图像基本操作
1. 访问和修改像素值
首先,一张图像有自己的属性,宽,高,通道数。其中宽和高是我们肉眼可见的属性,而通道数则是图像能呈现色彩的属性。我们都知道,光学三原色是红色,绿色和蓝色,这三种颜色的混合可以形成任意的颜色。常见的图像的像素通道也是对应的R,G,B三个通道,在OpenCV中,每个通道的取值为0~255,。(注:还有RGBA,YCrCb,HSV等其他图像通道表示)。即,一般彩色图像读进内存之后是一个h * w * c的矩阵,其中h为图像高(相当于矩阵的行),w为图像宽(相当于矩阵列),c为通道数。
import numpy as np
import cv2 as cv
import matplotlib.pyplot as plt
img0 = cv.imread('lena.jpg', 0)
img1 = cv.imread('lena.jpg', 1)
img2 = cv.imread('lena.jpg', -1)
print(img0.shape)
print(img1.shape)
print(img2.shape)
(722, 726)
(722, 726, 3)
(722, 726, 3)
img1[100, 100]
array([ 78, 62, 145], dtype=uint8)
blue = img1[100, 100, 0]
print(blue)
78
# 修改像素值
img1[50:100, 50:100, :] = 255 * np.ones((50, 50, 3), dtype=np.uint8)
plt.imshow(img1[..., ::-1])
注意: 上述方法通常用于选择数组的某个区域,比如前 5 行和后 3 列。对于单个像素的访问,可以选择使用 Numpy 数组方法中的 array.item()和 array.itemset(),注意它们的返回值是一个标量。如果需要访问所有的 G、R、B 的值,则需要分别为所有的调用 array.item()
# 访问 红色通道 的值
img1.item(10, 10, 2)
214
# 修改 红色通道 的值
img1.itemset((10, 10, 2), 100)
img1.item(10, 10, 2)
100
2. 访问图像属性
print(img1.shape)
print(img1.dtype)
print(img1.size)
(722, 726, 3)
uint8
1572516
3. 图像中的感兴趣区域
ROI(感兴趣区域)
ball = img1[280:340, 330:390]
4. 拆分和合并图像通道
警告: cv.spilt()是一项代价高昂的操作(就时间而言)。所以只有在你需要时才这样做,否则就使用 Numpy 索引。
b, g, r = cv.split(img1)
img1 = cv.merge((b, g, r))
# 使用切片
b = img1[:, :, 0]
img1[:, :, 2] = 0
plt.imshow(img1[..., ::-1])
<matplotlib.image.AxesImage at 0x1a84e9e79b0>
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-SK3oWa1S-1592835358402)(output_18_1.png)]
5. 制作图像边界(填充)
cv.copyMakeBorder().该函数采用以下参数:
src-输入的图像
top,bottom,left,right-上下左右四个方向上的边界拓宽的值
borderType-定义要添加的边框类型的标志。它可以是以下类型:
cv.BORDER_CONSTANT- 添加一个恒定的彩色边框。该值应作为下一个参数value给出。
cv.BORDER_REFLECT-边框将是边框元素的镜像反射,如下所示:fedcba|abcdefgh|hgfedcb
cv.BORDER_REFLECT_101或者 cv.BORDER_DEFAULT-与上面相同,但略有改动,如下所示: gfedcb | abcdefgh | gfedcba
cv.BORDER_REPLICATE -最后一个元素被复制,如下所示: aaaaaa | abcdefgh | hhhhhhh
cv.BORDER_WRAP-不好解释,它看起来像这样: cdefgh | abcdefgh | abcdefg
value- 如果边框类型为cv.BORDER_CONSTANT,则这个值即为要设置的边框颜色
import cv2 as cv
import numpy as np
import matplotlib.pyplot as plt
blue = [255, 0, 0]
img2 = cv.imread('lena.jpg', 1)
img2 = np.zeros((100, 100, 3), dtype=np.uint8)
img2[:, :, 1:] = 255b
replicate = cv.copyMakeBorder(img2, 10, 10, 10, 10, cv.BORDER_REPLICATE)
reflect = cv.copyMakeBorder(img2, 10, 10, 10, 10, cv.BORDER_REFLECT)
reflect101 = cv.copyMakeBorder(img2, 10, 10, 10, 10, cv.BORDER_REFLECT_101)
wrap = cv.copyMakeBorder(img2, 10, 10, 10, 10, cv.BORDER_WRAP)
constant = cv.copyMakeBorder(img2, 10, 10, 10, 10, cv.BORDER_CONSTANT, value=blue)
plt.subplot(231),plt.imshow(img2[..., ::-1]),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()
replicate.shape
(120, 120, 3)