1.目标
学会: - 访问像素值并修改它们 - 访问图像属性 - 设置感兴趣区域(ROI) - 分割和合并图像
2.访问和修改像素值
可以通过行和列坐标来访问像素值。对于 BGR 图像,它返回一个由蓝色、绿色和红色值组成的数组。对于灰度图像,只返回相应的灰度。shuchu
import cv2
image = 'D:\papercode\AI\Ai-Dentist-Sample-Code-main\opencv\car_recognition\car.jpg'
#读取图片
img = cv2.imread(image)
#访问某一点的像素值
px = img[100,100]
print( px )
# 仅访问蓝色像素
blue = img[100,100,0]
print( blue )
输出:
[ 83 107 127]
83
前者表示某一个点的像素值,后者表示该点在蓝色通道的值,0为蓝色通道,1为绿色通道,2为红色通道
可以用相同的方式修改像素值。
>>> img[100,100] = [255,255,255]
>>> print( img[100,100] )
[255 255 255]
上面的方法通常用于选择数组的区域,例如前5行和后3列。对于单个像素访问,Numpy数组方法array.item()和array.itemset())被认为更好,但是它们始终返回标量。如果要访问所有B,G,R值,则需要分别调用所有的array.item()。
# 访问 RED 值
>>> img.item(10,10,2)
59
# 修改 RED 值
>>> img.itemset((10,10,2),100)
>>> img.item(10,10,2)
100
3.访问图像属性
图像属性包括行数,列数和通道数,图像数据类型,像素数等。
图像的形状可通过img.shape
访问。它返回行,列和通道数的元组(如果图像是彩色的):
>>> print( img.shape )
(342, 548, 3)
注意 如果图像是灰度的,则返回的元组仅包含行数和列数,因此这是检查加载的图像是灰度还是彩色的好方法。
像素总数可通过访问img.size
:
>>> print( img.size )
562248
图像数据类型通过img.dtype
获得:
>>> print( img.dtype )
uint8
4.拆分和合并图像通道
有时你需要分别处理图像的B,G,R通道。在这种情况下,你需要将BGR图像拆分为单个通道。在其他情况下,你可能需要将这些单独的频道加入BGR图片。你可以通过以下方式简单地做到这一点:
>>> b,g,r = cv2.split(img)
>>> img = cv2.merge((b,g,r))
>>> b = img [:, :, 0]
>>> g = img [:, :, 1]
>>> r = img [:, :, 2]
警告
cv.split()
是一项耗时的操作(就时间而言)。因此,仅在必要时才这样做。否则请进行Numpy索引。
5.为图像设置边框(填充)
如果要在图像周围创建边框(如相框),则可以使用cv.copyMakeBorder()
。但是它在卷积运算,零填充等方面有更多应用。此函数采用以下参数:
-
src - 输入图像
-
top,bottom,left,right 边界宽度(以相应方向上的像素数为单位)
-
borderType - 定义要添加哪种边框的标志。它可以是以下类型:
- cv.BORDER_CONSTANT - 添加恒定的彩色边框。该值应作为下一个参数给出。
- cv.BORDER_REFLECT - 边框将是边框元素的镜像,如下所示: fedcba | abcdefgh | hgfedcb
- **cv.BORDER_REFLECT_101**或 **cv.BORDER_DEFAULT**与上述相同,但略有变化,例如: gfedcb | abcdefgh | gfedcba
- **cv.BORDER_REPLICATE**最后一个元素被复制,像这样: aaaaaa | abcdefgh | hhhhhhh
-
**cv.BORDER_WRAP**难以解释,它看起来像这样: cdefgh | abcdefgh | abcdefg
-
value -边框的颜色,如果边框类型为**cv.BORDER_CONSTANT*
import cv2 as cv import numpy as np from matplotlib import pyplot as plt BLUE = [255,0,0] img1 = cv.imread('opencv-logo.png') replicate = cv.copyMakeBorder(img1,10,10,10,10,cv.BORDER_REPLICATE) reflect = cv.copyMakeBorder(img1,10,10,10,10,cv.BORDER_REFLECT) reflect101 = cv.copyMakeBorder(img1,10,10,10,10,cv.BORDER_REFLECT_101) wrap = cv.copyMakeBorder(img1,10,10,10,10,cv.BORDER_WRAP) constant= cv.copyMakeBorder(img1,10,10,10,10,cv.BORDER_CONSTANT,value=BLUE) plt.subplot(231),plt.imshow(img1,'gray'),plt.title('ORIGINAL') plt.subplot(232),plt.imshow(replicate,'gray'),plt.title('REPLICATE') plt.subplot(233),plt.imshow(reflect,'gray'),plt.title('REFLECT') plt.subplot(234),plt.imshow(reflect101,'gray'),plt.title('REFLECT_101') plt.subplot(235),plt.imshow(wrap,'gray'),plt.title('WRAP') plt.subplot(236),plt.imshow(constant,'gray'),plt.title('CONSTANT') plt.show()