python图像处理第四课--图像属性获取、ROI操作及图像通道处理--小白的成长历程

#目的为记录在自己运行时存在的问题及解决方法，本文基于CSDN社区的Eastmount大佬的课程，通过学习，其中也增加了自己的考量和问题的解决。

一、获取图像属性

1. 采用shape关键字输出图片的“形状”，包括行数、列数和通道数，灰度图只有行数和列数。

import cv2
import numpy
#读取图片
img = cv2.imread("C:/Users/CLH/Desktop/test1.JPG",cv2.IMREAD_UNCHANGED)
#获取图像形状
print(img.shape)

#结果
(768, 1024, 3)

2. 通过size关键字获取像素数目，其值就等于行数×列数 ×通道数

#获取图像像素数目
print(img.size)

#结果
2359296

3. 通过dtype关键字获取图像的数据类型，通常返回uint8。

#获取图像类型
print(img.dtype)

#结果
uint8

二 、ROI区域（Region of Interest）表示感兴趣区域，可以随意选取、操作。

1. 显示图像在 [300:500 , 600:800] 范围的区域

import cv2
import numpy
#读取图片
img = cv2.imread("C:/Users/CLH/Desktop/test1.JPG",cv2.IMREAD_UNCHANGED)
#显示ROI区域
window = img[300:500,600:800]
cv2.imshow("123",window)
#等待显示
cv2.waitKey(0)
cv2.destroyAllWindows()

2. 可以将提取的区域融合进原图

window = img[300:500,600:800]
img[100:300,300:500] = window
cv2.imshow("test", img)

三、图像通道处理
zeros函数的作用为返回来一个给定形状和类型的用0填充的数组；

1. 通道拆分

#方法一 直接拆分
b = img[:, :, 0]
g = img[:, :, 1]
r = img[:, :, 2]
#方法二 利用split函数
b, g, r = cv2.split(img)

例子：
由于拆分后不再具有三个通道，单纯的一个通道的值表现出的就是灰度图像。

import cv2
import numpy
#读取图片
img = cv2.imread("C:/Users/CLH/Desktop/test1.JPG",cv2.IMREAD_UNCHANGED)

# 拆分通道
b, g, r = cv2.split(img)
#显示图像
cv2.imshow("B",b)
cv2.imshow("G",g)
cv2.imshow("R",r)

# 等待显示
cv2.waitKey(0)
cv2.destroyAllWindows()

2. 获取蓝色通道图
利用merge函数合并通道

import cv2
import numpy
#读取图片
img = cv2.imread("C:/Users/CLH/Desktop/test1.JPG",cv2.IMREAD_UNCHANGED)

# 拆分通道
b, g, r = cv2.split(img)

# 获取图像的行、列及通道数
rows, cols, chn = img.shape

# 将g、r通道替换为等行列数的0矩阵，并使其与img数据类型一致
g = numpy.zeros((rows,cols),dtype=img.dtype)
r = numpy.zeros((rows,cols),dtype=img.dtype)

# 利用merge合并通道
test = cv2.merge([b,g,r])

# 显示蓝色通道图像
cv2.imshow("B", test)

# 等待显示
cv2.waitKey(0)
cv2.destroyAllWindows()