学习视频可参见python+opencv3.3视频教学 基础入门
今天写的是numpy在图像处理中的基本使用
1.获取图片高宽通道及图像反转
# 获取图片高宽通道及图像反转
def access_pixels(image):
print(image.shape)
height=image.shape[0] #高
width=image.shape[1] #宽
channels=image.shape[2] #通道数
print("width: %s, height: %s, channels: %s"%(width, height, channels))
#自己写的图像反转
for row in range(height):
for col in range(width):
for c in range(channels):
pv = image[row, col, c]
image[row, col, c] = 256 - pv # 图像反转
cv.imshow('pixels_demo', image)
输出结果如下:
(512, 512, 3)
width: 512, height: 512, channels: 3
原图和反转图对比图如下:
测试一下access_pixels函数所用时间
t1=cv.getTickCount() #获取cpu时钟滴答数
access_pixels(src)
t2=cv.getTickCount()
time = (t2 - t1) / cv.getTickFrequency() # 函数执行前后滴答数之差与滴答频率之比为前后时间差
print("time: %s ms" % (time * 1000))
默认输出时间为秒(s)
输出:
time: 2870.7665066666664 ms
笔者使用的是i5处理器
调用opencv的API实现图像反转
#调用opencv的API实现图像反转
def inverse(image):
dst = cv.bitwise_not(image) # 按位取反,白变黑,黑变白
cv.imshow("inverse_demo", dst)
所用时间
time: 100.06570666666667 ms
能调用API的尽量使用API接口,提升效率
2.制作图像
单通道和三通道图像制作代码如下:
def create_image():
#单通道
img1=np.ones([400,400,1],np.uint8)
img1=img1*127
cv.imshow("singalchannels_image",img1)
# 三通道,opencv是BGR,即0维为B,1维为G,2维为R
img2=np.zeros([400,400,3],np.uint8)
#将第二通道赋值为255,得到的图像为绿色
img2[:,:,1]=np.ones([400,400])*255
cv.imshow("threechannels_image",img2)
构造的单通道和三通道图像如下:
3.改变像素值
m1=np.ones([3,3],np.uint8) #尽量选择int类型和float类型
m1.fill(12222.388)
print(m1)
输出结果:
[[190 190 190]
[190 190 190]
[190 190 190]]
- 图像如果不写通道,默认是单通道
- 因为是uint8类型,12222.388数据会溢出
- 190的输出进行了低位截断
- 190的输出是十进制12222转换为二进制数后,取低位的8位,然后将其再转为十进制数得到的
结语
以上内容仅是自我学习时记录的笔记,欢迎大家批评指正,一起学习进步。欢迎大家关注我的公众号小郭学数据。