Numpy数组操作

最新推荐文章于 2024-08-07 18:34:42 发布

哆啦AI梦

最新推荐文章于 2024-08-07 18:34:42 发布

阅读量142

点赞数

本文链接：https://blog.csdn.net/m0_43425029/article/details/105883828

版权

1.遍历图片三个通道像素点，并修改相应的RGB

import cv2 as cv
import numpy as np

def access_pixels(image):     #遍历图像像素
    print(image.shape);
    height =  image.shape[0]
    width = image.shape[1]
    channels = image.shape[2]
    print("width : %s,height : %s,channels : %s"%(width,height,channels))
    for row in range(height):    #开始遍历
        for col in range(width):
            for c in range(channels):
                pv = image[row,col,c]  #获取每个像素点的每个通道的数值
                image[row,col,c] = 255 - pv  #灰度值是0-255   这里是修改每个像素点每个通道灰度值
    cv.imshow("pixels_demo",image)

src = cv.imread(r"C:\pics\beay.png")
cv.namedWindow("input image",cv.WINDOW_AUTOSIZE)
cv.imshow("input image",src)
t1 = cv.getTickCount()   #该函数可得到从某一时刻到该函数的时钟周期数
creat_image()
t2 = cv.getTickCount()
time = (t2 - t1)/cv.getTickFrequency();#计算函数access_pixels经过的时间（cv.getTickFrequency()表示1s的时钟周期），可知遍历像素所带来的时间开销较大，耗费处理器资源
print("time : %s ms"%(time*1000))   #输出运行时间
cv.waitKey(0)

cv.destoryAllWindows()

在这里插入图片描述
下面代码与上面的作用一样

def inverse(image): # 完成与上个函数相同的功能
　　dst = cv.bitwise_not(image) # 该函数是直接调用opencv库中的API，速度较自己遍历快许多许多，因为API调用的是Ｃ代码
　　cv.imshow("New image", dst)

2.通过Numpy数组创建图像

import cv2 as cv
import numpy as np
def creat_image():    #通过numpy数组创建图像
    """
    img = np.zeros([400,400,3],np.uint8)    #创建400*400*3的数值为0的三维数组，相当于一个RGB图像
    img[: , : , 0] = np.ones([400,400])*255   #blue ,green,red  255表示程度，0-255程度由深至浅，因为np.ones()相当于创建的矩阵的数值为1，“:”默认表示所有，添上数字后可以表示赋值范围
    cv.imshow("new image",img)
    img = np.ones([400,400,1],np.uint8)   #创建400*400*1的数值为1的三维数组，相当于一个灰度图像，要注意写明通道数
    img = img * 127   #相当于img[:,:,0] = np.ones([400,400])*127
    cv.imshow("new image",img)    #显示灰色图像
    cv.imwrite("C:\pics\mypic.png",img)
    """
    m1 = np.ones([3,3],np.uint8)
    m1.fill(12222.388)   #填充
    print(m1)  #显示一个数值为12222.388的3*3矩阵
    
    m2 = m1.reshape([1,9])
    print(m2)
    
src = cv.imread(r"C:\pics\beay.png")
cv.namedWindow("input image",cv.WINDOW_AUTOSIZE)
cv.imshow("input image",src)
t1 = cv.getTickCount()   #该函数可得到从某一时刻到该函数的时钟周期数
creat_image()
t2 = cv.getTickCount()
time = (t2 - t1)/cv.getTickFrequency();#计算函数access_pixels经过的时间（cv.getTickFrequency()表示1s的时钟周期），可知遍历像素所带来的时间开销较大，耗费处理器资源
print("time : %s ms"%(time*1000))
cv.waitKey(0)

cv.destoryAllWindows()