03：像素的基本操作

像素是图像的最小单位，每一幅图像都是由N行M列的像素组成的，其中每一个像素都存储一个像素值。

以灰度图为例，计算机通常把灰度图像的像素处理为256个灰度级别，256个灰度级别分别使用区间[0,255]中的整数数值表示。其中“0”表示纯黑色，“255”表示纯白色

图像是有许多小方块组成，通常把一个小方块称作一个像素，因此一个像素是具有一定面积的小块，而不是一个点。需要注意的是像素的形状是不固定的，大多数数况下，像素被认为是方形的，但有时也可能是圆形的或者其他形状的。

1.确定像素的BGR值

如果我们想知道某一个像素点的值，此时我们就需要先确定该像素点的位置，然后再查看它的值

（1.1）如果确定某个像素的位置

我们可以使用windows自带的画图工具打开图像，以此来查看图像中某一个像素点的位置

（1.2）查看[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-3MGYor9M-1676597842631)(C:\Users\hanhan\Desktop\模型学习\opencv–pil\opencv\03像素的操作\像素操作.assets\image-20221130162314384.png)]查看某个像素点对应的BGR值

import cv2
image = cv2.imread("C:/Users/hanhan/Desktop/image/1.jpg",1)
px =image[235,234] #查看（235,234）位置像素的RGB值
print(px)

输出结果是[233,235,245]

如何理解上面的RGB输出结果？

三基色：人眼能够感知红色，绿色和蓝色三种不同的颜色，因此把这三种颜色称作三基色。如果将这三种颜色以不同的比例进行混合，人眼就能够感知到丰富多彩的颜色。

那么对于计算机是如何对这些颜色进行编码的呢？

答案就是利用色彩空间，也就是色彩空间是计算机对颜色进行编码的模型。

以较为常用的RGB色彩空间为例，在RGB色彩空间中，存在三个通道即R通道，G通道，B通道，其中R通道是红色通道，G通道是绿色通道，B通道是蓝色通道，并且每个色彩通道都是在区间[0,255]内取值。

这样，计算机将利用三个色彩通道的不同组合来表示不同的颜色

我们常常使用功能RGB的顺序来表示色彩空间，但是在opencv中则使用BGR顺序来表示色彩空间，

即【233,235,245】

233：是蓝色通道

235：是绿色通道

245：是红色通道

（1.3）如何查看每个通道的值

import cv2
image = cv2.imread("C:/Users/hanhan/Desktop/image/1.jpg",1)
px =image[235,234,0] #查看（235,234）位置的像素的B通道值
px =image[235,234,1] #查看（235,234）位置的像素的G通道值
px =image[235,234,2] #查看（235,234）位置的像素的R通道值
其实跟索引差不多
print(px)

2.修改像素的BGR值

(2.1) 修改单个像素点的BGR值

前面我们已经获取像素（235,234）位置的像素值为【233,235,245】，现在我们把像素值全部变成【255,255,255】

import cv2
image = cv2.imread("C:/Users/hanhan/Desktop/image/1.jpg",1)
px =image[235,234] #查看（235,234）位置的像素RGB值
px = [255,255,255] #s使用同一个px变量，进行修改
print(px)

对于BGR色彩空间的图像，当每个像素的BGR的三个数值相等时，就可以得到灰度图像。其中B=G=R=0为纯黑色。B=G=R=255为纯白色。

（2.2）修改指定区域内的像素值

将像素坐标为（241,168），（241,218），（291,168），（291,218）d的4个点所围成的区域内的所有像素都修改为纯白色

241表示横坐标

168表示纵坐标

import cv2
image = cv2.imread("C:/Users/hanhan/Desktop/image/1.jpg",1)
cv2.imshow("e",image)
for i in range(241,291):
	for j in range(168,219):
		image[i,j] = [255,255,255]
cv2.imshow("4,8",image)
cv2.waitKey()
cv2.destroyAllWindows()

3.使用numpy操作像素

图像在open CV中以二维或三维数组表示，数组中的每一个值就是图像的像素值。善于操作数组的numpy模块就成了open CV的依赖包。

1.创建数组

（1.1）最常规的array()方法

numpy创建简单的数组主要是用array()方法，通过传递列表，元祖，来创建numpy数组，元素可以是任何对象

numpy.array(object,dtype,copy,order,subok,ndmin)

object:任何具有数组接口方法的对象
dtype：数据类型
copy：可选参数，布尔型，默认值为True，则object对象被复制，否则，只有当__array__返回副本，object参数为嵌套序列，或者需要副本满足数据类型和顺序的要求时，才会产生副本
order：元素在内存中出现的顺序，其值为K,A,C,F。如果object参数不是数组，则新建的数组将按行排列（C），如果值为F，则按列排列，如果Object参数是一个数组，则以一下顺序成立C（按行），F（按列），A（原顺序），K（元素在内存中出现的顺序）
subok:布尔型，如果为True则传递子类，否则返回的数组，将强制为基类数组
ndmin:指定生成数组最小的维数

import numpy as np
#创建一维数组
n1 = np.array([1,2,3])
#创建二维数组
n2 = np.array([[1,2],[3,4]])
#创建浮点类型的数组
list = [1,2,3]
n3 = np.array(list,dtype=float)
dtype:可以指定创建数组的数据类型
#创建指定的维度的数组
list= [2,3,4]
n3d = np.array(list,ndmin=3)

(1.2)创建一个指定维度和数据未初始化的数组

import numpy as np
n = np.empty([2,3])

(1.3)创建用0填充的数组

import numpy as np
n = np.zeros((3,3),np.uint8)
创建的是3行3列，数字类型为无符号8位整数的纯0数组

（1.4）创建用1填充的数组

import numpy as np
n = np.ones((3,3),np.uint8)
创建的是3行3列，数字类型为无符号8位整数的纯0数组

(1.5)创建随机数组

numpy.random.randint(low,high,size)

randint()方法用于生成一定范围内的随机整数数组，左闭右开（【low，high） ）

low:随机数最小的取值范围

high：可选参数随机数最大取值范围，若high为空，取值范围为（0，low），若high不为空，则high必须大于low

size：可选参数，数组维数

import numpy as np
#随机生成10个1-3不包括3的整数
n1 = np.random.randint(1,3,10)
#size数组大小为空时，随机返回一个整数
n2 = np.random.randint(5,10)
#随机生成5以内二维数组
n3 = np.random.randint(5,size=(2,5))

2.操作数组

大小相等的数组之间的任何算术运算都可以使用Numpy实现

2.1加法运行

import numpy as np
n1 = np.array([1,2])
n2 = np.array([3,4])
print(n1+n2)

2.2减法和乘除运算

import numpy as np
n1 = np.array([1,2])
n2 = np.array([3,4])
print(n1-n2)
print(n1 * n2)
print(n1 / n2)
对于应位置相乘除

2.3幂运算

幂是数组中对应位置元素的幂运算，使用**运算符进行运算

import numpy as np
n1 = np.array([1,2])
n2 = np.array([3,4])
print(n1 ** n2)

2.4.比较运算

numpy 创建的数组可以使用逻辑运算符进行比较运算，运算的结果是布尔值数组，数组中的布尔值为相比较的数组在相同位置元素的比较结果

import numpy as np
n1 = np.array([1,2])
n2 = np.array([3,4])
print(n1 >= n2)
print(n1 != n2)

2.5复制数组

n2 = n1.copy()
修改副本中的元素不会影响到原数组

3.数组的索引和切片

数组中的索引是从0开始的，第一个元素的索引为0

切片

数组的切片可以理解为对数组的分割，按照等分或者不等分，将一个数组切割为多个片段

[start:stop:step]
start:起始索引，若不写任何值，则表示从0开始的全部索引
stop:终止索引，若不写任何值，则表示知道末尾的全部索引
step: 步长
支持左闭右开的原则

import numpy as np
n1 = np.array([1,2,3])
print(n1[1:]) #结果是【2,3】
print(n1[:2]) #结果是【1,2】

start,stop,step这3个参数都可以是负数，代表反向索引

正向索引 ： 0   1  2  3  4  5  6  7  8  9 
原数据数据  0   1  2  3  4  5  6  7  8  9 
反向索引 ：-10 -9 -8 -7 -6 -5 -4 -3 -2 -1

import numpy as np
n1 = np.array([1,2,3,4,5,6,7,8,9])
print(n1[::-1]) #从9到1
print(n1[::]) #从1到9

二维数组索引

二维数组索引可以使用array(n,m)的形式

二维数组的切片

import numpy as np
n1 = np.array([[1,2,3],[4,5,6],[7,8,9]])
print(n1[1,:2]) #前控制行，后控制列，第二行的，第一个列，第二列，[4,5]
print(n1[:2,1:]) 
print(n1[:,:1]) #所有的行，但是只有第一列

4.创建图像

在opencv中，黑白图像实际上是一个二维数组，彩色图像是一个三维数组，数组中每个元素就是图像对应的像素值。因此修改图像像素的操作实际上就是修改数组的操作

1.创建纯黑图像

创建一个100行，200列（宽200，高100）的数组，数组元素格式为无符号8位整数，用0填充整个数组

import cv2
import numpy as np
width = 200
height = 100
#创建指定宽高，单通道，像素值都为0的图像
img = np.zeros((height,width),np.uint8)
cv2.imshow("ing",img)
cv2.waitKey()
cv2.destroyAllWindows()

2.创建纯白图像

创建纯白图像有两种方式：

第一种：先纯黑图像，然后将图像中所有的像素值改为255

第二种：使用numpy提供的ones()方法创建一个像素值均为1的数组，然后让数组乘以255

第二种方法

import cv2
import numpy as np
width = 200
height = 100
#创建指定宽高，单通道，像素值都为0的图像
img = np.ones((height,width),np.uint8)*255
cv2.imshow("ing",img)
cv2.waitKey()
cv2.destroyAllWindows()

3.在黑色图像内部绘制白色矩形

通过索引切片操作可以修改图像中指定区域内的像素，从而达到修改图像内容的效果

先绘制纯黑色图像作为背景，然后使用切片式索引操作将图像中横坐标为50-100，纵坐标为25-75的矩形区域颜色改为纯白色

import cv2
import numpy as np
width = 250
height = 100
#创建指定宽高，单通道，像素值都为0的纯黑色图像
img = np.zeros((height,width),np.uint8)
#将图像纵坐标为25-75，横坐标为50-100的区域改为白色
img[25:75,50:100] = 255
cv2.imshow("ing",img)
cv2.waitKey()
cv2.destroyAllWindows()

4.创建黑白相间的图像

其实就是将切片索引放入了循环内，则可以绘制带有规律的几何图像

先绘制纯黑色图像作为背景，然后再循环中使用切片式索引操作绘制黑白间隔图像

import cv2
import numpy as np
width = 200
height = 100
#创建指定宽高，单通道，像素值都为0的纯黑色图像
img = np.zeros((height,width),np.uint8)
for  i in range(0,width,40):  #40是步伐
    img[:,i:i+20] =255
cv2.imshow("ing",img)
cv2.waitKey()
cv2.destroyAllWindows()

5.创建彩色图像

创建彩色图像时要将数组建成三维数组，元素类型仍然为无符号8位整数，创建好表示纯黑色图像的三维数组后，复制出3个副本，3个副本分别修改最后一个索引代表的元素值，根据BGR的时序，0表示蓝色分量，1表示绿色分量，2表示红色分量，让3个副本分别表示纯蓝，纯绿，和纯红

import cv2
import numpy as np
width = 200
height = 100
#创建指定宽高，单通道，像素值都为0的纯黑色图像
img = np.zeros((height,width,3),np.uint8)
blue = img.copy()
blue[:,:,0]=255
green = img.copy()
green[:,:,1] = 255
red = img.copy()
red[:,:,2] = 255
cv2.imshow("blue",blue)
cv2.imshow("green",green)
cv2.imshow("red",red)
cv2.waitKey()
cv2.destroyAllWindows()

6.创建随机像素的雪花点图像

使用numpy提供的random.randint()方法可创建随机数组，将随机值的取值范围设定在0-255（即像素值范围），元素类型设定为无符号8位整数

这个创建的是二维黑白图像
import cv2
import numpy as np
width = 200
height = 100
img = np.random.randint(256,size = (height,width),dtype = np.uint8)
cv2.imshow("img",img)
cv2.waitKey()
cv2.destroyAllWindows()

#创建彩色图像
import cv2
import numpy as np
width = 200
height = 100
#创建指定宽高，单通道，像素值都为0的纯黑色图像
img = np.random.randint(256,size = (height,width,3),dtype = np.uint8) #只是在后面加了个3
cv2.imshow("img",img)
cv2.waitKey()
cv2.destroyAllWindows()

5.拼接图像

numpy提供了两种拼接数组的方法，分别是hstack（）方法和vstack()方法，

1.水平拼接数组

hstack（）可以对数组进行水平拼接（或叫横向拼接）

array = numpy.hstack(tup)

tup:要拼接的数组元组

返回值说明：array：将参数元组中的数组水平拼接后生成的新数组

hstack（）方法，可以拼接成多个数组，但拼接的数组，他们的形状一定要相同

#一维数组的拼接
import numpy as np
a = np.array([1,2,3])
b = np.array([4,5,6])
c = np.array([7,8,9])
result = np.hstack((a,b,c))
print(result)
#一维数组拼接后会生成一个较长的，包括所有元素的数组

2.垂直拼接数组

vstack（）可以对数组进行垂直拼接（或叫纵向拼接）

array = numpy.vstack(tup)

tup:要拼接的数组元组

返回值说明：array：将参数元组中的数组水平拼接后生成的新数组

hstack（）方法，可以拼接成多个数组，但拼接的数组，他们的形状一定要相同

import numpy as np
a = np.array([1,2,3])
b = np.array([4,5,6])
c = np.array([7,8,9])
result = np.vstack((a,b,c))
print(result)
#一维数组进行垂直拼接后，生成一个三维数组

3.在图像处理中的应用

在opencv中图像就是一个二维或三维的像素数组，这些数组同样可以被numpy拼接

按照水平和垂直两种方式拼接两幅图像

import cv2
import numpy as np
image = cv2.imread("C:/Users/hanhan/Desktop/image/1.jpg",1)
img_h = np.hstack((image,image))
img_v = np.vstack((image,image))
cv2.imshow("img_h",img_h)
cv2.imshow("img_v",img_v)
cv2.waitKey()
cv2.destroyAllWindows()