《OpenCV轻松入门》笔记-2 图像处理基础

已于 2022-08-06 23:35:12 修改
阅读量872 收藏 1
点赞数 1
分类专栏： CV 文章标签： opencv 图像处理 计算机视觉
于 2022-08-06 11:12:07 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_46430583/article/details/126191531
版权
本文详细介绍了Python中OpenCV库处理图像的基本方法，包括二值图像、灰度图像和彩色图像的表示，像素的访问和修改，感兴趣区域的处理，以及通道操作如拆分与合并。通过实例演示了如何使用Numpy.array高效地操作图像像素和通道，以及获取图像的属性。
摘要由CSDN通过智能技术生成

文章目录

本章主要介绍图像的基本表示方法、像素的访问和操作、感兴趣区域处理、通道处理等知识点。需要强调的是，使用面向 Python 的 OpenCV（OpenCV for Python）必须熟练掌握 Numpy库，尤其是 Numpy.array 库，Numpy.array 库是 Python 处理图像的基础。

图像的基本表示方法

二值图像

二值图像是指仅仅包含黑色和白色两种颜色的图像。

使用0，1来表示图像中的像素点，0(黑)，1(白)。

灰度图像

计算机会将灰度处理为 256 个灰度级，用数值区间[0, 255]来表示。

使用0-255之间的数来对应图像中的由黑到白。

彩色图像

自然界中常见的各种色光都可以通过将三基色按照一定的比例混合构成。从光学角度出发，可以将颜色解析为主波长、纯度、明度等。从心理学和视觉角度出发，可以将颜色解析为色调、饱和度、亮度等。

RGB三通道，每一个通道都是一个灰度图像。

像素处理

像素是图像构成的基本单位，像素处理是图像处理的基本操作，可以通过位置索引的形式对图像内的元素进行访问、处理。

二值图像及灰度图像

"""
【例 2.1】使用 Numpy 库生成一个元素值都是 0 的二维数组，用来模拟一幅黑色图像，并
对其进行访问、修改。
"""
import cv2
import numpy as np

img = np.zeros((8, 8), dtype=np.uint8)
print("img=\n", img)  # 8*8的零矩阵
print('读取像素点=', img[0, 3])
cv2.imshow("one", img)  # 展示图像黑色的小矩形
img[0, 3] = 255
print("img=\n", img)  # 8*8的零矩阵
print('读取像素点=', img[0, 3])
cv2.imshow("two", img)  # 展示图像-带有白点的黑色的小矩形
cv2.waitKey()
cv2.destroyAllWindows()


"""
【例 2.2】读取一个灰度图像，并对其像素进行访问、修改。
"""
import cv2
img = cv2.imread("lena.bmp", 0)  # 将图像调整为单通道的灰度图像 
cv2.imshow("before", img)
# 原图像中会出现白色的矩形块
for i in range(10, 100):
    for j in range(80, 100):
        img[i, j] = 255
cv2.imshow("after", img)
cv2.waitKey()
cv2.destroyAllWindows()

在这里插入图片描述

彩色图像

img[i, j, c]的理解

  • i：第i行
  • j：第j列
  • c：c通道(BGR)
"""
【例 2.3】使用 Numpy 生成三维数组，用来观察三个通道值的变化情况。
"""

import numpy as np
import cv2
# -----------蓝色通道值--------------
blue = np.zeros((300, 300, 3), dtype=np.uint8)
print("blue=\n", blue)
blue[:, :, 0] = 255  # B通道
print("blue=\n", blue)
cv2.imshow("blue", blue)
# -----------绿色通道值--------------
green = np.zeros((300, 300, 3), dtype=np.uint8)
green[:, :, 1] = 255
print("green=\n", green)
cv2.imshow("green", green)
# -----------红色通道值--------------
red = np.zeros((300, 300, 3), dtype=np.uint8)
red[:, :, 2] = 255
print("red=\n", red)
cv2.imshow("red", red)
cv2.waitKey()
cv2.destroyAllWindows()
cv2.waitKey()
cv2.destroyAllWindows()

在这里插入图片描述
在这里插入图片描述

"""
【例 2.4】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), np.uint8)
img[:, 0:100, 0] = 255
img[:, 100:200, 1] = 255
img[:, 200:300, 2] = 255
print("img=\n", img)
cv2.imshow("img", img)

img2 = np.zeros((300, 300, 3), np.uint8)
img2[0:100, :, 0] = 255
img2[100:200, :, 1] = 255
img2[200:300, :, 2] = 255

print("img=\n", img2)
cv2.imshow("img2", img2)
cv2.waitKey()
cv2.destroyAllWindows()

在这里插入图片描述

"""
【例 2.5】使用 Numpy 生成一个三维数组，用来模拟一幅 BGR 模式的彩色图像，并对其进
行访问、修改。
"""
import numpy as np
img = np.zeros((2, 4, 3), dtype=np.uint8)

print(img)
print("img=\n", img)
print("读取像素点img[0,3]=", img[0, 3])
print("读取像素点img[1,2,2]=", 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
print(img)

🎯补充：理解张量和图像的关系？

目前所处理的图像矩阵其实就是三阶张量的形式。三个轴分别是高度、宽度、通道。

为方便理解，可以做一个测试，假如给一个形式为(200,400,3)的全零张量，根据图像知识，我们可以知道它对应一个高200宽400的黑矩形，我想要给这个矩形中间挖空一部分，如何实现呢？

import cv2
import numpy as np
img = np.zeros((200, 400, 3), dtype=np.uint8)
img1 = np.zeros((200, 400, 3), dtype=np.uint8)
# 中间挖空，第一个维度设置高度，第二个维度设置宽带，第三维度控制通道
img[50:150, 100:300] = 255 # 不设置通道索引，默认全为255即为白色
cv2.imshow("img1", img)
img1[50:150, 100:300, [1, 2]] = 255 # GR交叉为黄色
cv2.imshow("img2", img1)
cv2.waitKey()
cv2.destroyAllWindows()

在这里插入图片描述

"""
【例 2.6】读取一幅彩色图像，并对其像素进行访问、修改。
(对图像左上角的部分分三块，依次设为白、灰、黑)
"""
import cv2
img = cv2.imread("lenacolor.png")
cv2.imshow("before", img)
print(img.shape)  # (512, 512, 3)
# print("访问img[0,0]=", img[0, 0])
# 区域1
for i in range(0, 50):
    for j in range(0, 100):
        for k in range(0, 3):
            img[i, j, k] = 255  # 白色
# 区域2
for i in range(50, 100):
    for j in range(0, 100):
        img[i, j] = [128, 128, 128]  # 灰色
# 区域3
for i in range(100, 150):
    for j in range(0, 100):
        img[i, j] = 0  # 黑色

cv2.imshow("after", img)
cv2.waitKey()
cv2.destroyAllWindows()

在这里插入图片描述

使用 numpy.array 访问像素

numpy.array 提供了 item()和 itemset()函数来访问和修改像素值，而且这两个函数都是经过优化处理的，能够更大幅度地提高处理效率。在访问及修改像素点的值时，利用 numpy.array提供的函数比直接使用索引要快得多，同时，这两个函数的可读性也更好。

二值图像及灰度图像

函数 item()能够更加高效地访问图像的像素点：

  • item(行,列)

函数 itemset()可以用来修改像素值：

  • itemset(索引值,新值)
"""
【例 2.7】使用 Numpy 生成一个二维随机数组，用来模拟一幅灰度图像，并对其像素进行
访问、修改。
"""
import numpy as np
img = np.random.randint(10, 99, size=[5, 5], dtype=np.uint8)
print("img=\n", img)
print(img.item(3, 2))  # 访问
img.itemset((3, 2), 255)  # 修改
print("修改后img=\n", img)
print("修改后像素点img.item(3,2)=", img.item(3, 2))


img=
 [[76 68 92 18 53]
 [33 90 65 81 15]
 [17 75 51 55 96]
 [84 81 18 88 19]
 [47 88 71 88 41]]
18
修改后img=
 [[ 76  68  92  18  53]       
 [ 33  90  65  81  15]        
 [ 17  75  51  55  96]        
 [ 84  81 255  88  19]        
 [ 47  88  71  88  41]]       
修改后像素点img.item(3,2)= 255

"""
【例 2.8】生成一个灰度图像，让其中的像素值均为随机数。
"""
import numpy as np
import cv2

img = np.random.randint(0, 256, [512, 512], dtype=np.uint8)
cv2.imshow("img", img)
print(img)
cv2.waitKey()
cv2.destroyAllWindows()

输出一个类似马赛克的灰度图像

"""
【例 2.9】读取一幅灰度图像，并对其像素值进行访问、修改。
"""
import cv2
img = cv2.imread("lena.bmp", 0)
# 测试读取、修改单个像素值
print("读取像素点img.item(3,2)=", img.item(3, 2))
img.itemset((3, 2), 255)
print("修改后像素点img.item(3,2)=", img.item(3, 2))
# 测试修改一个区域的像素值
cv2.imshow("before", img)
for i in range(10, 100):
    for j in range(80, 100):
        img.itemset((i, j), 255)
cv2.imshow("after", img)
cv2.waitKey()
cv2.destroyAllWindows()
#读取像素点 img.item(3,2)= 159
#修改后像素点 img.item(3,2)= 255

在这里插入图片描述

彩色图像

⚠需要增加通道值的设置

函数 item()访问 RGB 模式图像的像素值时，其语法格式为：

  • item(行,列,通道)

函数 itemset()修改（设置）RGB 模式图像的像素值时，其语法格式为：

  • itemset(三元组索引值,新值)
"""
【例 2.10】使用 Numpy 生成一个由随机数构成的三维数组，用来模拟一幅 RGB 色彩空间
的彩色图像，并使用函数 item()和 itemset()来访问和修改它。
"""
import numpy as np
# 由原来的[h,w]=>[h,w,c],c=3
img = np.random.randint(10, 99, size=[2, 4, 3], dtype=np.uint8)
print("img=\n", img)
print("读取像素点img[1,2,0]=", img.item(1, 2, 0))
print("读取像素点img[0,2,1]=", img.item(0, 2, 1))
print("读取像素点img[1,0,2]=", img.item(1, 0, 2))
img.itemset((1, 2, 0), 255)
img.itemset((0, 2, 1), 255)
img.itemset((1, 0, 2), 255)
print("修改后img=\n", img)
print("修改后像素点img[1,2,0]=", img.item(1, 2, 0))
print("修改后像素点img[0,2,1]=", img.item(0, 2, 1))
print("修改后像素点img[1,0,2]=", img.item(1, 0, 2))


img=
 [[[70 92 47]
  [48 15 95]
  [93 96 57]
  [13 19 32]]

 [[84 89 40]
  [79 80 96]
  [11 41 12]
  [28 21 85]]]
读取像素点img[1,2,0]= 11
读取像素点img[0,2,1]= 96
读取像素点img[1,0,2]= 40
修改后img=
 [[[ 70  92  47]        
  [ 48  15  95]
  [ 93 255  57]
  [ 13  19  32]]        

 [[ 84  89 255]
  [ 79  80  96]
  [255  41  12]
  [ 28  21  85]]]
修改后像素点img[1,2,0]= 255
修改后像素点img[0,2,1]= 255
修改后像素点img[1,0,2]= 255

"""
【例 2.11】生成一幅彩色图像，让其中的像素值均为随机数。
"""
import cv2
import numpy as np
img = np.random.randint(0, 256, size=[256, 256, 3], dtype=np.uint8)
cv2.imshow("demo", img)
cv2.waitKey()
cv2.destroyAllWindows()

输出一张类似于马斯克的彩色图片

"""
【例 2.12】读取一幅彩色图像，并对其像素进行访问、修改。
"""
import cv2
img = cv2.imread("lenacolor.png")
cv2.imshow("before", img)
print("访问img.item(0,0,0)=", img.item(0, 0, 0))
print("访问img.item(0,0,1)=", img.item(0, 0, 1))
print("访问img.item(0,0,2)=", img.item(0, 0, 2))
for i in range(0, 50):
    for j in range(0, 100):
        for k in range(0, 3):
            img.itemset((i, j, k), 255)  # 白色
cv2.imshow("after", img)
print("修改后img.item(0,0,0)=", img.item(0, 0, 0))
print("修改后img.item(0,0,1)=", img.item(0, 0, 1))
print("修改后img.item(0,0,2)=", img.item(0, 0, 2))
cv2.waitKey()
cv2.destroyAllWindows()


类比例2.6，仅仅是对像素的操作方式

感兴趣区域（ROI）

什么是ROI?

在图像处理过程中，我们可能会对图像的某一个特定区域感兴趣，该区域被称为感兴趣区域（Region of Interest，ROI）。

在这里插入图片描述

"""
【例 2.13】获取图像 lena 的脸部信息，并将其显示出来
"""
import cv2
a = cv2.imread("lenacolor.png", cv2.IMREAD_UNCHANGED)  # 原格式读取
face = a[220:400, 250:350]
cv2.imshow("original", a)
cv2.imshow("face", face)
cv2.waitKey()
cv2.destroyAllWindows()

在这里插入图片描述

"""
【例 2.14】对 lena 图像的脸部进行打码。
"""
import cv2
import numpy as np
a = cv2.imread("lenacolor.png", cv2.IMREAD_UNCHANGED)
cv2.imshow("original", a)
face = np.random.randint(0, 256, (180, 100, 3))
a[220:400, 250:350] = face
cv2.imshow("result", a)
cv2.waitKey()
cv2.destroyAllWindows()

在这里插入图片描述

"""
【例 2.15】将一幅图像内的 ROI 复制到另一幅图像内。
"""
import cv2
lena = cv2.imread("lena512.bmp", cv2.IMREAD_UNCHANGED)
dollar = cv2.imread("dollar.bmp", cv2.IMREAD_UNCHANGED)
cv2.imshow("lena", lena)
cv2.imshow("dollar", dollar)
face = lena[220:400, 250:350]
dollar[160:340, 200:300] = face
cv2.imshow("result", dollar)
cv2.waitKey()
cv2.destroyAllWindows()

在这里插入图片描述

通道操作

RGB 图像中，图像是由 R 通道、G 通道、B 通道三个通道构成的。

⚠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。

在图像处理过程中，可以根据需要对通道进行拆分和合并。

通道拆分

针对 RGB 图像，可以分别拆分出其 R 通道、G 通道、B 通道。

通过索引拆分

分别提取BGR通道

  • b = img[ : , : , 0 ]

  • g = img[ : , : , 1 ]

  • r = img[ : , : , 2 ]

"""
【例 2.16】编写程序，演示图像通道拆分及通道值改变对彩色图像的影响。
"""
import cv2
lena=cv2.imread("lenacolor.png")
cv2.imshow("lena1",lena)
b=lena[:,:,0]
g=lena[:,:,1]
r=lena[:,:,2]
cv2.imshow("b",b)
cv2.imshow("g",g)
cv2.imshow("r",r)
lena[:,:,0]=0
cv2.imshow("lenab0",lena)
lena[:,:,1]=0
cv2.imshow("lenab0g0",lena)
cv2.waitKey()
cv2.destroyAllWindows()


图(a)是原始图像 lena。 
图(b)是原始图像 lena 的 B 通道图像 b。 
图(c)是原始图像 lena 的 G 通道图像 g。 
图(d)是原始图像 lena 的 R 通道图像 r。 
图(e)是将图像 lena 中 B 通道值置为 0 后得到的图像。
图(f)是将图像 lena 中 B 通道值、G 通道值均置为 0 后得到的图像。

在这里插入图片描述

通过函数拆分

b,g,r=cv2.split(img)

上述语句与如下语句是等价的：

  • b=cv2.split(a)[0]

  • g=cv2.split(a)[1]

  • r=cv2.split(a)[2]

"""
【例 2.17】编写程序，使用函数 cv2.split()拆分图像通道。
"""
import cv2
lena = cv2.imread("lenacolor.png")
b, g, r = cv2.split(lena)
cv2.imshow("B", b)
cv2.imshow("G", g)
cv2.imshow("R", r)
cv2.waitKey()
cv2.destroyAllWindows()

在这里插入图片描述

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。函数 cv2.merge()可以实现图像通道的合并，例如有 B 通道图像 b、G 通道图像 g 和 R 通道图像 r，使用函数 cv2.merge()可以将这三个通道合并为一幅 BGR 的三通道彩色图像。其实现的语句为：bgr=cv2.merge([b,g,r])

"""
【例 2.18】编写程序，演示使用函数 cv2.merge()合并通道。
"""
import cv2
lena = cv2.imread("lenacolor.png")
b, g, r = cv2.split(lena)
bgr = cv2.merge([b, g, r])
rgb = cv2.merge([r, g, b])
cv2.imshow("lena", lena)
cv2.imshow("bgr", bgr)
cv2.imshow("rgb", rgb)
cv2.waitKey()
cv2.destroyAllWindows()


左图是原始图像 lena。 
中间的图是 lena 图像经过通道拆分、合并后得到的 BGR 通道顺序的彩色图像 bgr。 
右图是 lena 图像经过通道拆分、合并后得到的 RGB 通道顺序的彩色图像 rgb。

在这里插入图片描述

获取图像属性

图像处理常用属性：

  • shape：

    • 如果是彩色图像，则返回包含行数、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。
    • 通过该属性的返回值是否包含通道数，可以判断一幅图像是灰度图像（或二值图像）还是彩色图像。

  • size：返回图像的像素数目。其值为“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。

"""
【例 2.19】编写程序，观察图像的常用属性值。
"""
import cv2
gray = cv2.imread("lena.bmp", 0)
color = cv2.imread("lenacolor.png")
print("图像gray属性：")
print("gray.shape=", gray.shape)
print("gray.size=", gray.size)
print("gray.dtype=", gray.dtype)
print("图像color属性：")
print("color.shape=", color.shape)
print("color.size=", color.size)
print("color.dtype=", color.dtype)

图像gray属性：
gray.shape= (256, 256)    
gray.size= 65536
gray.dtype= uint8
图像color属性：
color.shape= (512, 512, 3)
color.size= 786432        
color.dtype= uint8
君豪哒哒
关注
  • 1
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
【OpenCV 例程300篇】06. 像素的编辑（img.itemset）
youcans的博客
11-06 4548
对像素的访问、修改，可以使用 Numpy 方法直接访问数组元素。 01. 图像的读取（cv2.imread） 02. 图像的保存（cv2.imwrite） 03. 图像的显示（cv2.imshow） 07. 图像的创建（np.zeros） 08. 图像的复制（np.copy） 09. 图像的裁剪（cv2.selectROI） 10. 图像的拼接（np.hstack）.........
opencv图像的基本操作3
a201550的博客
09-11 447
1、获取像素并修改 读取一副图像，根据像素的行和列的坐标获取它的像素值，对于RGB图像而言，返回RGB的值，对于灰度图则返回灰度值 1 import cv2 2 import numpy 3 img = cv2.imread('1.jpg') 4 px = img[100, 100] 5 print(px) #获取图像的（100,100）的3维矩阵 6 Bl...
OpenCV图形处理
Shuette的博客
07-17 529
基于Python编程的OpenCV图形处理，带你快速了解图形处理的相关基础知识点以及相关的运用。
图像处理实验3:空域滤波
Tifa_Best的专栏
03-29 1298
要求 利用均值模板平滑灰度图像。 具体内容:利用 OpenCV 对图像像素进行操作,分别利用 33. 55 和 9*9 尺寸的均值模板平滑灰度图像 利用高斯模板平滑灰度图像。 具体内容:利用 OpenCV 对图像像素进行操作,分别利用 33. 55 和 9*9 尺寸的高斯模板平滑灰度图像 利用 Laplacian. Robert. Sobel 模板锐化灰度图像。 具体内容:利用 OpenCV...
opencv读取灰度图像
RobotFreak的博客
03-11 4565
本文记录了C++版opencv读取灰度图像的不同方式及区别
OpenCV轻松入门-笔记1
08-03
这篇笔记将带你轻松入门OpenCV，探索图像处理的奥秘。 **概念概述** OpenCV的核心是处理图像，它提供了一系列的函数和类来实现各种图像操作。图像可以看作是二维数组，每个元素代表一个像素，通常用RGB（红绿蓝）...
OpenCv入门学习笔记.pdf
02-11
opencv入门学习文档，是根据个人学习记录的笔记总计三百多页，内含书签，文档简洁适合快速入门，了解图像处理，视频跟踪，神经网络等概念和基本原理，以及人脸识别案例在Opencv中的实现，内含了C++实现源代码。
OpenCV入门基础知识-数据载入、显示与保存学习笔记
11-04
了解并熟练掌握这些基本操作是进行OpenCV图像处理的基础。通过`Mat`类，我们可以对图像进行各种复杂的处理，包括但不限于图像变换、特征检测、目标识别等。在实际项目中，开发者可以根据需求灵活运用`Mat`类的各种...
opencv学习笔记-包含源码适合入门
10-24
OpenCV（Open Source Computer Vision Library）是一个开源的计算机视觉库，包含了大量用于实时计算机视觉、图像处理和机器学习的函数。它广泛应用于各种计算机视觉应用领域，如手势识别、移动机器人和医学影像分析...
opencv图像处理个人笔记整理
11-15
图像处理上课笔记，入门基础知识点整合。例如图像腐蚀、开运算、闭运算，礼帽操作，图像融合，图像反转，sobel算子概念、拉普拉斯金字塔、边缘检测等诸多内容。
图像处理实验4:图像去噪
Tifa_Best的专栏
04-11 1820
要求 均值滤波 具体内容:利用 OpenCV 对灰度图像像素进行操作,分别利用算术均值滤波器. 几何均值滤波器. 谐波和逆谐波均值滤波器进行图像去噪。模板大小为5*5。(注:请分别为图像添加高斯噪声. 胡椒噪声. 盐噪声和椒盐噪声,并观察滤波效果) 中值滤波 具体内容:利用 OpenCV 对灰度图像像素进行操作,分别利用 5*5 和 9*9尺寸的模板对图像进行中值滤波。(注:请分别为图像添加胡椒...
opencv学习笔记四（读写像素）
qq_44870829的博客
07-01 436
操作图像像素图像操作读写图像读写像素修改像素值Vec3b与Vec3F 图像操作 读写图像 imread 可以指定加载为灰度或者RGB图像 Imwrite 保存图像文件，类型由扩展名决定 读写像素 读一个GRAY像素点的像素值（CV_8UC1） Scalar intensity = img.at(y, x); 或者 Scalar intensity = img.at(Point(x, y)); 读一个RGB像素点的像素值 Vec3f intensity = img.at(y, x); float
第三章 Opencv图像像素操作
qq_38230414的博客
02-09 3882
第三章 Opencv图像像素操作
opencv基础-06 使用numpy.array 操作图片像素值
小海聊智造
07-13 2909
这段代码创建了一个形状为(2, 4, 3)的NumPy数组img，其中包含了随机生成的8位无符号整数（uint8）类型的数据。这个输出展示了一个形状为(2, 4, 3)的NumPy数组，表示了两个2x4的像素块，每个像素块包含3个通道（红、绿、蓝）。每个像素值都是随机生成的介于10到99之间的整数。size=[2, 4, 3]参数定义了数组的形状为(2, 4, 3)，通过观察输出结果可以发现，语句 img.itemset((3,2),255)将图像第 4 行第 3 列位置上的像素值修改为 255 了。
机器视觉专栏（一）opencv基础操作
limn204的专栏
09-02 3710
opencv是机器视觉领域的一大杀器，他比matlab友好，比matlab可扩展性强，比……。这里不再黑matlab了，下面先来谈谈opencv+python的基础操作读取，显示，保存图像import cv2 import numpy as npa = cv2.imread("lena.jpg") #读取图像cv2.imshow("out",a) #显示图像cv2.imwrite(
【OpenCV】第二章: 图像处理基本操作
最新发布
因为热爱所以坚持
12-05 2108
第二章: 图像处理基本操作 一、图像的表示方法 二值图像：每个像素点不是白色就是黑色；一个像素点只要一个bit位就能表示；用0或1表示每个像素点。 灰度图像：图像只有一种颜色，比如图像可以是红色，可以是灰色，可以蓝色，可以是绿色等等，但不管什么颜色都是只有一种颜色。但是这一种颜色我们给它分成了256个等级，就是256个灰度级，可以理解成256个不同程度的明暗度。比如一张红色的灰度图像，像素值=0就是最暗，黑色，像素值=255就是最亮，就是最亮的红色。255中明暗度正好可以用8位也就是1字节byte..
OpenCV如何修改Mat中某像素（某通道的数值）
热门推荐
IT1995的博客
10-12 1万+
有个很好玩的函数 _Tp& Mat::at(int i0, int i1) 这个函数提供了访问像素点或位置的函数 举个例子： 如下代码： #include <opencv2/core.hpp> #include <opencv2/highgui.hpp> #include <opencv2/imgproc.hpp> #include <...
Python_OpenCV进行图像的简单操作
llfjcmx的博客
01-22 693
1、使用numpy的item()、itemset()操作图像像素 处理灰度图像： #coding:utf-8 import cv2 import numpy as np #读取一张灰度图 gray_image = cv2.imread("cat.jpeg", 0) cv2.imshow("before", gray_image) rows = gray_image.shape[0] col...
OpenCV-Python学习笔记（三）：图像的基础操作：获取像素值并修改、获取图像信息、ROI、通道拆分与合并、边界填充
GiffordY的博客
06-11 7017
1.获取并修改像素值 首先我们需要读入一幅图像，可以根据像素的行和列的坐标获取他的像素值。对 BGR 图像而言，返回值为 B，G，R 的值。对灰度图像而言，会返回他的灰度值（亮度 intensity）： import cv2 import numpy as np img = cv2.imread('D:/opencv/images/roi.jpg') # 获取像素值 px = img[10...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值