Opencv-图像操作与处理入门基本知识（一）

前言

基于python脚本语言开发的数字图片处理包，比如PIL(Python Image Library),Pillow, opencv, scikit-image等。

• PIL和Pillow只提供最基础的数字图像处理，功能有限；

PIL历史悠久，原来是只支持python2.x的版本的，后来出现移植到python3的库pillow,pillow号称是friendly fork for PIL,其功能和PIL差不多，但是支持python3。

• opencv实际上是一个c++库，只是提供了python接口，更新速度非常慢。
• scikit-image是基于scipy的一款图像处理包，它将图片作为numpy数组进行处理正好与matlab一样。

---

一、图像基础知识

• 模拟图像

连续图像 通过某种物理量（如光、电等）的强弱变化来记录图像亮度信息，是连续变化的。

• 数字图像

分级存储的图像

• 位数：图像的表示 每个像素点是如何表示的
• 分类：二值图像、灰度图像、彩色图像

计算机采用0/1编码的系统，数字图像也是利用0/1来记录信息，我们平常接触的图像都是8位数图像包含0-255灰度，其中 0：黑 1：白

• 黑色：（0,0,0）
• 白色：（256,256,256）/（1,1,1）

• 二值图像

每个像素取值0/1

• 灰度图

每个像素8位 0-255 (没有三个通道，只有一个通道，表示亮度就可以)

• 彩色图

每个像素由R G B 三个分量表示，每个分量0-255，因此单独拿出一个分量就是一个灰度图，每一像素的颜色需由R，G、B三个分量来表示，M，N分别表示图像的行列数，三个MxN的二维矩阵分别表示各个像素的R，G、B三个颜色分量

• 索引图像

一种把像素值直接作为RGB调色板下标的图像。索引图像可把像素值“直接映射”为调色板数值。

RGB图像和索引图像的区别

像素坐标系

像素坐标系u-v的原点为O0
在视觉处理库OpenCV中，u对应x，v对应y；

图像坐标系

图像坐标系x-y的原点是O1，为像素坐标系的中点，

---

二、opencv处理图像基本操作

2.1 基础知识与应用

opencv:BGR格式
一般图像是RGB格式，且图像显示时用的也是RGB格式

2.1.1 读取图像

2.1.2 显示图像

opencv中彩色图像显示BGR格式
matplotlib中彩色图像显示RGB格式

2.1.3 显示图像

2.1.4 基础操作示例

import numpy as np
import cv2 as cv
import matplotlib.pyplot as plt

img = np.zero((256,256,3),np.unit8) 
# 彩色图创建加上3个通道，而且每个通道大小也是500*500
# img = np.zero((256,256)),np.unit8  灰度图创建

plt.imshow(img[:,:,::-1])

• 修改像素值
  

img[100,100] # 返回该像素点位置三个通道的值
img[100,100,100] # 只返回蓝色通道的值

# 修改
img[100,100] = (0,0,255) # 红色

# 通道的拆分与合并
b,g,r = cv.split(img)
img = cv.merge((b,g,r)) 

• 案例引入

import numpy as np
import cv2 as cv
img = cv.imread（'messi5.jpg'） # cv读取获得的时BGR格式
# 获取某个像素点的值
px = img[100，100]
# 仅获取蓝色通道的强度值 指定蓝色通道B:0  G:1  R:2
blue = img[100，100，0]