opencv简单函数（2）图像处理基础

1.图像基本表示方法

1.1二值图像：只有黑白两种颜色的图像。

1.2灰度图：又黑色到白色的渐变色：灰度数值0-255，比二值图像更加细腻。

 

1.3彩色图像。

 

在opencv中彩色图像的通道顺序和RBG色彩空间通道顺序不同，为B->G->R。

2.像素访问

2.1二值图像和灰度图像可以img[x,y]来改变其色素值，其中为了方便，二值图像的黑色为0，白色为255.x为横坐标，y为纵坐标.

img[x,y]=255

2.2彩色图像的可以用img[x,y,z]来改变色素值。x为横坐标，y为纵坐标，z为通道值。

for i in range(50):
    for j in range(50):
        img[i,j,0]=255  #z为0代表B通道
        img[i,j,1]=255  #z为1表示G通道
        img[i,j,2]=255  #z为2表示R通道
 img[0,0] #表示（0，0）点的像素值,返回(B,G,R)
 img[:,:,0]  #表示整个图像在B通道的值，返回B通道的值的列表
 img[0,0]=255 #则代表（0，0）这个点（B，G，R）都被赋值为255
 img[0,0]=[66,77,88] #则代表（0，0）这个点（B，G，R）被赋值为[66,77,88]

3numpy少数函数介绍

3.1zeros（）函数

import numpy as np
img = np.zeros((800,800,3),dtype=np.uint8)

生成一个800*800*3的数组，正好可以用作彩色图像。类型为短整型。

3.2item()访问像素值,x为横坐标，y为纵坐标.

img.item(x,y)

3.3random.randint()函数

import numpy as np
img = np.random.randint(0,2,size=[200,200],dtype=np.uint8)

[0,2]表示取值范围，左开右闭，大小为200*200，类型为短整型。

3.4通道拆分

3.4.1

b=img[:,:,0]
g=img[:,:,1]
r=img[:,:,2]

3.4.2 用split函数来拆分

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

3.5合并merge() 传入一个列表[B,G,R]顺序不能变。

b,g,r=cv2.split(img)
bgr=cv2.merge([b,g,r])
rgb=cv2.merge([r,b,g])
cv2.imshow('bgr',bgr)
cv2.imshow('rgb',rgb)

4 获取图像属性

# 获取图形的属性
a = img.size  #像素数目，为行*列*通道数
b = img.shape #返回一个包含行，列，通道数的数组
c = img.dtype #返回图像的类型