Python+opencv学习记录2：Numpy数组操作

1、访问图像中的所有像素

一个图像的像素数据=长×宽×通道，要获取相关信息，可以使用以下代码：

def access_pixels(image):   # 访问图片的所有像素
    print(image.shape)  # 显示图像的长、宽、通道
    height = image.shape[0]
    width = image.shape[1]
    channels = image.shape[2]
    print("width: %s, height: %s, channels: %s" % (width, height, channels))

当我们要获取图像中的每一个像素，并对这些像素进行操作时，可以使用以下代码：

	for row in range(height):
        for col in range(width):
            for c in range(channels):
                pv = image[row, col, c]
                image[row, col, c] = 255 - pv
    cv.imshow("pixels_demo", image)

一张图像就是一个矩阵，因此我们可以通过for循环来读取，读取后，我们就可以进行我们想要的操作，最终结果为：
原图像为：

经过操作后改变的图像为：

从最右边的两把玄翦的对比可以看出，像素操作成功。
注：上述方法是手动对图像进行取反操作，而opencv中有相应的API可以完成该操作

dst = cv.bitwise_not(image)

经过上述代码后，显示出的图像为：

由图可得，bitwiae_not也能实现改功能。
在学习中，要不仅知其然，还要知其所以然

2、创建一张图像

一张图像包括长、宽、通道、像素、数据类型，因此创建一张三通道图片时，可以使用以下代码：

img = np.zeros([400, 400, 3], np.uint8)

该图像长400，宽400，通道数为3，数据类型为整形无符号，每个像素值为0，最终呈现的是一张全黑的图像。
若我们要对图像的第一个通道b进行操作时，可以使用以下代码：

img[: , : , 0] = np.ones([400, 400]) * 255

该段代码是对图像的第一个通道进行操作，np.ones是图像的每个像素值全部赋值为1，因此经过该操作后，呈现的是一张蓝色的图像。
注：图像的通道是指bgr，b是blue，g是green，r是red

当我们要创建一张单通道的图像时，

	img = np.zeros([400, 400, 1], np.uint8)
    img[: , : , 0] = np.ones([400, 400]) * 127

此时显示出的是一张灰色的图像，

同时上述的代码还可以更加精简，初始化一张灰色图像时，可以写为：

	img = np.ones([400, 400, 1], np.uint8)
    img = img * 127

完整的代码如下：

import cv2 as cv  # 导入opencv模块
import numpy as np  # 导入数学函数库


def access_pixels(image):  # 访问图片的所有像素
    print(image.shape)  # 显示图像的长、宽、通道
    height = image.shape[0]
    width = image.shape[1]
    channels = image.shape[2]
    print("width: %s, height: %s, channels: %s" % (width, height, channels))
    # 循环获取每一个像素点，进行改变
    for row in range(height):
        for col in range(width):
            for c in range(channels):
                pv = image[row, col, c]
                image[row, col, c] = 255 - pv
    cv.imshow("pixels_demo", image)


def inverse(image):
    dst = cv.bitwise_not(image)
    cv.imshow("inverse_image", dst)


def create_image():
    # 三通道
    """
    img = np.zeros([400, 400, 3], np.uint8)
    img[: , : , 0] = np.ones([400, 400]) * 255  # img[:,:,0]是一种切片方式，冒号表示该维度从头到尾全部切片取出
                                                # 所以img[:,:,0]表示切片取出所有行，所有列的第三个通道（索引为0）
    cv.imshow("new_image", img)
    """
    # 单通道
    img = np.zeros([400, 400, 1], np.uint8)
    img[:, :, 0] = np.ones([400, 400]) * 127
    # img = np.ones([400, 400, 1], np.uint8)
    # img = img * 127
    cv.imshow("new_image", img)

    ml = np.ones([3, 3], np.float32)
    ml.fill(127.388)
    print(ml)


print("------------hello python!------------")

src = cv.imread("D:/opencv3/image/eight J.jpg")
cv.namedWindow("input_image", cv.WINDOW_AUTOSIZE)
cv.imshow("input_image", src)
t1 = cv.getTickCount()
# access_pixels(src)
# create_image()
inverse(src)
t2 = cv.getTickCount()
time = (t2 - t1) / cv.getTickFrequency()
print("time: %s ms" % (time * 1000))

cv.waitKey(0)
cv.destroyAllWindows()  # 释放所有窗口