OpenCV 图像的矩阵表示

目录

1、图片的矩阵表示

2、图片相加

3、图片颜色通道的分离与合并

4、图像像素的逻辑操作

---

1、图片的矩阵表示

        在计算机中，每一张图像都由行列排出的像素点组成，每个像素点只有一种颜色。对于任何一种颜色，在不同的颜色模式中可以使用一个或者一组数据表示。图像既然可以看作是像素点的集合，可以使用矩阵以对其进行表示。和直观感受不同，矩阵的表示是先行后列，也就是说如果想通过矩阵下标索引选择图片上某确定位置的像素点，需要输入的下标索引为（Y,X）。

        不同颜色模式下，表示同一图片的图像矩阵大小也不相同，对于一张长为W像素，宽为H像素的图片来说，如果以位图模式表示，需要W*H大小的01矩阵；灰度图模式下，需要W*H大小的uint8数据矩阵；RGB发光彩色模式下，由于需要RGB三色通道表示，则需要W*H*3大小的uint8数据矩阵。

        当一张图片被采集时，返回的图像对象就是一个矩阵。可以使用矩阵的下标索引对于图像进行分割提取处理。

# img1 时从 img 中索引 从 y 行到 y + h 行,从 x 列到 x + w 列得到的图像
img1 = img[y:y + h,x:x + w]

2、图片相加

        两张形状相同的图片可以相加，相当于矩阵的加法。相加后的图片会出现两幅图片的特征。

​# 图像1
img1 = cv2.imread("OpenCV.jpg")
img1 = cv2.resize(img1,(W, H))
# 图像2
img2 = cv2.imread("Python.jpg")
img2 = cv2.resize(img2,(W, H))
# 加和图像
img3 = cv2.add(img1,img2)
# 图像显示
cv2.imshow("OpenCV.jpg",img1)
cv2.moveWindow("OpenCV.jpg",0,0)
cv2.imshow("Python.jpg",img2)
cv2.moveWindow("Python.jpg",W,0)
cv2.imshow("add",img3)
cv2.moveWindow("add",2*W,0)

        OpenCV 提供了加权相加的函数接口，可以通过cv2.addWeighted设定两张图片的权值控制最终加和的图片样式。

​# 权值加和图像
img3 = cv2.addWeighted(img1,a,img2,b,0.2)
# dst = cv2.addWeighted(src1, alpha, src2, beta, gamma,dst,dtype)
# src1:加和图像1,矩阵 alpha:权值1,双精度
# src2:加和图像2,矩阵 beta:权值2,双精度
# gamma:加和亮度,给负值消减亮度，正值增加亮度,双精度
# dst:输出图像,矩阵

3、图片颜色通道的分离与合并

        当图片以BGR（RGB）等格式表示时，图片有多个颜色通道，可以使用cv2.split函数进行通道分离。当然，也可以直接对图片矩阵进行切片操作拿取通道数据。在OpenCV中，图片img的BGR通道分别为img[:,:,0]，img[:,:,1]，img[:,:,2]。当拿取通道值之后，若直接显示该通道值，则会以灰度图显示，较亮的部分代表此处对应通道颜色分量大。如下图中b窗口中蓝色部分最亮，g窗口中绿色部分最亮。

​# 图像1
img1 = cv2.imread("OpenCV.jpg")
img1 = cv2.resize(img1,(W, H))
b,g,r = cv2.split(img1)

# 图像显示
cv2.imshow("OpenCV.jpg",img1)
cv2.moveWindow("OpenCV.jpg",0,0)
cv2.imshow("b",b)
cv2.moveWindow("b",W,0)
cv2.imshow("g",g)
cv2.moveWindow("g",2*W,0)
cv2.imshow("r",r)
cv2.moveWindow("r",3*W,0)

        也可以将不同通道的数据通过cv2.merge进行合并。由于更改了通道合并的顺序，将b与r进行了互换，所以merge图像与原图不一样。merge图像中，红色的强度是原图中蓝色的值，蓝色的强度是原图中红色的值。当然，也可以通过矩阵合并直接合并通道。

img3 = cv2.merge([r,g,b])
cv2.imshow("merge",img3)

4、图像像素的逻辑操作

        图像的按位逻辑操作其实就是对应矩阵数据的按位逻辑操作，可以用一张图片来做图像掩码与需要处理的图像进行逻辑操作，达到图像处理的目的。

​return_img = cv2.bitwise_and(img1，img2)
"""
return_img = cv2.bitwise_and(img1,img2)
return_img:返回处理之后的图像矩阵
img1,img2:需要操作的同维度矩阵return_
"""

操作函数	操作功能
cv2.bitwise_and(img1,img2)	img1 与 img2 按位与操作
cv2.bitwise_or(img1,img2)	img1 与 img2 按位或操作
cv2.bitwise_not(img)	img 按位非操作
cv2.bitwise_xor(img1,img2)	img1 与 img2 按位异或操作