关于OpenCV for Python入门-图片和摄像头显示

import cv2 as cv
import numpy as np
from matplotlib import pyplot as plt
# 读取图片
img = cv.imread("ldh.jpeg",cv.IMREAD_COLOR)
# 显示图片
cv.imshow('image', img)
# 等待键盘响应
cv.waitKey(0)
# 删除建立窗口
cv.destroyAllWindows()

import cv2 as cv
import numpy as np
from matplotlib import pyplot as plt
# -----------------------------opencv常用操作----------------------------------
# cv2.imread(filepath,flags) 读入图像
# ----------------参数----------------
# cv2.IMREAD_COLOR：读入一副彩色图像。图像的透明度会被忽略，这是默认参数。
# cv2.IMREAD_GRAYSCALE：以灰度模式读入图像
# 不加此参数，默认是彩色
# cv2.imshow(wname,img) 显示图像
# 第一个参数是显示图像的窗口的名字
# 第二个参数是要显示的图像（imread读入的图像），窗口大小自动调整为图片大小
# cv2.imwrite(file，img，num)  保存图像
# 第一个参数是要保存的文件名
# 第二个参数是要保存的图像。可选的第三个参数，它针对特定的格式：对于JPEG，其表示的是图像的质量，用0 - 100的整数表示，默认95。
# 第三个参数表示的是压缩级别。默认为3.
# img.copy()    #图像复制
# cv2.cvtColor(img,cv2.converttype)  图像颜色空间转换
# opencv 中有多种色彩空间，包括 RGB、HSI、HSL、HSV、HSB、YCrCb、CIE XYZ、CIE Lab 8 种，使用中经常要遇到色彩空间的转化。
# 1、Gray色彩空间  GRAY：灰度图像，其中灰度值由0-255构成八位二进制数
# 2、XYZ色彩空间  XYZ：一种便于计算的色彩空间
# 3、YCrCb色彩空间 YCrCb：一种更能描述人眼视觉的色彩空间
#   Y：光亮
#   Cr和Cb：Cr表示红色色度，Cb表示蓝色色度
# 4、HSV色彩空间 HSV色彩空间从心理学和视觉的角度出发。
#   色调（Hue，也称为色相）色调指光的颜色，色调与混合光谱中的主要光波长相关。色调的取值区间为[0, 360]。
#   饱和度（Saturation）饱和度是指色彩的深浅程度，指一种颜色混合白光的数量。饱和度取值范围是[0, 1
#   亮度（Value）亮度指人眼感受到的光的明暗程度。指的是颜色能掺入白色的多少。亮度取值范围也是[0, 1]
# 5、HLS色彩空间 HLS：将HSV中的V：亮度换成了L：光亮度/明度
#   色调H（Hue）：如同HSV中的色调，用一个360度的色环表示。
#   光亮度/明度L（Lightness）：用来控制色彩的明暗变化，它的取值范围也是[0, 1]。
#   饱和度S（Saturation）：如同HSV中的色调。
# 6、CIELab色彩空间 CIELab色彩空间是均匀色彩空间模型，它是面向视觉感知的颜色模型。
#   L：分量用于表示像素的亮度，取值范围是[0,100]，表示从纯黑到纯白。
#   A：分量表示从红色到绿色的范围，取值范围是[-127,127]。
#   B：分量表示从黄色到蓝色的范围，取值范围是[-127,127]。
# 7、CIELuv色彩空间 CIELuv也是均匀的颜色模型，适用于显示器显示和根据加色原理进行组合的场合，该模型中比较强调对红色的表示，即对红色的变化比较敏感，但对蓝色的变化不太敏感。
#   L：取值范围为[0 - 100]
#   U：取值范围为[-134 - 220]
#   V：取值范围为[-140 - 122]
# 8、Bayer色彩空间 Bayer色彩空间（Bayer模型）被广泛地应用在CCD和CMOS相机中。它能够从单平面R、G、B交错表内获取彩色图像。输出的RGB图像的像素点值，是根据当前点的1个、2个或4个邻域像素点的相同颜色的像素值获得的。
# img2 = cv2.cvtColor(img,cv2.COLOR_RGB2GRAY)   #灰度化：彩色图像转为灰度图像
# img3 = cv2.cvtColor(img,cv2.COLOR_GRAY2RGB)   #彩色化：灰度图像转为彩色图像
# cv2.resize(image, image2,dsize)     #图像缩放：(输入原始图像，输出新图像，图像的大小)
# cv2.flip(img,flipcode)                       #图像翻转，flipcode控制翻转效果。
#   flipcode = 0：沿x轴翻转；flipcode > 0：沿y轴翻转；flipcode < 0：x,y轴同时翻转
# cv2.warpAffine(img, M, (400, 600))       #图像仿射变换 ：平移；裁剪、剪切、旋转、仿射变换，
#   M、M_crop、M_shear、M_rotate
# cv2.putText(img,'text',(50,150)   #图像添加文字：(照片，添加的文字，左上角坐标，字体，字体大小，颜色，字体粗细)
# cv2.namedWindow('image', cv2.WINDOW_NORMAL) 命名窗口
# 初始设定函数标签是 cv2.WINDOW_AUTOSIZE，自动调整大小
# cv2.WINDOW_NORMAL，你就可以调整窗口大小了。当图像维度太大，或者要添加轨迹条时，调整窗口大小将会很有用
# ------------------读取彩色图片------------------
img = cv.imread("ldh.jpeg",cv.IMREAD_COLOR)
# 显示图片
cv.imshow('image', img)
# cv2.waitKey() 是一个键盘绑定函数。需要指出的是它的时间尺度是毫秒级。
# 函数等待特定的几毫秒，看是否有键盘输入。
# 特定的几毫秒之内，如果按下任意键，这个函数会返回按键的 ASCII 码值，程序将会继续运行。
# 如果没有键盘输入，返回值为 -1，如果我们设置这个函数的参数为 0，那它将会无限期的等待键盘输入。
# 它也可以被用来检测特定键是否被按下，例如按键 a 是否被按下。
cv.waitKey(0)
# cv2.destroyAllWindows() 可以轻易删除任何我们建立的窗口。
# 如果你想删除特定的窗口可以使用 cv2.destroyWindow()，在括号内输入你想删除的窗口名。
cv.destroyAllWindows()

# ------------------读取灰度图片------------------
# 以灰度模式读入图像
img = cv.imread("ldh.jpeg",cv.IMREAD_GRAYSCALE)
cv.imshow('image', img)
cv.waitKey(0)
cv.destroyAllWindows()


img = cv.imread('ldh.jpeg',cv.IMREAD_COLOR)
cv.imshow('image',img)
# keycode 1 = 鼠标左键
# keycode 2 = 鼠标右键
# keycode 3 = Cancel
# keycode 4 = 鼠标中键
# keycode 8 = BackSpace
# keycode 9 = Tab
# keycode 12 = Clear（未知）
# keycode 13 = Enter
# keycode 16 = Shift_L
# keycode 17 = Control_L
# keycode 18 = Alt_L
# keycode 19 = Pause
# keycode 20 = Caps_Lock
# keycode 27 = Escape
# keycode 32 = space
# keycode 33 = Prior（PageUp键）
# keycode 34 = Next（PageDown键）
# keycode 35 = End
# keycode 36 = Home
# keycode 37 = Left
# keycode 38 = Up
# keycode 39 = Right
# keycode 40 = Down
# keycode 41 = Select（未知）
# keycode 42 = Print（PrintScreen键）
# keycode 43 = Execute（未知）
# keycode 45 = Insert
# keycode 46 = Delete
k = cv.waitKey(0)
# 按Esc=27，退出
if k == 27:
    cv.destroyAllWindows()
# 按s键，保存图片退出
elif k == ord('s'):
    cv.imwrite('ldhbak.jpeg',img)
    cv.destroyAllWindows()

# 用matplotlib显示图片
img = cv.imread('ldh.jpeg',0)
plt.imshow(img, cmap = 'gray', interpolation = 'bicubic')
plt.xticks([]), plt.yticks([])
plt.show()

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


# 处理摄像头视频
# 创建一个 VideoCapture 对象。他的参数可以是设备的索引号，或者是一个视频文件，笔记本内置涉嫌头一般是0
# cv2.VideoCapture()
# cap.read() 返回一个布尔值（True/False）。如果帧读取的是正确的，就是 True。
# 使用 cap.isOpened()，来检查是否成功初始化了
# 如果返回值是True，那就没有问题。
# 否则就要使用函数 cap.open()。
# cap.get(propId) 来获得视频的一些参数信息
#   0-视频文件的当前位置毫秒
#   1-下一步要解码/捕获的帧的基于0的索引
#   2-视频文件的相对位置：0-胶片开始，1-胶片结束
#   3-视频流中帧的宽度
#   4-视频流中帧的高度
#   5-帧率
#   6-编解码器的4字符代码
#   7-视频文件中的帧数。
#   8-返回mat对象的格式
#   9-后端特定值，指示当前捕获模式
#   10-图像的亮度–仅适用于相机
#   11-对比度–仅用于相机
#   12-饱和度–仅用于相机
#   13-色调–仅用于相机
#   14-增益–仅用于相机
#   15-曝光–仅用于相机
#   16-布尔标志，指示是否应将图像转换为RGB。
#   17-当前不受支持
#   18-立体摄像机的校正标志注：目前仅受DC1394 v 2.x后端支持
# 对应的，使用 cap.set(propId,value) 来修改视频属性，value 就是你想要设置成的新值
# 创建一个 VideoCapture 对象。他的参数可以是设备的索引号，或者是一个视频文件，笔记本内置涉嫌头一般是0
cap = cv.VideoCapture(0)

while(True):
    # 一帧一帧获取视频码流
    ret, frame = cap.read()
    # 对帧进行颜色加工
    gray = cv.cvtColor(frame, cv.COLOR_BGR2GRAY)
    # 实时显示帧信息
    cv.imshow('frame',gray)
    #响应按键，退出
    if cv.waitKey(1) & 0xFF == ord('q'):
        break
# 释放摄像头，删除窗口
cap.release()
cv.destroyAllWindows()



# 是从摄像头中捕获视频，沿水平方向旋转每一帧并保存它
# 创建一个 VideoWriter 的对象。
# 确定一个输出文件的名字。
# 指定 FourCC 编码.
#   FourCC 就是一个 4 字节码，用来确定视频的编码格式
# 播放频率和帧的大小也都需要确定。
# 最后一个是 isColor 标签。
#   如果是 True，每一帧就是彩色图，否则就是灰度图
# 打开当前摄像头
cap = cv.VideoCapture(0)
# 定义视频的编码格式
fourcc = cv.VideoWriter_fourcc(*'XVID')
# 定义输出文件，含文件名，视频的编码格式，帧数，帧大小
out = cv.VideoWriter('output.avi',fourcc, 20.0, (640,480))
# 确定当前摄像头打开后，进行捕捉
while(cap.isOpened()):
    # 获取返回值和帧
    ret, frame = cap.read()
    if ret==True:
        # flip()的作用是使图像进行翻转
        #   filename：需要操作的图像
        #   flipcode：翻转方式
        #       1  水平翻转
        #       0  垂直翻转
        #       -1 水平垂直翻转
        frame = cv.flip(frame,0)

        # 将处理后的帧写入输出文件
        out.write(frame)
        # 并在当前窗口显示帧
        cv.imshow('frame',frame)
        # 按键退出
        if cv.waitKey(1) & 0xFF == ord('q'):
            break
    else:
        break
# 释放输入流输出流，关闭窗口
cap.release()
out.release()
cv.destroyAllWindows()