码字不易,请多多关注,支持,希望大家一起学习,一起进步
1、获取像素值然后进行修改
数字图像其实就是一个数学矩阵,因此,我们可以根据像素的行列坐标来获取其对应的像素值。在opencv里面,如果是RGB格式的图像,注意,其返回的值的顺序是B,G,R,而不是我们常见的R、G、B,如果是灰度图像,则对应的灰度值([0,255])
代码如下:
import cv2
import numpy as np
img=cv2.imread('D:/Study/Research/resource/dataset/Images/test_A.jpg',1) # 这里换成自己的路径,具体格式可以看我之前写的opencv的文章
cv2.namedWindow('img',cv2.WINDOW_NORMAL)
cv2.imshow('img',img)
cv2.waitKey(0)
# 获取坐标是(128,128)的像素的像素值
pl=img[128,128]
print(pl)
# 获取坐标(128,128)处通道B的像素值
bl=img[128,128,0]
print(bl)
# 修改坐标[128,128]处的像素值
img[128,128]=[230,230,230]
print(img[128,128])
2、获取图像的常见属性
一般来说图像的属性有形状,像素数目,类型等,代码如下:
import cv2
import numpy as np
img=cv2.imread('D:/Study/Research/resource/dataset/Images/test_A.jpg',1) # 这里换成自己的路径,具体格式可以看我之前写的opencv的文章
cv2.namedWindow('img',cv2.WINDOW_NORMAL)
cv2.imshow('img',img)
# shape()可以返回图像的形状,包括行列数,通道数,是一个元组
print(img.shape)
# size()可以获得像素数目
print(img.size)
# dtype()可以回去图像类型
print(img.dtype)
cv2.waitKey(0)
3、获取图像的感兴趣区域ROI
我们常常需要对图像中感兴趣的区域进行处理,但是,总不能一个个像素遍历搜索,那样太慢了,我们可以预估区域的位置,将其提取出来。
比如,我这里把某部分提取出来,然后把它放到图像的其他地方,单独处理。代码如下所示:
import cv2
import numpy as np
img=cv2.imread('D:/Study/Research/resource/dataset/Images/test_A.jpg',1) # 这里换成自己的路径,具体格式可以看我之前写的opencv的文章
cv2.namedWindow('img',cv2.WINDOW_NORMAL)
cv2.imshow('img',img)
s=img[156:225,260:310]
img[120:180,230:250]=s
cv2.waitKey(0)
4、图像通道的拆分、合并
我们可以对图像的RGB三个通道进行拆分,然后再对其进行操作。对拆分操作,我们可以使用split()函数,对合并操作,我们可以使用merge()函数,代码如下:
import cv2
import numpy as np
img=cv2.imread('D:/Study/Research/resource/dataset/Images/test_A.jpg',1) # 这里换成自己的路径,具体格式可以看我之前写的opencv的文章
cv2.namedWindow('img',cv2.WINDOW_NORMAL)
cv2.imshow('img',img)
# 拆分
b,g,r=cv2.split(img)
# 合并
img1=cv2.merge(b,r,g)
cv2.imshow('img1',img1)
cv2.waitKey(0)
我们也可以直接使用numpy进行索引赋值
(个人推荐)
import cv2
import numpy as np
img=cv2.imread('D:/Study/Research/resource/dataset/Images/test_A.jpg',1) # 这里换成自己的路径,具体格式可以看我之前写的opencv的文章
cv2.namedWindow('img',cv2.WINDOW_NORMAL)
cv2.imshow('img',img)
# 获取0通道
blue=img[:,:,0]
cv2.waitKey(0)
本次讲解完毕,欲知更多精彩内容,且听下回分解,bye~