OpenCV-06 图像的基本操作

图像处理是计算机视觉领域的基础，本文将介绍图像的基本操作，包括图像的读取、像素操作、通道处理以及边界处理等内容。

1.获取图像基本信息

使用OpenCV和Matplotlib库，我们可以轻松地进行图像基本操作。首先，我们来获取图像的高度、宽度和通道数：

import numpy as np
import cv2 as cv
from matplotlib import pyplot as plt

def getImgShape():
    #读取一张图片
    img = cv.imread("../img/img1.jpg")
    h, w, c = img.shape
    print(f"图像高度: {h}, 宽度: {w}, 通道数: {c}")

2. 获取和修改像素值

接下来，我们演示如何获取和修改图像的像素值。这是图像处理中常见的基础操作之一：

def getImgPixel():
    img = cv.imread("../img/img1.jpg")
    
    # 获取像素值
    print("像素值 (100, 100):", img[100, 100])
    print("蓝色通道值 (100, 100):", img[100, 100, 0])
    print("绿色通道值 (100, 100):", img[100, 100, 1])
    print("红色通道值 (100, 100):", img[100, 100, 2])
    
    # 修改像素值（不推荐，效率低）
    for h in range(100, 200):
        for w in range(300, 600):
            img[h, w] = [0, 255, 255]  # 将像素值改为蓝色
            
    print("总像素数:", img.size)
    print("图像数据类型:", img.dtype)

getImgPixel()

3. 拆分和合并图像通道

图像的通道处理是图像处理中的重要操作，可以对图像的RGB通道进行独立处理：

def splitMergeChannels():
    img = cv.imread("../img/img1.jpg")
    
    # 拆分通道
    b, g, r = cv.split(img)
    print("蓝色通道:", b)
    print("绿色通道:", g)
    print("红色通道:", r)
    
    # 合并通道
    img_merged = cv.merge((b, g, r))

splitMergeChannels()

4. 图像边界处理

图像边界处理是在图像处理中常见的需求，OpenCV提供了多种边界填充方式：

def makeImageBoundaries():
    img = np.zeros((512, 512, 3), np.uint8)
    cv.rectangle(img, (0, 0), (512, 512), (255, 0, 0), -1)  # 绘制蓝色矩形
    
    RED = [0, 0, 255]
    replicate = cv.copyMakeBorder(img, 10, 10, 10, 10, cv.BORDER_REPLICATE)
    reflect = cv.copyMakeBorder(img, 10, 10, 10, 10, cv.BORDER_REFLECT)
    reflect101 = cv.copyMakeBorder(img, 10, 10, 10, 10, cv.BORDER_REFLECT_101)
    wrap = cv.copyMakeBorder(img, 10, 10, 10, 10, cv.BORDER_WRAP)
    constant = cv.copyMakeBorder(img, 10, 10, 10, 10, cv.BORDER_CONSTANT, value=RED)
    
    plt.subplot(231), plt.imshow(img), plt.title('原始图像')
    plt.subplot(232), plt.imshow(replicate, 'gray'), plt.title('复制边界')
    plt.subplot(233), plt.imshow(reflect, 'gray'), plt.title('反射边界')
    plt.subplot(234), plt.imshow(reflect101, 'gray'), plt.title('反射101边界')
    plt.subplot(235), plt.imshow(wrap, 'gray'), plt.title('环绕边界')
    plt.subplot(236), plt.imshow(constant, 'gray'), plt.title('常数边界')
    plt.tight_layout()
    plt.show()

makeImageBoundaries()

本文介绍了如何使用OpenCV和Matplotlib库进行基本的图像操作，包括获取图像信息、像素操作、通道处理和边界处理。这些技术是计算机视觉和图像处理中的基础，有助于进一步深入学习和应用。

学习中的问题

subplot(231)是什么可以改成subplot(1)吗？

在Matplotlib中，subplot(231)表示将当前图形分割成2行3列，并且选择第1个子图作为当前操作的子图。这种形式是过时的，应该使用更现代的方式来定义子图的位置。

如果你想简化代码，并且只需要一个子图，可以使用以下方式之一：

1. 使用subplot()方法：可以直接使用subplot()方法来创建一个单独的子图。例如，subplot(1, 1, 1)表示将整个图形分割成1行1列，并选择第1个子图（也就是整个图形作为一个子图）。

import matplotlib.pyplot as plt

plt.subplot(1, 1, 1)

 这种方式更加直观和现代化。

2.使用subplots()方法：使用subplots()方法创建一个图形和一个子图，这是更推荐的方式：

import matplotlib.pyplot as plt

fig, ax = plt.subplots()

 3. 这种方式会返回一个Figure对象（图形）和一个Axes对象（子图），这样可以更加灵活地操作子图。

所以，subplot(231)并不推荐，可以改成更清晰的方式如上所述。

附：

def openImg(img):
    # 打开一个窗口，这段代码可以写也可以不写，不写打开的图片是不能改变大小的，窗口的名称必须一致，不然会打开两个
    cv.namedWindow('image',cv.WINDOW_NORMAL)
    # 加载显示图片
    cv.imshow('image', img)
    # 等待键盘输入 结束这个程序 参数0是指0毫秒，传入1000则是指1s之后继续执行代码，但是随便键盘输入也将会执行后面代码 0则是一直等待键盘输入
    key = cv.waitKey(0)
    # ord返回的是s按键对应的数字
    if key == ord('s'):
        # 按下s保存图片
        cv.imwrite('test.jpg', img)
    # 销毁全部窗口
    cv.destroyAllWindows()

  关注公众号：资小库，问题快速答疑解惑