OpenCV-Python学习笔记（三）：图像的基础操作：获取像素值并修改、获取图像信息、ROI、通道拆分与合并、边界填充

1.获取并修改像素值

首先我们需要读入一幅图像，可以根据像素的行和列的坐标获取他的像素值。对 BGR 图像而言，返回值为 B，G，R 的值。对灰度图像而言，会返回他的灰度值（亮度 intensity）：

import cv2
import numpy as np
img = cv2.imread('D:/opencv/images/roi.jpg')

# 获取像素值
px = img[100,100]
print(px)
blue = img[100,100,0]
print(blue)

# 打印结果
## [57 63 68]
## 57

# 修改像素值
img[100,100]=[255,255,255]
print(img[100,100])

## [255 255 255]

Numpy 是经过优化了的进行快速矩阵运算的软件包。所以我们不推荐逐个获取像素值并修改，这样会很慢，能用矩阵运算就不要用循环。对于获取每一个像素值，也许使用 Numpy 的 array.item() 和 array.itemset() 会更好。但是返回值是标量。如果你想获得所有 B， G， R 的值，你需要使用 array.item() 分割他们。获取像素值及修改的更好方法：

import cv2
import numpy as np
img = cv2.imread('D:/opencv/images/roi.jpg')
print img.item(10,10,2)
img.itemset((10,10,2),100)
print(img.item(10,10,2))

## 50
## 100

2.获取图像属性
图像的属性包括：行，列，通道，图像数据类型，像素数目等. img.shape可以获取图像的形状，他的返回值是一个包含行数，列数，通道数的元组。如果图像是灰度图，返回值仅有行数和列数。所以通过检查这个返回值就可以知道加载的是灰度图还是彩色图。img.size 可以返回图像的像素数目。img.dtype 返回的是图像的数据类型。
 

注意：在debug时 img.dtype 非常重要。因为在 OpenCVPython 代码中经常出现数据类型的不一致。

3.图像ROI

有时你需要对一幅图像的特定区域进行操作。例如我们要检测一副图像中眼睛的位置，我们首先应该在图像中找到脸，再在脸的区域中找眼睛，而不是直接在一幅图像中搜索。这样会提高程序的准确性和性能。

ROI 也是使用 Numpy 索引来获得的。现在我们选择球的部分并把他拷贝到图像的其他区域。

import cv2
import numpy as np

img=cv2.imread('D:/opencv/images/roi.jpg')
ball=img[280:340,330:390]
img[270:330,100:160]=bal

结果如下：

 

4.拆分及合并图像通道
有时我们需要对 BGR 三个通道分别进行操作。这是你就需要把 BGR 拆分成单个通道。有时你需要把独立通道的图片合并成一个 BGR 图像。可以这样做：
拆通道：b, g, r = cv2.spilt(img)

合并通道：img = cv2.merge(b, g, r)

import cv2
import numpy as np

img=cv2.imread('D:/opencv/images/roi.jpg')
b,g,r=cv2.split(img)  #拆通道
img=cv2.merge(b,g,r)  #合并通道

b = img[:, :, 0]  # 单独拆出蓝色通道

img[:, :, 2] = 0  # 将红色通道值全部赋值为0

 注意：cv2.split() 是一个比较耗时的操作。只有真正需要时才用它，能用Numpy 索引就尽量用。

 

5.为图像扩边（填充）
图像扩边（填充），在卷积运算或 0 填充时经常被用到。如果你想在图像周围创建一个边，就像相框一样，你可以使用 cv2.copyMakeBorder()函数。这个函数包括如下参数：

• src 输入图像
• top, bottom, left, right 对应边界的像素数目。
• borderType 要添加哪种类型的边界，类型如下：
        – cv2.BORDER_CONSTANT 添加有颜色的常数值边界，还需要下一个参数（value）。
        – cv2.BORDER_REFLECT 边界元素的镜像。比如: fedcba|abcdefgh|hgfedcb
        – cv2.BORDER_REFLECT_101 or cv2.BORDER_DEFAULT跟上面一样，但稍作改动。例如: gfedcb|abcdefgh|gfedcba
        – cv2.BORDER_REPLICATE 重复最后一个元素。例如: aaaaaa|abcdefgh|hhhhhhh
        – cv2.BORDER_WRAP 不知道怎么说了, 就像这样: cdefgh|abcdefgh|abcdefg
• value 边界颜色，如果边界的类型是 cv2.BORDER_CONSTANT，需要value参数

import cv2
import numpy as np
from matplotlib import pyplot as plt

BLUE=[255,0,0]

img1=cv2.imread('opencv_logo.png')

replicate = cv2.copyMakeBorder(img1,10,10,10,10,cv2.BORDER_REPLICATE)
reflect = cv2.copyMakeBorder(img1,10,10,10,10,cv2.BORDER_REFLECT)
reflect101 = cv2.copyMakeBorder(img1,10,10,10,10,cv2.BORDER_REFLECT_101)
wrap = cv2.copyMakeBorder(img1,10,10,10,10,cv2.BORDER_WRAP)
constant= cv2.copyMakeBorder(img1,10,10,10,10,cv2.BORDER_CONSTANT,value=BLUE)

plt.subplot(231),plt.imshow(img1,'gray'),plt.title('ORIGINAL')
plt.subplot(232),plt.imshow(replicate,'gray'),plt.title('REPLICATE')
plt.subplot(233),plt.imshow(reflect,'gray'),plt.title('REFLECT')
plt.subplot(234),plt.imshow(reflect101,'gray'),plt.title('REFLECT_101')
plt.subplot(235),plt.imshow(wrap,'gray'),plt.title('WRAP')
plt.subplot(236),plt.imshow(constant,'gray'),plt.title('CONSTANT')

plt.show()

结果如下（由于OpenCV 中是按 BGR，matplotlib 中是按 RGB 排列，本例是使用 matplotlib 绘制，所以显示的图像和实际相比较交换了 R 和 B 的位置）：

 实际的图标是下面这样的：