OpenCV是一个基于BSD许可（开源）发行的跨平台计算机视觉库，可以运行在Linux、Windows、MacOS操作系统上。它轻量级而且高效——由一系列 C 函数和少量C++类构成，同时提供了Python、Ruby、MATLAB等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。
简言之，通过openCV可实现计算机图像、视频的编辑。广泛应用于图像识别、运动跟踪、机器视觉等领域。

为什么用Python？

众所周知，虽然Python语法简洁，编写高效，但相比C/C++运行慢很多。然而Python还有个重要特性：它是一门胶水语言！Python可以很容易地扩展C/C++。OpenCV-Python就是用Python包装了C++的实现，背后实际就是C++的代码在跑，所以代码的运行速度跟原生C/C++速度一样快，而且更加容易编写。

安装

pip install opencv-python

然后import cv2就可以了

基础操作函数

cv2.imread()——读取图像

函数格式cv2.imread(img,flag)
flag取值可以为

• cv2.IMREAD_COLOR 默认、彩色照片
• cv2.IMREAD_GRAYSCALE 灰度照片
• cv2.IMREAD_UNCHANGED 加载原图通道
  也可以通过1、 0、-1 指定上述三个模式

import numpy as np
import cv2

# 灰度模式打开图片
img = cv2.imread('messi5.jpg',0)

cv2.imshow()——显示图片

cv2.imshow('image',img)#第一个为显示的图片名字，第二个为图片
cv2.waitKey(0)#不停刷新图片，直到你按下任意按键退出
cv2.destroyAllWindows()#关闭所有显示框，若只关闭一个，可 cv2.destroyWindow()单独指定

cv2.imwrite()——保存图片

cv2.imwrite('messigray.png',img) #第一个参数为文件名，第二个为要保存的图像。

cv2.VideoCapture()——捕捉视频图像

import numpy as np
import cv2

#创建一个VideoCapture项目，0代表选择第一个设备
cap = cv2.VideoCapture(0)

while(True):
    # 捕捉每一帧图像，返回两个参数ret为是否返回图片（True or False），frame为返回的图片
    ret, frame = cap.read()

    # 通过cv2.cvtColor转换颜色格式为灰度模式
    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)

    # 播放每一帧图像
    cv2.imshow('frame',gray)
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

# 最后要记得释放capture
cap.release()
cv2.destroyAllWindows()

还可以通过更改设备号为文件名来播放视频，并且通过cv2.WaitKey()来控制播放速度，可以制作慢动作视频等等

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()——保存视频

import numpy as np
import cv2

cap = cv2.VideoCapture(0)

#fourcc是一种编码格式，我们保存视频时要指定文件名、编码格式、FPS、输出尺寸、颜色模式
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)  翻转图像（1水平翻转、0垂直翻转、-1水平垂直翻转）
        frame = cv2.flip(frame,0)

        # 写入视频帧
        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()

画图，用处较少，不再赘述

cv2.setMouseCallback()——鼠标绘图

import cv2
import numpy as np

#初始化
drawing = False #为真时开始画图
mode = True #为真时画举行，为假时画圆
ix,iy = -1,-1


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

    #鼠标左键按下时
    if event == cv2.EVENT_LBUTTONDOWN:
        drawing = True
        ix,iy = x,y

    #鼠标移动时
    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)

    #鼠标抬起时
    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)


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

#按下"m"来切换模式
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()——查看并修改单一像素值

import cv2
import numpy as np

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

# 指定像素点
px = img[100,100]
print px
#[157 166 200]

# 获取蓝色像素值
blue = img[100,100,0]
print blue
#157

img.shape img.size img.dtype —— 查看图片尺寸、大小、数据类型

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

>>> print img.size
562248

>>> print img.dtype
uint8

cv2.split cv2.merge —— 分离、合并通道（注意：有损分离）

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

#或者
>>> b = img[:,:,0]

#也可以通过这种形式快速指定红色通道像素值为0
>>> img[:,:,2] = 0

cv2.copyMakeBorder() —— 给图片加一个相框

可以指定下列参数

• src - 你的图片
• top, bottom, left, right - 上下左右边框宽度
• borderType - 边框类型（下面详细展示，不做具体讲解）
  • cv2.BORDER_CONSTANT
  • cv2.BORDER_REFLECT
  • cv2.BORDER_REFLECT_101 or cv2.BORDER_DEFAULT
  • cv2.BORDER_REPLICATE
  • cv2.BORDER_WRAP
• value - 当类型为cv2.BORDER_CONSTANT时需要额外指定的值

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()

如图所示

cv2.inRange —— 用来追踪物体

HSV是一个常用于颜色识别的模型，相比BGR更易区分颜色，转换模式用COLOR_BGR2HSV表示。

经验之谈：OpenCV中色调H范围为[0,179]，饱和度S是[0,255]，明度V是[0,255]。虽然H的理论数值是0°~360°，但8位图像像素点的最大值是255，所以OpenCV中除以了2，某些软件可能使用不同的尺度表示，所以同其他软件混用时，记得归一化。

现在，我们实现一个使用HSV来只显示视频中蓝色物体的例子，步骤如下：

1. 捕获视频中的一帧
2. 从BGR转换到HSV
3. 提取蓝色范围的物体

4. 只显示蓝色物体

   
   追踪蓝色物体

capture = cv2.VideoCapture(0)
# 蓝色的范围，不同光照条件下不一样，可灵活调整
lower_blue = np.array([100, 110, 110])
upper_blue = np.array([130, 255, 255])
while(True):
    # 1.捕获视频中的一帧
    ret, frame = capture.read()
    # 2.从BGR转换到HSV
    hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)
    # 3.inRange()：介于lower/upper之间的为白色，其余黑色
    mask = cv2.inRange(hsv, lower_blue, upper_blue)
    # 4.只保留原图中的蓝色部分
    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