【计算机视觉】OpenCV 4高级编程与项目实战（Python版）【2

先自我介绍一下，小编浙江大学毕业，去过华为、字节跳动等大厂，目前阿里P7

深知大多数程序员，想要提升技能，往往是自己摸索成长，但自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年最新Python全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上Python知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

如果你需要这些资料，可以添加V获取：vip1024c （备注Python）

正文

不过由于Python的列表元素是从0开始的，所以左下角像素的坐标应该是(399,0)，右下角像素的坐标应该是(399, 599)。

如果不想用编程的方式获取图像的某个像素的坐标和分辨率，可以用一些工具软件，例如Windows的“画图”程序（如图4所示）可以很容易获得像素坐标和分辨率，只不过像素坐标是(x,y)形式的，需要将坐标的两个值调换位置后才是OpenCV的像素坐标。用“画图”打开图像，将鼠标放到图像上，左下角黑框中是鼠标所在像素的坐标，整下方黑框内是图像的分辨率。

2.读取像素的BGR值

使用imread函数读取图像的数据后，可以使用下面的代码获得像素对应的颜色值。

import cv2
image = cv2.imread("flower.jpg")
px = image[200,300]    # 获取坐标(200,300)的像素值
print(px)

执行这段代码，会输出如下的内容：

[207 142 211]

px本身是一个列表，列表中有3个元素值，分别代表B（蓝）、G（绿）和R（红）3中颜色，也就是通常说的三原色。要注意，通过这种方式获取的三原色并不是习惯上的RGB，而是BGR。通过将3种颜色按不同值（每一种颜色值的范围从0到255）组合，就会呈现出各种颜色，三原色总共可以表示16777216（256 × 256 × 256）种颜色。

如果使用imread函数读取的是彩色图像，那么图像数据是包含通道的，BGR中的B、G、R就是彩色图像的3个通道。BGR也成为色彩空间，如果改变了通道顺序，如将BGR变成RGB，那么就又形成了另外一种色彩空间。而OpenCV选择了BGR色彩空间，不过这些色彩空间可以相互转换，在后面的文章会详细介绍这部分内容。

除了一下子获取BGR三个通道的颜色值外，也可以使用下面的代码分别获取独立的B、G、R值。

import cv2
image = cv2.imread("images/flower.jpg")
blue = image[200,300,0]            # 获取B通道的颜色值
green = image[200,300,1]        # 获取G通道的颜色值
red = image[200,300,2]            # 获取R通道的颜色值
print(blue, green, red)           # 输出BGR通道的颜色值

运行这段代码，会输出如下内容：

[207 142 211]
[255   0   0]

从输出结果可以看出，像素(200,300)的BGR值已经被修改。但阅读这段代码，需要注意如下几点：

• 这里修改的只是内存中图像的像素值，并没有将修改结果保存到图像文件中，如果想保存修改结果，需要使用imwrite函数。

• 在修改像素值时，不要直接修改px的值，而是直接为image[y,x]赋值，否则修改的只是px变量的值，image[y,x]的值并未改变，如下面的代码是无法修改像素(200,300)的颜色值的。

px = [255,255,255]

说明：不管是RGB色彩空间，还是BGR色彩空间，只要R、G、B三个通道的值相等，彩色图像就变成了灰度图像，其中R = G = B = 0是纯黑色，R = G = B = 255是纯白色。

下面的代码将flower.jpg中由(120,230)、(120, 310)、(190, 230)和(190, 310)这4个点围起的矩形区域变成纯黑色，并在窗口中展示原图和修改过的图，最后将修改结果保存在flower_new.jpg文件中。

import cv2

image = cv2.imread("images/flower.jpg")
cv2.imshow("oldimage", image)            # 在窗口中显示原图像
for i in range(120, 191):                 # i表示纵坐标，在区间[120，190]内取值
    for j in range(230, 311):             # j表示横坐标，在区间[230, 310]内取值
        image[i, j] = [0, 0, 0]             # 把区域内的所有像素都修改为黑色
cv2.imshow("newimage", image)            # 在窗口中显示修改后的图像
cv2.imwrite("images/flower_new.jpg", image)        # 保存修改结果
cv2.waitKey()
cv2.destroyAllWindows() 

运行这段程序，会看到如图5（原图）和图6（修改后的图像）所示的效果。

感谢每一个认真阅读我文章的人，看着粉丝一路的上涨和关注，礼尚往来总是要有的：

①　2000多本Python电子书（主流和经典的书籍应该都有了）

②　Python标准库资料（最全中文版）

③　项目源码（四五十个有趣且经典的练手项目及源码）

④　Python基础入门、爬虫、web开发、大数据分析方面的视频（适合小白学习）

⑤ Python学习路线图（告别不入流的学习）

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化的资料的朋友，可以添加V获取：vip1024c （备注python）

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

[外链图片转存中…(img-3JtvK6AN-1713438856370)]

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！