图像数字化基础

一、像素

1、获取图像指定位置的像素

import cv2
image = cv2.imread("E:\\images\\2.png")
px = image[291,218]
print("坐标(291,218)上的像素的BGR值是：",px)

（1）RGB色彩空间

• R通道：红色通道

• G通道：绿色通道

• B通道：蓝色通道

（2）RGB的表示

通常使用一个三维数组来表示一幅图像中某一个像素的RGB值

（3）RGB图像

RGB图像时指用RGB色彩空间显示的图像，BGR图像是指使用BGR色彩空间显示的图像；RGB色彩空间和

BGR色彩空间的区别是图像在RGB色彩空间中的通道顺序是R->G->B，在BGR的色彩空间中的通道顺序是

B->G-R

2、修改像素的BGR值

对于RGB/BGR图像，当每个像素的R、G、B这3个值相等时，就可以得到灰度图像。其中。

R=G=B=0（B=G=R=0）为纯黑色；R=G=B=255（B=G=R=255）为纯白色

import cv2

image = cv2.imread("E:/images/2.png")
cv2.imshow("2",image)

for i in range(241,292):
    for j in range(168,219):
        image[i,j] = [255,255,255]

cv2.imshow("3",image)
cv2.waitKey()
cv2.destroyWindow()

二、色彩空间

1、GRAY色彩空间

• GRAY色彩空间通常指的是灰度图像，灰度图像是一种每个像素都是从黑到白，被处理为256个灰度级别的单

色图像。这256个灰度级别分别用区间[0,255]中的数值表示。其中“0”表示纯黑色，“255”表示纯白色，0~255之间

的数值表示不同的亮度（即色彩的深浅程度）的深灰色或浅灰色。因此，一幅灰度图像能够展示丰富的细节信息。

• 从RGB/BGR色彩空间转换到GRAY色彩空间

dst  =  cv2.cvtColor（src，code）

    dst：转换后的图像
    src：转换前的初始图像
    code：色彩空间转换码

色彩空间转换码	含义
cv2.COLOR_BGR2GRAY	从BGR色彩空间转换到GRAY色彩空间
cv2.COLOR_RGB2GRAY	从RGB色彩空间转换到GRAY色彩空间

import cv2

image = cv2.imread("E:/images/2.png")
cv2.imshow("2.1",image)

#将图像2.png从BGR色彩空间转换到GRAY色彩空间
gray_image = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)
cv2.imshow("GRAY",gray_image)
cv2.waitKey()
cv2.destroyWindow()

2、HSV色彩空间

• HSV色彩空间是基于色调、饱和度和亮度而言的。其中，色调（H）是指光的颜色。在OpenCV中，色调在区间【0,180】内取值。例如，代表红色、黄色、绿色和蓝色的色调值分别为0、30、60和120

• 从RGB/BGR色彩空间转换到HSV色彩空间

色彩空间转换码	含义
cv2.COLOR_BGR2HSV	从BGR色彩空间转换到HSV色彩空间
cv2.COLOR_RGB2HSV	从RGB色彩空间转换到HSV色彩空间

import cv2

image = cv2.imread("E:/images/2.png")
cv2.imshow("2.1",image)

#将图像2.png从BGR色彩空间转换到GRAY色彩空间
hsv_image = cv2.cvtColor(image,cv2.COLOR_BGR2HSV)
cv2.imshow("HSV",hsv_image)
cv2.waitKey()
cv2.destroyWindow()

三、通道

1、拆分通道

• 拆分一幅BGR图像中的通道

b,g,r = cv2.split（bgr_image）
参数说明：
   b：B通道图像
   g：G通道图像
   r： R通道图像
   bgr_image：一幅BGR图像 

import cv2

bgr_image = cv2.imread("E:/images/2.png")
cv2.imshow("2.1",bgr_image)

b,g,r = cv2.split(bgr_image)
cv2.imshow("B",b)
cv2.imshow("G",g)
cv2.imshow("R",r)

cv2.waitKey()
cv2.destroyWindow()

• 拆分一幅HSV图像中的通道

h,s,v = cv2.split（hsv_image）
参数说明：
   h：H通道图像
   s：S通道图像
   v：V通道图像
   hsv_image：一幅HSV图像 

import cv2

bgr_image = cv2.imread("E:/images/avatar.png")
cv2.imshow("2.1",bgr_image)

#把图2.1从BGR色彩空间转换到HSV色彩空间
hsv_image = cv2.cvtColor(bgr_image,cv2.COLOR_BGR2HSV)
h,s,v = cv2.split(hsv_image)
cv2.imshow("H",h)
cv2.imshow("S",s)
cv2.imshow("V",v)

cv2.waitKey()
cv2.destroyWindow()

2、合并通道

合并通道是拆分通道的逆操作

• 合并B、G、R通道图像

bgr = cv2.merge（[b，g，r]）
参数说明：
   bgr：按B->G->R的顺序合并通道后得到的图像
    r：R通道图像
    g：G通道图像
    b：B通道图像
    
注意：合并通道的顺序不同，图像的显示效果也不同

import cv2

bgr_image = cv2.imread("E:/images/avatar.png")
cv2.imshow("2.1",bgr_image)

b,g,r = cv2.split(bgr_image) #拆分图2.1中的通道

bgr = cv2.merge([b,g,r]) #按B->G->R的顺序合并通道
cv2.imshow("BGR",bgr)

rgb = cv2.merge([r,g,b]) #按R->G->B的顺序合并通道
cv2.imshow("RGB",rgb)

cv2.waitKey()
cv2.destroyWindow()

• 合并H、S、V通道图像

hsv = cv2.merge（[h，s，v]）
参数说明：
   hsv：合并H通道图像、S通道图像和V通道图像后得到的图像
   h：H通道图像
   s：S通道图像
   v：V通道图像 

import cv2

bgr_image = cv2.imread("E:/images/avatar.png")
cv2.imshow("avatar.png",bgr_image)
#把图像avatar.png从RGB色彩空间转换到HSV色彩空间
hsv_image = cv2.cvtColor(bgr_image,cv2.COLOR_BGR2HSV)
h,s,v = cv2.split(hsv_image) #拆分HSV图像中的通道
hsv = cv2.merge([h,s,v]) #合并拆分后的通道图像
cv2.imshow("HSV",hsv) #显示合并通道的HSV图像

cv2.waitKey()
cv2.destroyWindow()

3、alpha通道

BGR色彩空间包含3个通道，即B通道、G通道、R通道。OpenCV在这3个通道的基础上增加了一个A通道，即alpha通道，用于设置图像的透明度。alpha通道在区间【0,255】内取值；其中，0表示透明，255表示不透明

import cv2

bgr_image = cv2.imread("E:/images/avatar.png")
cv2.imshow("2.1",bgr_image)

#把图像2.1从BGR色彩空间转换到BGRA色彩空间
bgra_image = cv2.cvtColor(bgr_image,cv2.COLOR_BGR2BGRA)
cv2.imshow("BGRA",bgra_image) #显示BGRA图像
r,g,b,a = cv2.split(bgra_image)
a[:,:] = 172
bgra_172 = cv2.merge([r,g,b,a])
a[:,:] = 0
bgra_0 = cv2.merge([r,g,b,a])

cv2.imshow("A = 172",bgra_172)
cv2.imshow("A = 0",bgra_0)

cv2.waitKey()
cv2.destroyWindow()

四、使用NumPy模块操作像素

1、NumPy概述

NumPy提供了一个高性能的数组对象，可以轻松创建一维数组、二维数组和多维数组等大量实用方法，帮助开发者轻松地进行数组计算。从而广泛的应用于数据分析、机器学习、图像处理和计算机图形学、数学任务等领域中

2、创建数组

numpy.array（object，dtype，copy，order，subok，ndmin）
参数说明：
   object：任何具有数组接口方法的对象
   dtype：数据类型
   copy：可选参数，布尔型，默认值为True，则object对象被复制
   order：元素在内存中的出现顺序
   subok：布尔型。如果值为True，则将传递子类
   ndmin：指定生成数组的最小维数 

• 创建一维和二维数组

import numpy as np

n1 = np.array([1,2,3]) #创建一个简单的一维数组
n2 = np.array([0.1,0.2,0.3]) #创建一个包含小数的一维数组
n3 = np.array([[1,2],[3,4]]) #创建一个简单的二维数组

• 创建浮点型数组

import numpy as np

list = [1,2,3]

#创建浮点型数组
n1 = np.array(list,dtype=np.float_)
print(n1)
print(n1.dtype)
print(type(n1[0]))

• 创建三维数组

import numpy as np

list = [1,2,3]
nd1 = np.array(list,ndmin=3)
print(nd1)

3、操作数组

• 数组加、减、乘、除

import numpy as np

n1 = np.array([1,2])
n2 = np.array([3,4])

print(n1 + n2)
print(n1 - n2)
print(n1 * n2)
print(n1 / n2)

//输出
[4 6]
[-2 -2]
[3 8]
[0.33333333 0.5       ]

• 幂运算

import numpy as np

n1 = np.array([1,2])
n2 = np.array([3,4])

print(n1 ** n2)

//输出：[ 1 16]

• 比较运算

import numpy as np

n1 = np.array([1,2])
n2 = np.array([3,4])

print(n1 >= n2)
print(n1 == n2)
print(n1 <= n2)
print(n1 != n2)

//输出
[False False]
[False False]
[ True  True]
[ True  True]

• 复制数组

import numpy as np

n1 = np.array([1,2])
n2 = n1.copy()

print(n1 == n2)
n2[0] = 9
print(n1)
print(n2)
print(n1 == n2)

//输出
[ True  True]
[1 2]
[9 2]
[False  True]

• 索引和切片

import numpy as np

n1 = np.array([1,2,3])
print(n1[0])
print(n1[1])
print(n1[0:2])
print(n1[1:])
print(n1[:2])

//输出
1
2
[1 2]
[2 3]
[1 2]

4、创建图像

在OpenCV中，黑白图像实际是一个二维数组，彩色图像是一个三维数组。数组中每个元素就是图像对应位置的像素值。因此修改图像像素的操作实际就是修改数组的操作

注意：数组索引、像素行列、像素坐标的关系如下
   数组行索引 = 像素所在行数 - 1 = 像素纵坐标
   数组列索引 = 像素所在列数 - 1 = 像素横坐标 

• 创建纯黑色图像

import cv2
import numpy as np

width = 200
height = 100

#创建指定宽度、高度、像素值都为0的图像
img = np.zeros((height,width),np.uint8) #用0填充数组
cv2.imshow("img",img)

cv2.waitKey()
cv2.destroyWindow()

• 创建纯白色图像

import cv2
import numpy as np

width = 200
height = 100

#创建指定宽度、高度、像素值都为1的图像
img = np.ones((height,width),np.uint8)*255 #用1填充数组，然后再乘以255
cv2.imshow("img",img)

cv2.waitKey()
cv2.destroyWindow()

• 在黑色图像内部绘制白色矩形

import cv2
import numpy as np

width = 200
height = 100

#创建指定宽度、高度、像素值都为0的图像
img = np.zeros((height,width),np.uint8) #用0填充数组
# 图像纵坐标为25~75、横坐标为50~100之间的区域变为白色
img[25:75,50:100] = 255
cv2.imshow("img",img)

cv2.waitKey()
cv2.destroyWindow()

• 创建彩色图像

import cv2
import numpy as np

width = 200
height = 100

#创建指定宽度、高度、像素值都为0的图像
img = np.zeros((height,width,3),np.uint8) #用0填充数组
blue = img.copy()
blue[:,:,0] = 255
green = img.copy()
green[:,:,1] = 255
red = img.copy()
red[:,:,2] = 255

cv2.imshow("blue",blue)
cv2.imshow("green",green)
cv2.imshow("red",red)

cv2.waitKey()
cv2.destroyWindow()

5、图像拼接

• 水平拼接数组

array  =  numpy.hstack（tup）
参数说明：
   tup：要拼接的数组元组
返回值说明：
   array：将参数元组中的数组水平拼接后生成的新数组

• 垂直拼接数组

array = numpy.vstack（tup）
参数说明：
   tup：要拼接的数组元组
返回值说明：
   array：将参数元组中的数组垂直拼接后生成的新数组

• 拼接图像

import cv2
import numpy as np

img = cv2.imread("E:/images/avatar.png")

img_h = np.hstack((img,img))
img_v = np.vstack((img,img))

cv2.imshow("img_h",img_h)
cv2.imshow("img_v",img_v)

cv2.waitKey()
cv2.destroyWindow()

五、总结