opencv_2_图像处理基础

像素处理

案例1：首先使用numpy生成一个(8, 8)大小的数组，用来模拟一个黑色图像

import numpy as np
import cv2

img = np.zeros((8, 8), dtype=np.uint8)
cv2.imshow('one', img)
cv2.waitKey()
cv2.destroyAllWindows()

img[0, 3] = 255  # 修改像素值
cv2.imshow('one', img)  # 观察图像发现中间有一个黑点
cv2.waitKey()
cv2.destroyAllWindows()

案例2：取一个灰度图像，并对其像素进行访问、修改

dog = cv2.imread('data/dog.jpg', flags=cv2.IMREAD_GRAYSCALE)
cv2.imshow('dog', dog)
cv2.waitKey()
cv2.destroyAllWindows()

cc = dog[10:100, 80:100]
dog[10:100, 80:100] = 255

cv2.imshow('dog', cc)
cv2.waitKey()
cv2.destroyAllWindows()

案例3：使用Numpy生成三维数组，用来观察三个通道的变化情况

import numpy as np
import cv2
from get_show_img import get_show
# 蓝色通道
blue=np.zeros((300,300,3), dtype=np.uint8)
blue[:,:,0]=255
cv2.imshow('blue', blue)
cv2.waitKey()
cv2.destroyAllWindows()

import numpy as np
import cv2
# 绿色通道
green=np.zeros((300,300,3), dtype=np.uint8)
green[:,:,1]=255
# cv2.imshow('green', green)
# cv2.waitKey()
# cv2.destroyAllWindows()
get_show(green)

import numpy as np
import cv2
# 红色通道
red=np.zeros((300,300,3), dtype=np.uint8)
red[:,:,2]=255
# cv2.imshow('red', red)
# cv2.waitKey()
# cv2.destroyAllWindows()
get_show(red)

案例4：使用Numpy生成一个三维数组，用来观察三个通道值的变化情况

import numpy as np
import cv2

img = np.zeros((300, 300, 3), dtype=np.uint8)
img[:,:100,0] = 255
img[:,100:200,1]=255
img[:,200:300,2]=255
# cv2.imshow('img', img)
# cv2.waitKey()
# cv2.destroyAllWindows()
get_show(img)

案例5：使用Numpy生成一个三维数组，用来模拟一幅BGR的彩色图像，并对其进行访问、修改

import numpy as np
img = np.zeros((2,4,3), dtype=np.uint8)

img[0,3]
img[1,2,2]
img[0,3]=255
img[0,0]=[66,77,88]
img[1,1,1]=3
img[1,2,2]=4
img[0,2,0]=5
img

array([[[ 66,  77,  88],
        [  0,   0,   0],
        [  5,   0,   0],
        [255, 255, 255]],

       [[  0,   0,   0],
        [  0,   3,   0],
        [  0,   0,   4],
        [  0,   0,   0]]], dtype=uint8)

img[1,2,2]

4

案例6：读取一幅彩色图像，并对其像素进行访问修改

import cv2

img = cv2.imread('data/dog.jpg')
cv2.imshow('dog', img)
cv2.waitKey()
cv2.destroyAllWindows()

img.shape

(300, 534, 3)

img[0,0]
img[0,0,0]
img[0,0,1]
img[0,0,2]
img[50,0]
img[100,0]

array([63, 61, 83], dtype=uint8)

for i in range(50):
    for j in range(100):
        for k in range(3):
            img[i,j,k] = 255  # 白色

cv2.imshow('dog', img)
cv2.waitKey()
cv2.destroyAllWindows()

for i in range(50, 100):
    for j in range(100,200):
            img[i,j]=[128, 128, 128]  # 灰色

cv2.imshow('dog', img)
cv2.waitKey()
cv2.destroyAllWindows()

for i in range(100, 150):
    for j in range(200,300):
            img[i,j]=0  # 黑色

cv2.imshow('dog', img)
cv2.waitKey()
cv2.destroyAllWindows()

img[0,0,1]

255

感兴趣区域提取

import cv2
img=cv2.imread('data/dog.jpg')
cv2.imshow('dog', img)
cv2.waitKey()
cv2.destroyAllWindows()

img.shape

(300, 534, 3)

a = img[200:300,250:350,0]

cv2.imshow('dog', a)
cv2.waitKey()
cv2.destroyAllWindows()

通道操作

• 在RGB图像中，图像是由R通道，G通道，B通道三通道构成的。
• 需要注意的是，在opencv中，通道是按照B通道，G通道，R通道的顺序存储的

通道拆分

通过索引拆分

img.shape

(300, 534, 3)

b=img[:,:,0]
g=img[:,:,1]
r=img[:,:,2]

import numpy as np
cv2.imshow('bgr', np.hstack([b,g,r]))
cv2.waitKey()
cv2.destroyAllWindows()

img[:,:,0]=0  # 去除蓝色通道

cv2.imshow('dog', img)
cv2.waitKey()
cv2.destroyAllWindows()

img[:,:,1]=0  # 去除绿色通道

cv2.imshow('dog', img)
cv2.waitKey()
cv2.destroyAllWindows()

通过函数拆分

• cv2.split()

import cv2
import numpy as np
img=cv2.imread('data/dog.jpg')
b,g,r=cv2.split(img)  # 利用函数进行拆分
cv2.imshow('dog', np.hstack([b,g,r]))
cv2.waitKey()
cv2.destroyAllWindows()

通道合并

• 通道合并是通道拆分的逆过程，通过合并通道可以将三个通道的灰度图像构成一幅彩色图像。
• cv2.merge()

bgr = cv2.merge([b,g,r])
cv2.imshow('dog', bgr)
cv2.waitKey()
cv2.destroyAllWindows()

import matplotlib.pyplot as plt  # 利用plt进行图片的展示
plt.imshow(bgr[:,:,::-1])  # 将三个通道顺序进行颠倒，BGR变成RGB
plt.xticks([])
plt.yticks([])
plt.show()

获取图像属性

• shape：如果是彩色图像，返回行数、列数、通道数的数组；如果是二值图像或者灰度图像，则仅返回行数和列数。
• size：返回图像的像素数目。其值位“行×列×通道数”，灰度图像或者二值图像的通道数为1
• dtype：返回图像的数据类型

img.shape

(300, 534, 3)

img.size

480600

img.dtype

dtype('uint8')