2 用python进行OpenCV实战之图像基本知识

前言

在这一节，我们将学习图像的基本构成单元——像素，我们将详细的探讨什么是像素？像素是如何使用来构成图像的？然后学习如何通过OpenCV来获取和操纵像素。

1 什么是像素

所有的图像都包含一组像素，像素是图像的原始构建块。 没有比像素更细的单位了。
通常，我们将像素认为是在我们的图像给定位置出现的光的颜色或者强度，如果我们将图像考虑成一个网格，在网格中的每个方块都包含一个单一的像素。例如，我们假设有一个分辨率是500*300的图像，这就意味着我们的图像被分成一个关于像素的网格，这个网格有500个行，300个列，综上可知，总共有500*300=150000个像素在这张图片中。
像素主要有两种表达形式：灰度模式和彩色模式。在一张灰度图片中，每个像素有一个从0至255{[0,255]}的值，其中0表示“纯黑色”，255表示“纯白色”，在0和255之间的值变现成不同深浅的灰色，当值靠近0时，图像更暗，当值靠近255时，图像更亮。
彩色模式的图片通常用RGB颜色空间来表示（R for red, G for green, B for blue）,还有一些其他的模式比如CMY,但是在这里我们先不讨论。
我们以（red, green, blue）的形式来表示RGB元组，这个元组就表示了我们的颜色，其中这三种颜色的值用在[0,255]之间的整数值表示，所以我们通常用unsigned int类型来表示每个颜色的强度。
为了构成白色，我们需要用(255, 255, 255)来表示，为了得到黑色，我们需要用(0, 0, 0)来表示，红(255, 0, 0),绿(0, 255, 0),蓝(0, 0, 255).
RGB配色表

2 图像坐标系概述

正如我们之前所提到的，我们将一张图片以像素网格的形式表示，我们想象一下假设我们的图片为一张图表纸，图像的左上角为原点。

3 获取和操纵像素

上一节中，我们从磁盘中读取了图片，然后将它转换了格式再存储到了磁盘中，在这一节我们将对如何获取和操纵图像的像素进行实战，建立

getting_and_setting.py

3.1 代码

from __future__ import print_function #1
import argparse #2
import cv2 #3

ap = argparse.ArgumentParser() #4
ap.add_argument("-i", "--image", required=True,
                help="Path to the image") #5
args = vars(ap.parse_args()) #6

image = cv2.imread(args["image"]) #7
cv2.imshow("Original", image) #8

(b, g, r) = image[0, 0] #9
print("Pixel at (0, 0) - Red: {}, Green: {}, Blue: {}".format(r, g, b)) #10

image[0, 0] = (0, 0, 255) #11
(b, g, r) = image[0, 0] #12
print("Pixel at (0, 0) - Red: {}, Green: {}, Blue: {}".format(r, g, b)) #13

corner = image[0:200, 0:100] #14
cv2.imshow("corner1", corner) #15

image[0:200, 0:100] = (0, 255, 0) #16
cv2.imshow("update", image) #17
cv2.waitKey(0) #18

3.2 代码详细解释

#1-6：
关于这段代码在第一节中已经进行过详细解释了，主要是为了导包，命令行参数的处理

#7-8：
展示原始图片

#9：
在第一节中，就曾经提到过OpenCV是用NumPy数组来表示图像的，我们也可以将这种表示看成是一种矩阵表示，为了获取像素，我们需要应用我们所感兴趣的x,y坐标，从中我们可以得到一个表示（r,g,b）的元组，然而，我们需要注意的是：在OpenCV中是以逆序存储RGB通道到的，即我们通常以red,green,blue的顺序来记忆，但是OpenCV则是以blue,green,red的顺序来储存的.

(b, g, r) = image[0, 0]

通过获得图像(0,0)处的像素，并将它赋值给一个三元组，我们可以再次看出OpenCV以逆序存取RGB像素，所以当我们在元组中得到每个元素时候，我们需要以BGR的顺序来获取

#10：
输出RGB每个通道的值到终端。可以看出我们获取像素值的方法非常简单，而这一切都要归功于NumPy,它替我们做了一系列的复杂工作。

#11：
我们操纵在左上角的像素，即在（0,0）处的像素，我们给他赋值（0,0,255），如果我们将它以RGB的格式来读的话，我们认为：red值是0，green值是0，blue值是255，所以我们将得到纯蓝色。然而，正如我们之前所提到的OpenCV是以BGR的格式存储像素的而不是RGB格式，所以我们实际上得到的是：red值是255，green值是0，blue值是0，因此我们得到的是一个纯红色而不是纯蓝色。

#12,13：
通过得到在（0,0）像素点的BGR颜色值，然后将它们以RGB的形式输出

#14
获取以及操纵单一的像素点是相当简单的，那如果使用NumPy的数组分割能力得到图像的一块长方形区域呢？

corner = image[0:200, 0:100] #14

在第一节我们介绍过image的数组里的第一个参数是高即y,第二个参数是宽即x,所以corner将得到一个100*200大小的长方形区域，而这个区域即为图像的左上角区域。

#15：
将corner以“Corner”的名称显示出来

#16：
将左上角的区域用（0,255,0）即绿色来表示，实现了改变一整块区域的像素值的目的。

#17：
以“Updated”的名称显示图像

#18：
cv2.waitKey（）表示暂停脚本的执行直到在键盘输入一个按键，用“0”作为参数表示可以使用任何按键作为继续脚本执行的按钮。

效果展示

---

转载请注明出处：
CSDN:楼上小宇__home:http://http://blog.csdn.net/sty945
简书：楼上小宇：http://www.jianshu.com/u/1621b29625df