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。
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：
