1.读取图片

cv2.imread(filename, flags)

• -filename: 文件名称
• -flags: 0 读入灰度图片，1 读入彩色图片

cv2.imshow(winname, mat)

• -winname: 窗口名字
• -mat: 要展示的图片矩阵
   

cv2.waitKey(0):暂停程序，这样才能显示图片

import cv2
img = cv2.imread("img.jpg", 1)
cv2.imshow('img', img)
cv2.waitKey(0)

2.图片写入

读取图片要经历四个步骤：

1.文件的读取
2.封装格式解析(jpg,png等格式)
3.数据解码
4.数据加载

这样读取的图片为图片的原始数据

cv2.imwrite(filename, img)

• -filename: 图片名称
• -img: 图片数据
   

import cv2
img = cv2.imread("img.jpg", 1)
cv2.imwrite('img1.jpg', img)

True

2.1图像质量

1.jpg图片文件是以图片质量为代价进行压缩的，属于有损压缩

cv2.IMWRITE_JPEG_QUALITY: 表示当前的图片质量，压缩范围为0-100，不同压缩比对应不同的图片大小，下面我们来体验一下：

import cv2
img = cv2.imread("img.jpg", 1)
cv2.imwrite('imgTest.jpg', img, [cv2.IMWRITE_JPEG_QUALITY, 0])

True

原图像如下：

图片大小为400kb

压缩之后的图片为：

图片大小为40kb, 同时出现了严重的马赛克现象

import cv2
img = cv2.imread("img.jpg", 1)
cv2.imwrite('imgTest2.jpg', img, [cv2.IMWRITE_JPEG_QUALITY, 50])

True

压缩之后的图片为：

图片大小为200kb，马赛克现象没那么的严重

2.png图片格式的压缩属于无损压缩，可以设置透明度

import cv2
img = cv2.imread("img.jpg", 1)
cv2.imwrite('imgTest1.png', img)

True

import cv2
img = cv2.imread("img.jpg", 1)
cv2.imwrite('imgTest2.png', img, [cv2.IMWRITE_PNG_COMPRESSION, 0])

True

压缩之后的图像为：

图片大小为：5.92MB

import cv2
img = cv2.imread("img.jpg", 1)
cv2.imwrite('imgTest3.png', img, [cv2.IMWRITE_PNG_COMPRESSION, 50])

True

图像大小变为2.34MB

由此可知，jpg图片文件图像质量的数值越低，压缩比越高，png图片文件图像质量的数值越低，压缩比越低

3.像素

像素：是指组成图像的小方格

RGB: 每一种颜色都是由RGB(red, green, blue)三种颜色组合而成的

颜色深度：比如，8bit 表示每种颜色的范围是0~255, 所以总共有256^3中颜色

图像宽高：表示在水平方向和竖直方向的像素点的个数

未压缩图片的计算方法: w * h * 颜色通道(3) * 8 bit / 8(B)

3.1像素读取与写入

每一个像素点都有3各部分组成，一般情况下，图片存储的格式为RGB, 但是opecv读取的图片为BGR格式

我们将图片的左上角的一列变为蓝色

import cv2
img = cv2.imread('img.jpg', 1)
(b, g, r) = img[100, 100] # 读取像素值
print(b, g, r)
#10,100 --- 110, 100
for i in range(1, 1000):
  img[10 + i][100] = (255, 0, 0)
cv2.imshow('imageBlue.png', img)
cv2.waitKey(0)

59 54 129

True