图像的基本操作 OpenCV-Python v4.7.0

目标

学会：

• 访问像素值并修改它们
• 访问图像属性
• 设置感兴趣的区域（ROI）
• 分割和合并图像

本节中几乎所有的操作都主要与Numpy而不是OpenCV有关。要想用OpenCV写出更好的优化代码，需要有良好的Numpy知识。

(例子将在Python终端中显示，因为它们中的大多数只是单行代码)。

访问和修改像素值

让我们先加载一个彩色图像：

>>> import numpy as np
>>> import cv2 as cv
>>> img = cv.imread('messi5.jpg')

你可以通过其行和列坐标来访问一个像素值。对于BGR图像，它返回一个蓝、绿、红值的数组。对于灰度图像，只返回相应的强度。

>>> px = img[100,100]
>>> print( px )
[157 166 200]
# 只获取蓝色像素
>>> blue = img[100,100,0]
>>> print( blue )
157

你可以用同样的方法修改像素值。

>>> img[100,100] = [255,255,255]
>>> print( img[100,100] )
[255 255 255]

警告

Numpy是一个用于快速数组计算的优化库。因此，简单地访问每一个像素值并对其进行修改将是非常缓慢的，我们不鼓励这样做。

注意
上述方法通常用于选择一个数组的一个区域，例如前5行和最后3列。对于单个像素的访问，Numpy数组方法，array.item()和array.itemset()被认为更好。然而，它们总是返回一个标量，所以如果你想访问所有的B、G、R值，你将需要为每个值分别调用array.item()。

更好的像素访问和编辑方法：

# 获取RED值
>>> img.item(10,10,2)
59
# 修改RED值
>>> img.itemset((10,10,2),100)
>>> img.item(10,10,2)
100

访问图像属性

图像属性包括行、列和通道的数量；图像数据的类型；像素的数量等。

图像的形状是由img.shape访问的。它返回一个包含行数、列数和通道数（如果图像是彩色的）的元组。

>>> print( img.shape )
(342, 548, 3)

注意
如果一个图像是灰度的，返回的元组只包含行和列的数量，所以这是一个很好的方法来检查加载的图像是灰度的还是彩色的。

总的像素数由Img.size获取:

>>> print( img.size )
562248

图像数据类型由img.type获得:

>>> print( img.dtype )
uint8

注意
img.dtype在调试时非常重要，因为OpenCV-Python代码中的大量错误是由无效的数据类型引起的。

图像ROI

有时，你将不得不对图像的某些区域进行操作。对于图像中的眼睛检测，首先在整个图像上进行人脸检测。当得到一个人脸时，我们单独选择人脸区域并在其中搜索眼睛，而不是搜索整个图像。它提高了准确性（因为眼睛总是在脸上）和性能（因为我们在一个小区域内搜索）。

使用Numpy索引再次获得ROI。这里我选择了球，并将其复制到图像的另一个区域。

>>> ball = img[280:340, 330:390]
>>> img[273:333, 100:160] = ball

请看下面的结果:

分割和合并图像通道

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图像分割成单个通道。在其他情况下，你可能需要将这些单独的通道连接起来以创建一个BGR图像。你可以通过以下方式简单地做到这一点:

>>> b,g,r = cv.split(img)
>>> img = cv.merge((b,g,r))

或者

>>> b = img[:,:,0]

假设你想把所有的红色像素设置为零–你不需要先分割通道。Numpy索引的速度更快。

>>> img[:,:,2] = 0

cv.split
cv.merge

警告

cv.split()是一个消耗大的操作（就时间而言）。所以只有在必要时才使用它。否则请使用Numpy索引。

为图像制作边框（Padding）

如果你想在一个图像周围创建一个边框，就像一个相框一样，你可以使用cv.copyMakeBorder()。但它在卷积操作、零填充等方面有更多应用。这个函数需要以下参数。

• src - 输入图像
• top, bottom, left, right - 相应方向的边框宽度，以像素数计
• borderType - 定义要添加的边界类型的标志。它可以是以下类型。
• • cv.BORDER_CONSTANT - 添加一个恒定颜色的边框。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反射，像这样：Fedcba|abcdefgh|hgfedcb
• • cv.BORDER_REFLECT_101或cv.BORDER_DEFAULT - 与上述相同，但有轻微变化，像这样：gfedcb|abcdefgh|gfedcba
• • cv.BORDER_REPLICATE - 最后一个元素被整体复制，像这样：aaaaa|abcdefgh|hhhhh
• • cv.BORDER_WRAP - 无法解释，看起来会像这样：cdefgh|abcdefgh|abcdefg
• value - 如果边框类型是cv.BORDER_CONSTANT，边框的颜色。
  下面是一个演示所有这些边框类型的示例代码，以便更好地理解。

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()

cv.copyMakeBorder

请看下面的结果。(图片是用matplotlib显示的。所以红色和蓝色通道将被替换）: