1.图片来源
该图片来源于百度图片 ，如果侵权 ，请联系我删除！图片仅用于知识交流。本文只是为了告诉大家：python其实有很多黑科技(牛逼的库)，我们既可以用python处理工作中的一些事儿 ，同时我们也可以利用python做一些有趣的事儿 。
很多人学习python ，不知道从何学起 。
很多人学习python，掌握了基本语法过后，不知道在哪里寻找案例上手。
很多已经做案例的人 ，却不知道如何去学习更加高深的知识 。
那么针对这三类人 ，我给大家提供一个好的学习平台，免费领取视频教程 ，电子书籍 ，以及课程的源代码！
QQ群：1097524789
2.读取图片并显示
-
imread()：读取图片；
-
imshow()：展示图片；
-
waitkey()：设置窗口等待，如果不设置 ，窗口会一闪而过；
import cv2
import numpy as np
# 读取照片
img=cv2.imread('girl.jpg')
# 显示图像
cv2.imshow('img',img)
# 窗口等待的命令 ，0表示无限等待
cv2.waitKey(0)
效果如下：
3.图片缩放
-
resize()：图片缩放，其中fx和fy表示缩放比例 ，0.5表示缩放为以前的 一半 。
import cv2
import numpy as np
# 读取照片
img=cv2.imread('girl.jpg')
# 图像缩放
img = cv2.resize(img,None,fx=0.5,fy=0.5)
rows,cols,channels = img.shape
print(rows,cols,channels)
# 显示图像
cv2.imshow('img',img)
# 窗口等待的命令 ，0表示无限等待
cv2.waitKey(0)
结果如下：
4.将图片转换为灰度图像
三色图片有RGB三个颜色通道，无法进行腐蚀和膨胀的操作。这个就需要我们将彩色图片转换为hsv灰度图像后 ，再完成腐蚀和膨胀的操作。
-
cv2.cvtColor(img,cv2.COLOR_BGR2HSV)可以将彩色图片转化为hsv灰度图片 。
import cv2
import numpy as np
# 读取照片
img=cv2.imread('girl.jpg')
# 图像缩放
img = cv2.resize(img,None,fx=0.5,fy=0.5)
rows,cols,channels = img.shape
print(rows,cols,channels)
cv2.imshow('img',img)
# 图片转换为二值化图
hsv = cv2.cvtColor(img,cv2.COLOR_BGR2HSV)
# 显示图像
cv2.imshow('hsv',hsv)
# 窗口等待的命令 ，0表示无限等待
cv2.waitKey(0)
结果如下：
5.将图片进行二值化处理
二值化处理是为了将图片转换为黑白图片 。二值化类似于1表示男 、2表示女，对于图像的处理我们也需要自定义一个最小值和最大值，这里分别用lower_blue和upper_blue表示
-
lower_blue = np.array([90,70,70])
-
upper_blue = np.array([110,255,255])
-
inRange(hsv, lower_blue, upper_blue)将图片进行二值化操作。
import cv2
import numpy as np
# 读取照片
img=cv2.imread('girl.jpg')
# 图像缩放
img = cv2.resize(img,None,fx=0.5,fy=0.5)
rows,cols,channels = img.shape
print(rows,cols,channels)
cv2.imshow('img',img)
# 图片转换为灰度图
hsv = cv2.cvtColor(img,cv2.COLOR_BGR2HSV)
cv2.imshow('hsv',hsv)
# 图片的二值化处理
lower_blue = np.array([90,70,70])
upper_blue = np.array([110,255,255])
mask = cv2.inRange(hsv, lower_blue, upper_blue)
# 显示图像
cv2.imshow('mask',mask)
# 窗口等待的命令 ，0表示无限等待
cv2.waitKey(0)
结果如下：
缺点：我们观察第三章图片 ，发现黑色区域有时候会出现一些噪声(白点)，这里可能显示的不是很明显 ，有的图片显示的很明显 ，这就需要我们进行腐蚀或膨胀 。
6.图象的腐蚀和膨胀
上面的图象进行二值化后，出现了一些噪声 ，我们可以采用腐蚀或膨胀进行图片的处理 ，观察哪种的处理效果好一些 。
-
erode(mask,None,iterations=1)进行腐蚀操作。
-
dilate(erode,None,iterations=1)进行膨胀操作 。
import cv2
import numpy as np
# 读取照片
img=cv2.imread('girl.jpg')
# 图像缩放
img = cv2.resize(img,None,fx=0.5,fy=0.5)
rows,cols,channels = img.shape
print(rows,cols,channels)
cv2.imshow('img',img)
# 图片转换为灰度图
hsv = cv2.cvtColor(img,cv2.COLOR_BGR2HSV)
cv2.imshow('hsv',hsv)
# 图片的二值化处理
lower_blue=np.array([90,70,70])
upper_blue=np.array([110,255,255])
mask = cv2.inRange(hsv, lower_blue, upper_blue)
#腐蚀膨胀
erode=cv2.erode(mask,None,iterations=1)
cv2.imshow('erode',erode)
dilate=cv2.dilate(erode,None,iterations=1)
cv2.imshow('dilate',dilate)
# 窗口等待的命令，0表示无限等待
cv2.waitKey(0)
结果如下：
观察上图：对于这个图片 ，无论是腐蚀或膨胀 ，都起到了很好的去图片噪声的操作，我们使用腐蚀后的图片也可以 ，我们使用膨胀后的图片也可以 。
7.遍历每个像素点进行颜色替换
图片是由每一个像素点组成的 ，我们就是要找到腐蚀后得到图片的，白色底色处的像素点，然后将原图中对应位置处的像素点 ，替换为红色。
import cv2
import numpy as np
# 读取照片
img=cv2.imread('girl.jpg')
# 图像缩放
img = cv2.resize(img,None,fx=0.5,fy=0.5)
rows,cols,channels = img.shape
print(rows,cols,channels)
cv2.imshow('img',img)
# 图片转换为灰度图
hsv = cv2.cvtColor(img,cv2.COLOR_BGR2HSV)
cv2.imshow('hsv',hsv)
# 图片的二值化处理
lower_blue=np.array([90,70,70])
upper_blue=np.array([110,255,255])
mask = cv2.inRange(hsv, lower_blue, upper_blue)
#腐蚀膨胀
erode=cv2.erode(mask,None,iterations=1)
cv2.imshow('erode',erode)
dilate=cv2.dilate(erode,None,iterations=1)
cv2.imshow('dilate',dilate)
#遍历每个像素点 ，进行颜色的替换
for i in range(rows):
for j in range(cols):
if erode[i,j]==255: # 像素点为255表示的是白色，我们就是要将白色处的像素点 ，替换为红色
img[i,j]=(0,0,255) # 此处替换颜色 ，为BGR通道，不是RGB通道
cv2.imshow('res',img)
# 窗口等待的命令 ，0表示无限等待
cv2.waitKey(0)
效果如下：
