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