OpenCV学习(2.1) 初识图像

1.图像对象

图像是由一个个像素组成的，像素越多，体现到图像就是更加清晰，有更多的细节。举个例子，通常来说的分辨率，1080P，720P，480P就是指像素的数量，数量越多就越清晰。

2.打印图像的像素值

import cv2

image = 'D:\papercode\AI\Ai-Dentist-Sample-Code-main\opencv\car_recognition\car.jpg'
#读取图片
image = cv2.imread(image)

print("image0",image)
print("image1",image[0])
print("image2",image[0][0])
print("image3",image[0][0][0])

print("image0",image.shape)
print("image1",image[0].shape)
print("image2",image[0][0].shape)
print("image3",image[0][0][0].shape)

结果展示：

image1 [[ 52  81  85]
 [ 75 102 106]
 [ 91 110 113]
 ...
 [229 208 193]
 [229 208 193]
 [229 208 193]]
image2 [52 81 85]
image3 52
image0 (861, 697, 3)
image1 (697, 3)
image2 (3,)
image3 ()

输出的image0没有打印出来，太长了，不过可以从shape中看到是（861，697，3），代表的是长和宽以及通道数；image1是指定了长的位置，显示的是长为序列【0】时宽以及三个通道上的数值，对应的形状就是（697，3）；image2就是选定了长和宽的位置，显示的是在该位置上的三个通道的数值，对应形状就是（3，）； image3就是选定了长和宽以及通道的值，其形状说明这个元素是一个标量（scalar），而不是一个具有维度的数组或张量。

3.其他读取方式

import cv2

image = 'D:\papercode\AI\Ai-Dentist-Sample-Code-main\opencv\car_recognition\car.jpg'


#其它加载图像的方式
image1 = cv2.imread(image, cv2.IMREAD_COLOR)
image2 = cv2.imread(image,cv2.IMREAD_GRAYSCALE)
image3 = cv2.imread(image,cv2.IMREAD_UNCHANGED)
print('image1',image1.shape)
print('image2',image2.shape)
print('image3',image3.shape)
cv2.imshow('image1',image1)
cv2.imshow('image2',image2)
cv2.imshow('image3',image2)

cv2.waitKey(0)
cv2.destroyAllWindows()

输出结果：

image1 (861, 697, 3)
image2 (861, 697)
image3 (861, 697, 3)

cv2.imread(image, cv2.IMREAD_COLOR)：

• 这行代码将以彩色模式读取图像，即使图像是多通道的，也会被读取为彩色图像。
• 如果图像是多通道的（例如RGB图像），则image1将会是一个三通道的彩色图像。

cv2.imread(image, cv2.IMREAD_GRAYSCALE)：

• 这行代码将以灰度模式读取图像，将图像转换为单通道的灰度图像。
• 无论输入的图像是多通道还是单通道，image2都将是一个单通道的灰度图像。

cv2.IMREAD_UNCHANGED

• 是 OpenCV 中的一个常量，用于指定读取图像时保持原始图像的通道数和深度。这意味着，如果图像是一个多通道图像，那么读取后的图像将保持多通道，如果是单通道图像，也会保持单通道。
• 所以，cv2.imread(image, cv2.IMREAD_UNCHANGED) 将以不变的方式读取图像，保持图像的通道和深度不变。

cv.waitKey()是一个键盘绑定函数。其参数是以毫秒为单位的时间。该函数等待任何键盘事件指定的毫秒。如果您在这段时间内按下任何键，程序将继续运行。如果**0**被传递，它将无限期地等待一次敲击键。它也可以设置为检测特定的按键，例如，如果按下键 a 等，我们将在下面讨论。

cv.destroyAllWindows()只会破坏我们创建的所有窗口。如果要销毁任何特定的窗口，请使用函数 cv.destroyWindow()在其中传递确切的窗口名称作为参数。

4.图像存储

#图像存储
cv2.imwrite('messigray.png', image2)

输出显示：存放到当前路径

使用函数**cv.imwrite**()保存图像。

第一个参数是文件名，第二个参数是要保存的图像。 cv.imwrite('messigray.png'，img)

这会将图像以PNG格式保存在工作目录中。

5.图像灰度化的原理

图像的灰度化是将彩色图像转换为灰度图像的过程。灰度图像是一种单通道图像，每个像素只有一个数值，代表了该像素的亮度或灰度级别。灰度化的原理可以通过不同的方法实现，其中最常见的包括加权平均法、亮度法和取值法。

1. YUV亮度灰度化：

   • YUV 是一种颜色编码方法，其中 Y 通道表示亮度，而 U 和 V 通道表示色度。Y 通道包含了图像的亮度信息，因此可以将 Y 通道视为灰度图像的近似。
   • YUV 亮度灰度化方法直接使用 Y 通道作为灰度图像的值，忽略 U 和 V 通道。这种方法简单快速，适用于需要快速处理的场景。
   • 灰度值（Gray） = 0.299 * R + 0.587 * G + 0.114 * B

2. 最大值灰度化：

   • 最大值灰度化方法将彩色图像的每个像素的 R、G、B 三个通道的最大值作为灰度值。这种方法可以保留图像中的最亮部分，适用于需要突出图像亮度信息的场景。

   • 灰度值（Gray） =B = G = R = m a x ( [ B , G , R ] ) 

3. 平均值灰度化：

   • 平均值灰度化方法将彩色图像的每个像素的 R、G、B 三个通道的值取平均作为灰度值。这种方法简单粗暴，会使图像失去一些细节，但可以保留整体的亮度信息。
   • 灰度值（Gray）= (R + G + B) / 3

4. Gamma校正灰度化：

   • Gamma 校正是一种非线性操作，可以调整图像的亮度和对比度。在灰度化中，Gamma 校正可以通过以下公式进行：

     灰度值 = 255 * (原始值 / 255) ^ Gamma 其中，Gamma 为大于 0 的参数，通常在 0.5 到 2.0 之间。Gamma 值越大，图像越暗；Gamma 值越小，图像越亮。Gamma 校正可以调整图像的整体亮度和对比度，适用于需要对图像进行调色和增强的场景。
     

灰度化的目的是降低图像的复杂度，减少处理的计算量，同时保留图像的主要特征和结构。在许多图像处理和计算机视觉任务中，灰度化是一个常见的预处理步骤，可以大大简化后续处理的复杂度。