本篇主要带大家接触4个简单的opencv-python图像处理示例，看看opencv-python的简洁和强大之处，希望大家都能爱上她[爱慕]

一. 图像显示

1.读入图像

使用函数 cv2.imread() 读入图像。

第一个参数是图片路径，这幅图像应该在此程序的工作路径，或者给函数提供完整路径；

第二个参数是要告诉函数应该如何读取这幅图片：

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

2.显示图像

使用函数 cv2.imshow() 显示图像。窗口会自动调整为图像大小。第一个参数是窗口名，第二个参数是要显示的图像数据。

import cv2img = cv2.imread(r'D:\MM.jpg')cv2.imshow('MM',img)cv2.waitKey(0)

在VS Code上运行上述代码，显示界面如下图所示

图像显示

二. 图像腐蚀

1.使用函数 cv2.imread() 读入图像

2.使用函数cv2.getStructuringElement()获取内核矩阵

第一个参数表示内核的形状，有三种形状可以选择。

MORPH_RECT：矩形;

MORPH_CORSS：交错形状;

MORPH_ELLIPSE：椭圆形;

第二参数是内核的尺寸

第三个参数是锚点的位置，默认值(-1,-1)表示锚点位于结构元素中心

3.使用函数cv2.erode()函数进行图像腐蚀操作

第一个参数是原始图像

第二个参数是用于腐蚀操作的结构元素，可以使用getStructuringElement来取得结构元素

4.使用函数 cv2.imshow() 显示图像

import cv2imgSource = cv2.imread(r'D:\MM.jpg')cv2.imshow('original',imgSource)element = cv2.getStructuringElement(cv2.MORPH_RECT,(5,5))imgDst = cv2.erode(imgSource,element)cv2.imshow('erode',imgDst)cv2.waitKey(0)

在VS Code上运行上述代码，显示界面如下图所示

腐蚀图

内核尺寸设置为(5,5)，也可以自己试试其他尺寸的效果图，比如(15,15) 【当我没说[打脸]】。为了大美女的形象，就不展示其他效果图了[呆无辜]

三. 图像模糊

1.使用函数 cv2.imread() 读入图像

2.使用函数cv2.blur()函数进行均值滤波操作

第一个参数是原始图像

第二个参数表示进行均值滤波的方框大小

3.使用函数 cv2.imshow() 显示图像

import cv2imgSource = cv2.imread(r'D:\MM.jpg')cv2.imshow('original',imgSource)imgDst = cv2.blur(imgSource,(6,6))cv2.imshow('blur',imgDst)cv2.waitKey(0)

在VS Code上运行上述代码，显示界面如下图所示

模糊效果图

四. canny边缘检测

1.使用函数 cv2.imread() 读入图像

2.使用函数 cv2.cvtColor() 进行颜色空间转换操作

第一个参数是原始图像

第二个参数是转换类型

COLOR_BGR2GRAY：将BGR格式转换成灰度图片

COLOR_BGR2RGB：将BGR格式转换成RGB格式

COLOR_BGR2HSV：将BGR格式转换成HSV格式

3.使用函数cv2.blur()函数进行均值滤波以降噪

4.使用函数cv2.Canny()函数进行边缘检测操作

第一个参数是原始图像（必须为单通道图）

第二个参数是阈值1

第三个参数是阈值2，用于检测图像中明显的边缘

5.使用函数 cv2.imshow() 显示图像

import cv2imgSource = cv2.imread(r'D:\MM.jpg')cv2.imshow('original',imgSource)imgGray = cv2.cvtColor(imgSource,cv2.COLOR_BGR2GRAY)edge = cv2.blur(imgGray,(3,3))edge = cv2.Canny(edge,3,30)cv2.imshow('Canny',edge)cv2.waitKey(0)

在VS Code上运行上述代码，显示界面如下图所示

边缘检测效果图