OpenCV、Python 图像处理一 基础、图像的存储格式

1.1  图像的读入、显示、保存

#图像读入
import cv2
img1 = cv2.imread(r'E:/python_opencv/tupian.jpg',0)

#图像显示
cv2.imshow('tupian',img1)
k = cv2.waitKey()

#图像保存
cv2.imwrite('tupian,jpg',img1)

1.2  图像的基本表示方法

分为二值图像、灰度图像、彩色图像 这三种表示方法。

二值图像：0和1表示像素点颜色，0为黑色，1为白色。

灰度图像：256个灰度级，用数值[0,255]表示，0为黑色，1为白色。

彩色图像：RGB色彩空间表示红、绿、蓝三种通道，数值均为[0,255]。但是在opencv中用BGR色彩空间表示。

不同的表示方法和色彩空间之间可以互相转换。

1.3  像素处理

像素是构成一幅图像的基本组成单位。

二值图像和灰度图像：img[0,2]表示第0行第2列的像素点。

彩色图像：opencv里img[0,2]表示第0行第2列上B、G、R三个通道的像素值，img[0,2,2]表示第0行第2列上第2个通道R的像素值。

注1：可以使用二层或三层循环嵌套，对某区域内像素值整体修改，如：

for i in range(0,50):          #i表示像素的行数
    for j in range(0,100):     #j表示像素的行数
        for k in range(0,3):   #k表示通道数
            img[i,j,k]=255     #该区域的像素值均修改为255

注2：使用Numpy库中的zeros()函数可以生成一个元素值都为0的数组，如：

import numpy as np
img = np.zeros((3,5,3),dtpye=np.uint8)

1.4  使用numpy访问像素

numpy模块中提供了item()访问像素值，itemset()修改像素值

item(i,j)或item(i,j,k)    

itemset((i,j),a) 或 itemset((i,j,k),a)   i,j为行和列，k为彩色图片中的通道，a为新值。如：

print('img.item(3,2,2)=',img.item(3,2,2))   #读取原像素值
img.itemset((3,2,2),255)   #将第3行第2列R通道的像素值修改为255

1.5  感兴趣区域（Region of Interset, ROI）

如果需要使用一张图片的某区域，可以将其定为感兴趣区域（ROI），然后就能对其整体进行操作。

A = img1[10:30,50:100]    #将img1的第10-30行像素、50-100列像素设定为ROI区域
img2[20:40,300:350] = A   #将该ROI区域赋给img2的第20-40行像素、300-350列像素

1.6  通道操作

对通道进行操作分为通道拆分和通道合并。

（一）通道拆分：

将BGR图像中的三个通道分别拆分出来。分为索引拆分方法和函数拆分方法。

索引拆分：

#拆分为B、G、R三个通道
B = img[:,:,0]
G = img[:,:,1]
R = img[:,:,2] 

函数拆分：

B,G,R = cv2.split(img)

（二）通道合并：

使用cv2.merge()函数将三个通道的灰度图像构成一幅彩色图像。

bgr = cv2.merge([b,g,r])  

1.7  获取图像属性

获取图像常用的属性，如大小、类型等。

shape 返回图像行数、列数、通道数

size 返回图像像素数

dtype 返回图像的数据类型

print('img.shape=',img.shape)   #shape 返回图像行数、列数、通道数
print('img.size=',img.size)     #size  返回图像像素数
print('img.dtype=',img.dtype)   #dtype 返回图像的数据类型

1.8图像的存储格式

在Python中使用Open CV读取一张图片后，会保存为“numpy.ndarray”格式，具体的ndarray数据结
很多人都知道一张正常的彩色图片基本都是RGB颜色模型，但是在Open CV中图像是以BGR颜色模型来存放的。
首先我们读取一张图片（为了容易说明，图像的尺寸大小仅仅为2×3，即高度为2，宽度为3的小图片），把它输出。

>>> import cv2
>>> import numpy as np
>>> img = cv2.imread("test.jpg")
1
2
3
>>> type(img)
class 'numpy.ndarray'>

>>> img.shape
(2, 3, 3)

>>> print(img)
[[[144 141 110]
  [144 141 110]
  [129 108  80]]
 [[125 122  91]
  [128 125  94]
  [109  88  60]]]
 

可以看出，img这个图片被Open CV读取后变成了“numpy.ndarray”格式，图片维度为2，3，3，第一个数字“2”代表高度为2，第二个数字“3”代表宽度，第三个数字“3”代表图片的“层数”，也就是BGR这3种颜色。

img的格式我们可以用以下结构表示：

比如输出img的结果
[[[144 141 110]
[144 141 110]
[129 108 80]]
[[125 122 91]
[128 125 94]
[109 88 60]]]

对应RGB格式：
图像第一行：
第1个像素点：110, 141, 144
第2个像素点：110, 141, 144
第3个像素点：80, 141, 129

图像第二行：
第1个像素点：91, 122, 125
第2个像素点：94, 125, 128
第3个像素点：60, 88, 109
 

如果我们想获取图像img第一行所有的像素点，可以使用：

>>> img[0]
array([[144, 141, 110],
       [144, 141, 110],
       [129, 108,  80]], dtype=uint8)

同理，第二行所有像素点：

>>> img[1]
array([[125, 122,  91],
       [128, 125,  94],
       [109,  88,  60]], dtype=uint8)
 

获取第1个像素点：

>>> img[0][0]
array([144, 141, 110], dtype=uint8)

>>> img[0, 0]
array([144, 141, 110], dtype=uint8)

获取第4个（第2行第1个）像素点：

>>> img[1, 0]
array([125, 122,  91], dtype=uint8)

>>> img[1][0]
array([125, 122,  91], dtype=uint8)

获取第一个像素点的RGB颜色的R值：

>>> img[0, 0, 2]
110
>>> img[0][0, 2]
110
>>> img[0][0][2]
110
>>> img[0, 0][2]
110