder(img1,10,10,10,10,cv2.BORDER_WRAP)
constant= cv2.copyMakeBorder(img1,10,10,10,10,cv2.BORDER_CONSTANT,value=BLUE)

plt.subplot(231),plt.imshow(img1,'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')

plt.show()

cv2.inRange —— 用來追蹤物體

HSV是一個常用於顏色識別的模型，相比BGR更易區分顏色，轉換模式用COLOR_BGR2HSV表示。

經驗之談：OpenCV中色調H範圍為[0,179]，飽和度S是[0,255]，明度V是[0,255]。雖然H的理論數值是0°~360°，但8點陣圖像畫素點的最大值是255，所以OpenCV中除以了2，某些軟體可能使用不同的尺度表示，所以同其他軟體混用時，記得歸一化。

現在，我們實現一個使用HSV來只顯示視訊中藍色物體的例子，步驟如下：

1. 捕獲視訊中的一幀
2. 從BGR轉換到HSV
3. 提取藍色範圍的物體

4. 只顯示藍色物體

   
   
   

   追蹤藍色物體

capture = cv2.VideoCapture(0)
# 藍色的範圍，不同光照條件下不一樣，可靈活調整
lower_blue = np.array([100, 110, 110])
upper_blue = np.array([130, 255, 255])
while(True):
    # 1.捕獲視訊中的一幀
    ret, frame = capture.read()
    # 2.從BGR轉換到HSV
    hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)
    # 3.inRange()：介於lower/upper之間的為白色，其餘黑色
    mask = cv2.inRange(hsv, lower_blue, upper_blue)
    # 4.只保留原圖中的藍色部分
    res = cv2.bitwise_and(frame, frame, mask=mask)
    cv2.imshow('frame', frame)
    cv2.imshow('mask', mask)
    cv2.imshow('res', res)
    if cv2.waitKey(1) == ord('q'):
        break