前 言

? ? ? ?從2017年入坑人工智能領域開始，就被這一領域深深的所吸引，雖然到現在已經踩了不少坑，但總算有了不少的收獲，深感不虛此行，借助強大的python讓我快速的向著這一領域靠近，現在流行比較廣的人工智能應用，比如：圖像識別，語音識別，文本情感分析，人體行為分析等等。在金融、安全、智能推薦等等，凡是我們能想到的領域，都可以安插人工智能的應用，對推進萬物互聯、萬物互通的未來智能具有深刻影響，可以說是大勢所趨。

? ? ? 由于人類語言的千變萬化，和對語言分析應用的單一，導致在語音、語義方面遠不如圖像分析應用的廣泛。OpenCV是一個專門對圖像進行處理的庫，在此后的學習中，我們會深刻認識到它的強大。借助強大的互聯網，集萬眾之所長，完成學習任務。

圖像的讀取、復制、顯示、保存

（一）認識圖像、讀取圖像

所謂的圖像就是一個數組，所有對圖像的處理就是對數字的處理

# 導入包 import cv2 import numpy as np img = cv2.imread('rose.jpg') print(img) print(np.shape(img))

輸出結果為：

[[[ 65 134 107][ 65 134 107][ 65 134 107]..., [ 33 90 69][ 33 90 69][ 31 90 69]][[ 64 133 106][ 64 133 106][ 64 133 106]..., [ 33 90 69][ 33 90 69][ 31 90 69]][[ 64 132 107][ 64 132 107][ 63 131 106]..., [ 33 90 69][ 33 90 69][ 31 90 69]]..., [[ 1 75 49][ 2 76 50][ 0 77 50]..., [ 24 62 66][ 25 63 67][ 27 65 69]][[ 1 75 49][ 2 76 50][ 0 77 50]..., [ 19 57 61][ 21 59 63][ 22 60 64]][[ 1 75 49][ 2 76 50][ 0 77 50]..., [ 17 55 59][ 19 57 61][ 20 58 62]]] (972, 1024, 3)

（二）顯示圖像

接下來我們來讓讀取的圖像顯示出來，剛才的圖片太大了，我將圖片弄小了一些

# 讀取圖片 img = cv2.imread('rose1.jpg') # 先創建一個窗口 cv2.namedWindow('Image') # 在窗口中顯示圖像 cv2.imshow('Image', img) # 最后還要寫一句代碼，這樣就可以使窗口始終保持住 cv2.waitKey(0)

運行結果為：

?

在讀取圖片中，imread（‘圖片地址’，‘模式參數’）函數可以來控制所讀取圖片的模式。

模式參數：

0：讀入的為灰度圖像（即使讀入的為彩色圖像也將轉化為灰度圖像）

1：讀入的為彩色圖像（默認）

img = cv2.imread('rose1.jpg', 0)

?

cv2.destroyAllWindows()

最后別忘了釋放窗口，養成良好習慣。

（三）復制圖像

img1 = img.copy()

（四）保存圖像

保存圖像也非常簡單

cv2.imwrite('rose_copy.jpg', img1)

第一個參數是保存圖像的地址以及文件的名字，第二個參數是所要保存的圖像數組。

其實它還有第三個參數，針對特定的圖像格式，對于JPEG，其表示的是圖片的quality，用0-100的整數表示，默認為95。當然，你如果把參數設置的超過100也不會出錯，但到100已經達到圖片本身的最高質量了。cv2.IMWRITE_JPEG_QUALITY的類型為int類型，符合圖像數組為整數的要求，不用再更改類型。

cv2.imwrite('rose_copy1.jpg', img1, [cv2.IMWRITE_JPEG_QUALITY, 2])

?

對于PNG，第三個參數表示的是壓縮級別。cv2.IMWRITE_PNG_COMPRESSION，從0到9,壓縮級別越高，圖像尺寸越小。默認級別為3.

cv2.imwrite("rose1_test.png", img, [cv2.IMWRITE_PNG_COMPRESSION, 0]) cv2.imwrite("rose2_test.png", img, [cv2.IMWRITE_PNG_COMPRESSION, 9])

?

?

?

?

其實，還有很多有趣的操作，就不介紹了，需要用的時候在進行學習，知道這兩個比較常用的。

?

總結

以上是生活随笔為你收集整理的python+OpenCV图像处理（一）读取、复制、显示、保存的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。