#-*- coding:utf8-*-
#读取图片
'''
1.cv2.imread(文件名，属性)
属性：指定图像用哪一种方式读取文件
cv2.IMREAD_COLOR：读入彩色图像，默认参数，Opencv 读取彩色图像为BGR模式 ！！！注意
cv2.IMREAD_GRAYSCALE：读入灰度图像。
2.
cv2.imshow(窗口名，图像文件)显示图像 可以创建多个窗口
3.
cv2.waitKey()键盘绑定函数
函数等待待定的几毫秒，看是否有键盘输入
4.
cv2.namedWindow(窗口名，属性) 创建一个窗口
属性:指定窗口大小模式
cv2.WINDOW_AUTOSIZE：根据图像大小自动创建大小
cv2.WINDOW_NORMAL：窗口大小可调整
5.
cv2.destoryAllWindows(窗口名) 删除任何建立的窗口
'''
import cv2
img=cv2.imread('sd.jpg', cv2.IMREAD_COLOR)
cv2.namedWindow('image',cv2.WINDOW_NORMAL)
cv2.imshow('image',img)
cv2.waitKey(0)
cv2.destoryAllWindows()
#cv2.imwrite(保存图像名，需要保存的图像) 保存图像
img=cv2.imread('sd.jpg',cv2.IMREAD_COLOR)
cv2.imshow('image',img)
k=cv2.waitKey(0)
if k==27: #等待ESC键
cv2.destoryAllwindows()
elif k==ord('s'): #等待's'键来保存和退出
cv2.imwrite('dehua.jpg',img)#文件名为英文
cv2.destoryAllWindows()
#对于图像的一些操作
import cv2
img=cv2.imread('sd.jpg',cv2.IMREAD_COLOR)
print(img.shape)#(300, 375, 3)
print(img.size)#337500
print(img.dtype)#uint8
#在处理图片时，将一些信息直接以文字的形式输出在图片上
cv2.putText(照片/添加的文字/左上角坐标/字体/字体大小/颜色/字体粗细)
img=cv2.imread('sd.jpg',cv2.IMREAD_COLOR)
cv2.putText(img,'there 0 error(s):',(50,150),cv2.FONT_HERSHEY_COMPLEX,6,(0,0,255),25)
cv2.imshow('image',img)
cv2.waitKey(0)
#缩放图片
'''
实现缩放图片并保存，在使用OpenCV时常用的操作。cv2.resize()支持多种插值算法，默认使用cv2.INTER_LINEAR，缩小最适合使用：cv2.INTER_AREA，放大最适合使用：cv2.INTER_CUBIC或cv2.INTER_LINEAR。
res=cv2.resize(image,(2*width,2*height),interpolation=cv2.INTER_CUBIC)
或者：
res=cv2.resize(image,None,fx=2,fy=2,interpolation=cv2.INTER_CUBIC)
此处None本应该是输出图像的尺寸，因为后边设置了缩放因子
'''
height,width=img.shape[:2]##获取原图像的水平方向尺寸和垂直方向尺寸。
res=cv2.resize(img,(2*width,2*height),interpolation=cv2.INTER_CUBIC)
cv2.imshow('res',res)
cv2.waitKey(0)
#图像的平移
'''
cv2.warpAffine(src, M, dsize[, dst[, flags[, borderMode[, borderValue]]]])
平移就是将图像换个位置，如果要沿(x,y)方向移动，移动距离为(tx,ty),则需要构建偏移矩阵M。
'''
#图片平移（100，50）
import cv2
import numpy as np
img=cv2.imread('dd.jpg',1)
rows,cols,channel=img.shape
M=np.float32([[1,0,100],[0,1,50]])
dst=cv2.warpAffine(img,M,(cols,rows))
cv2.imshow('img',dst)
cv2.waitKey(0)
#其中 (cols,rows)代表输出图像的大小，M为变换矩阵，100代表x的偏移量，50代表y的偏移量，单位为像素。
#----------------------------------------------------------------------------------------------------
#OpenCV中首先需要构造一个旋转矩阵，通过cv2.getRotationMatrix2D获得。
import cv2
img=cv2.imread('dd.jpg',0)
rows,cols=img.shape
#第一个参数为旋转中心，第二个为旋转角度，第三个为旋转后的缩放因子
M=cv2.getRotationMatrix2D((cols/2,rows/2),45,0.6)
#第三个参数为图像的尺寸中心
dst=cv2.warpAffine(img,M,(2*cols,2*rows))
cv2.imshow('img',dst)
cv2.waitKey(0)
cv2.destoryALLWindows()
#仿射变换
'''
在仿射变换中，原图中所有的平行线在结果图像中同样平行。为了创建偏移矩阵，需要在原图像中找到三个点以及它们在输出图像中的位置。然后OpenCV中提供了cv2.getAffineTransform创建2*3的矩阵，最后将矩阵传给函数cv2.warpAffine。
'''
import cv2
import matplotlib.pyplot as plt
import numpy as np
img=cv2.imread('test.png')
rows,cols,ch=img.shape
pts1=np.float32([[50,50],[200,50],[50,200]])
pts2=np.float32([[10,100],[200,50],[100,250]])
M=cv2.getAffineTransform(pts1,pts2)
dst=cv2.warpAffine(img,M,(cols,rows))
plt.subplot(121),plt.imshow(img),plt.title('Input')
plt.subplot(122),plt.imshow(dst),plt.title('Output')
plt.show()
#----------------------------------------------------------------
#透视变换
'''
视角变换，需要一个3*3变换矩阵。在变换前后要保证直线还是直线。构建此矩阵需要在输入图像中找寻4个点，以及在输出图像中对应的位置。这四个点中的任意三个点不能共线。变换矩阵OpenCV提供cv2.getPerspectiveTransform()构建。然后将矩阵传入函数cv2.warpPerspective。
'''
import cv2
import numpy as np
import matplotlib.pyplot as plt
img=cv2.imread('test.png')
rows,cols,ch=img.shape
pts1=np.float32([[56,65],[368,52],[28,387],[389,390]])
pts2=np.float32([[0,0],[300,0],[0,300],[300,300]])
M=cv2.getPerspectiveTransform(pts1,pts2)
dst=cv2.warpPerspective(img,M,(300,300))
plt.subplot(121),plt.imshow(img),plt.title('Input')
plt.subplot(122),plt.imshow(dst),plt.title('Output')
plt.show()
#图像 regions of Interest
#有时需要对一副图像的特定区域进行操作，ROI使用Numpy索引来获得的。
import cv2
import numpy as np
import matplotlib.pyplot as plt
image=cv2.imread('test.png')
rows,cols,ch=image.shape
tall=image[0:100,300:700]
image[0:100,600:1000]=tallall
cv2.imshow("image",image)
cv2.waitKey(0)
cv2.destoryALLWindows()
# 通道的拆分/合并处理
'''
有时需要对BGR三个通道分别进行操作。这时需要将BGR拆分成单个通道。同时有时需要把独立通道的图片合并成一个BGR图像。
使用OpenCV库函数版本
'''
import cv2
import numpy as np
import matplotlib.pyplot as plt
image=cv2.imread('pitt1.jpg')
rows,cols,ch=image.shape
#拆分通道，cv2.split()是一个比较耗时的操作。只有需要时使用，尽量Numpy
b,g,r=cv2.split(image)
print (b.shape)
#(768,1024)
#合并通道
image=cv2.merge(b,g,r)