从0开始的OpenCV图像处理(二)

Image Basics

​ 一切的开始：图像的基础-像素（pixel），如何通过像素生成图像，如何通过OpenCV来操控图像中的像素点。

像素的定义

熟悉的可以暂时跳过这一段，主要来科普图像的组成。比如说我们常见的一个显示器的分辨率是1080p（蓝光）其标准大小为1920x1080 也就是，长：1920个像素；宽：1080个像素点。合起来总共是1920x1080=2073600个像素点。

目前我们常见的图像都是由两个东西组成：灰度值和色彩。灰度值：0～255，其中0为黑，而255为白，中间值称为灰色。色彩：由 R(Red) G(Green) B(Blue)组成，其值也是在0～255的范围内。

坐标系

图像表示为像素网格。想象我们的网格就像一张方格纸。使用此方格纸，点（0，0）对应于图像的左上角。当我们向下和向右移动时，x和y值都会增加。

源代码

像素点操作：

from __future__ import print_function
import argparse
import cv2

ap = argparse.ArgumentParser()
ap.add_argument("-i", "--image", required = True,
                help = "Path to image")
args = vars(ap.parse_args())

image = cv2.imread(args["image"])
cv2.imshow("Original", image)

和之前一样，11行代码用来处理从命令行传进来的硬盘上的图像数据，并将数据存储为 numpy的数组形式。

OpenCV将图像存储为数组，可以将其理解为一个矩阵，只需要提供具体的x，y的值就可访问对应的像素点。得到的返回数据应该是由R, G, B三个元素组成的数组，但是OpenCV实际上是由 **蓝(B)、绿(G)、红®**的方式存储颜色数据，而非正常的 红、蓝、绿。

(b, g, r) = image[0, 0]
print("Pixel at (0, 0) - Red:{}, Green:{}, Blue:{}".format(r, g, b))

image[0, 0] = (0, 0, 255)
(b, g, r) = image[0, 0]
print("Pixel at (0, 0) - Red:{}, Green:{}, Blue:{}".format(r, g, b))

获取位于（0，0）图像位置上的像素点信息，该像素返回的元素是以元组的形式，而且是以b, g, r的顺序从数组中获取相关色彩值，最后将他们输出到可视化界面中。

随后，操纵图像中位于坐标（0，0）的左上像素，并将其值设置为（0，0，255）。如果以RGB格式读取此像素值，则红色的值为0，绿色的值为0，蓝色的值为255，因此使其成为纯蓝色。将像素设置为红色后，获取像素值，并将其打印回控制台，以证明确实已经成功更改了像素的颜色。

借用numpy的数组切片功能访问部分图像（矩形）：

corner = image[0:100, 0:100]
cv2.imshow("Corner", corner)

image[0:100, 0:100] = (0, 255, 0)

cv2.imshow("Updated", image)
cv2.waitKey(0)

四个索引：

1. 起始y：第一个值是起始y坐标。

   这是我们的数组切片将沿y轴开始的位置。在上面的示例中，我们的分片从y = 0开始。

2. 终点 y：就像我们提供了y的开始值一样，我们也必须提供y的结束值。当y = 100时，我们的切片沿y轴停止。

3. 起始x：我们必须提供的第三个值是切片的起始x坐标。为了获取图像的左上角区域，我们从x = 0开始。

4. 终点x：最后，我们需要提供x轴值以使切片停止。当x = 100时我们停止。

提取目标区域后 通过调用corner显示裁剪结果。之后的代码是修改区域颜色数值设置为(0, 255, 0) 绿色。

结果输出：

Pixel at (0, 0) - Red: 127, Green: 223, Blue: 17 
Pixel at (0, 0) - Red: 255, Green: 0, Blue: 0