二、OpenCV-python 之 图像像素操作

1、像素值操作

OpenCV读取图像后，将其作为numpy存储，所以大部分的图像计算都是numpy的工作

px = img[100,100]				# 获取像素点（100,100）的三通道颜色值
blue = img[100,100,0]			# 获取像素点（100,100）的蓝色通道数值
img[100,100] = [255,255,255]	# 修改像素点（100,100）的三通道颜色值

img.item(10,10,2)				# 获取像素值的高效方式
img.itemset((10,10,2),100)		# 修改像素值的高效方式

# 图像属性
img.shape						# 返回一个tuple，图像的shape（行，列，通道）
img.size						# 返回图像的像素数量，其实就是上面tuple的乘积
img.dtype						# 返回图像像素值的类型，注意不是图像类型

# 感兴趣区域ROI
ball = img[280:340, 330:390]	# 用numpy剪裁图像
img[273:333, 100:160] = ball	# 指定区域赋值

# 图像通道
b,g,r = cv.split(img)			# 图像通道分割，开销很大，尽量不要直接用，可以的话用numpy代替
img = cv.merge((b,g,r))			# 通道合并

# 复制图像：将图像复制到另一目标图像的中心
cv.copyMakeBorder(
    src,				# 源图像
    dst,				# 目标图像
    top,
    bottom, 
    left, 
    right,				# 目标图像的上下左右不同方向上边界的宽度，单位为 px
    borderType,			# 边界填充方式
    value				# 边界填充值（如果填充方式是BORDER_CONSTANT）
)

2、图像算术运算

# 图像混合，OpenCV中的加法是一个饱和操作，到达峰值255后就处于峰值不变（numpy中超过峰值后会对峰值取余）
cv.add(src1, src2, dst, mask, dtype)
# 加入权重后的图像混合，dst=α⋅img1+β⋅img2+γ，
cv.addWeighted(src1, alpha, src2, beta, gamma, dst, dtype)

这里给出一个图像位操作的实例，目标是将一张图像的一个logo抠出来，放到另一张图像中（指定像素位置的替换操作）。不能直接用加法，因为会改变像素的值；也不能用混合，会产生透明度。
像素级别的替换操作的思路是：先得到ROI-logo的掩码，然后抠出logo，将目标位置掏空，然后做加法操作。

# Load two images
img1 = cv.imread('target.jpg')
img2 = cv.imread('logo.png')

# I want to put logo on top-left corner, So I create a ROI
rows, cols, channels = img2.shape
roi = img1[0:rows, 0:cols]

# Now create a mask of logo and create its inverse mask also
img2gray = cv.cvtColor(img2,cv.COLOR_BGR2GRAY)
ret, mask = cv.threshold(img2gray, 10, 255, cv.THRESH_BINARY)       # 置为二值图，大于阈值置为255（白），用于得到logo(非logo位置全为0)
mask_inv = cv.bitwise_not(mask)                                     # mask反转，与logo对应的位置为0（给logo留出位置）

# Now black-out the area of logo in ROI
img1_bg = cv.bitwise_and(roi, roi, mask = mask_inv)                 # 目标图像中与logo对应的位置腾出来
# Take only region of logo from logo image.
img2_fg = cv.bitwise_and(img2, img2, mask = mask)                   # 像素与操作，根据mask抠出logo

# Put logo in ROI and modify the main image
dst = cv.add(img1_bg,img2_fg)                                       # 相加，注意这里 ROI 的logo位置已经被掏空了（均为0），直接相加不会改变logo像素值
img1[0:rows, 0:cols ] = dst                                         # 合并到目标图像

cv.imshow('res',img1)
cv.waitKey(0)
cv.destroyAllWindows()

cv.bitwise_and(img1, img2,mask)
像素与操作，三个参数的尺寸是一样的，mask中为0的位置在输出图像中也为0，非0位置在输出图像中的像素值是img1、img2对应位置像素的与操作（这其实就是抠图）。

最终的效果如下（左边是logo掩码）：

3、处理性能与优化

OpenCV中对图像处理、像素计算等做了很多优化（例如SSE2、AVX等），优化开启与否直接影响到程序执行的性能；它也提供了一些监测模块（例如time）来帮助观测代码的性能。

time 模块：可以给出代码执行所耗时间；
profile 模块：可以给出代码执行的详细报告，例如函数占用的时间、调用次数等。

# 时间监测
e1 = cv.getTickCount()						# 返回在一个引用事件(例如程序开始运行的时刻)之后到调用此函数的时刻的时钟周期数，其实就是这个时候的时间点
### your code execution ###
e2 = cv.getTickCount()
time = (e2 - e1)/ cv.getTickFrequency()		# cv.getTickFrequency()返回时钟周期的频率，或每秒时钟周期的数量。

# 优化处理
cv.useOptimized()							# 查看是否开启优化
cv.setUseOptimized(False)					# 设置是否开启优化，True为启动，False为关闭

通常情况下，OpenCV的处理速度比numpy快得多，所以相同的操作尽量用OpenCV来实现（当然，这也并不是绝对的）。