OpenCV 学习笔记（六）—— 基本的图片核心操作

基本的图片核心操作

• 本节主要介绍一些基本的图片核心操作

一. 学习目标

• 获取图片的像素值并修改图片的像素值
• 获取图片属性
• 选择 ROI
• 合并和分离图片

二. 获取和修改图片的像素值

• 首先我们载入一张图片

  >>> import numpy as np
  >>> import cv2 as cv
  >>> img = cv.imread('./test_image/lenacolor.png')	 # 注意图片路径
  

• 然后我们可以通过行和列坐标访问像素值。对于 BGR 图片，返回值为一个 B，G，R 值矩阵。对于灰度图片，则返回相应的灰度值。

  >>> px = img[100,100]
  >>> print( px )
  [ 78  68 178]
  
  # 仅访问一个 blue 像素
  >>> blue = img[100,100,0]
  >>> print(blue)
  78
  

• 通过相同的方式，我们也可以修改像素值

  >>> img[100,100] = [255,255,255]
  >>> print(img[100, 100])
  [255 255 255]
  

• 注意
  Numpy 是一个用于快速数组计算的优化库。如果只是简单地访问每个像素值并修改它们，这个过程将会变得非常缓慢，是不可取的。

三. 获取图片属性

• 图片属性包括图片的行数，列数，通道数，图片数据的类型以及像素数等。
• 我们可以通过图片的 shape 属性获得图片的行数，列数以及通道数（当读取的图片为彩色图片时，才有通道数；如果读取的是灰度图片，则只能获得图片的行数和列数）

  >>> print(img.shape)
  (512, 512, 3)
  

• 通过图片的 size 属性获取图片的像素数目

  >>> print(img.size)
  786432
  

• 通过图片的 dtype 属性获取图片数据类型

  >>> print(img.dtype)
  uint8
  

四. 分离图像通道

• 有时候，我们需要分离图片的 B, G, R 通道。在这种情况下，我们可以使用 cv.split() 函数将 BGR 图片转换为单通道。

  >>> b, g, r = cv.split(img)
  >>> print("b shape is", b.shape, "\ng shape is", g.shape, "\nr shape is", r.shape)
  b shape is (512, 512)
  g shape is (512, 512)
  r shape is (512, 512)
  

• 也可以使用 numpy 操作

  >>> b = img[:,:,0]
  >>> print("b shape is",b.shape)
  b shape is (512, 512)
  

• 注意
  cv.split() 会花费大量的时间，所以只有你需要用到的时候才去使用。最好用 numpy 索引。

五. 为图像制作边框

• 如果想为图片制作边框，我们可以使用 cv.copyMakeBorder() 函数。
• 它的主要参数有：
  • src : 输入图像
  • top, bottom, left, right : 在指定边缘的像素点宽度
  • borderType : 想要添加的边缘类型。它有下列类型：
    • cv.BORDER_CONSTANT : 添加一个固定颜色的边框
    • cv.BORDER_REFLECT ：边界将是边界元素的镜像反射
    • cv.BORDER_REFLECT_101 or cv.BORDER_DEFAULT : 与上面相同，仅有稍微不同
    • cv.BORDER_REPLICATE :最后一个像素点将被复制
    • cv.BORDER_WRA
  • value : 边界颜色，如果边界类型为 cv.BORDER_CONSTANT，则需用到。
• 下面我们就用具体的代码，来演示一下各边框的效果

  import cv2 as cv
  import numpy as np
  from matplotlib import pyplot as plt
  
  # 读取图片
  img1 = cv.imread("./test_image/OpenCVLogo.jpg")
  
  # 为图片添加不同类型的边框
  replicate = cv.copyMakeBorder(img1,10,10,10,10,cv.BORDER_REPLICATE)
  reflect = cv.copyMakeBorder(img1,10,10,10,10,cv.BORDER_REFLECT)
  reflect101 = cv.copyMakeBorder(img1,10,10,10,10,cv.BORDER_REFLECT_101)
  wrap = cv.copyMakeBorder(img1,10,10,10,10,cv.BORDER_WRAP)
  BLUE = [255,0,0]
  constant= cv.copyMakeBorder(img1,10,10,10,10,cv.BORDER_CONSTANT,value=BLUE)
  
  # 显示不同类型的边框图片
  plt.subplot(231),plt.imshow(img1,'gray'),plt.title('ORIGINAL')
  plt.subplot(232),plt.imshow(replicate,'gray'),plt.title('REPLICATE')
  plt.subplot(233),plt.imshow(reflect,'gray'),plt.title('REFLECT')
  plt.subplot(234),plt.imshow(reflect101,'gray'),plt.title('REFLECT_101')
  plt.subplot(235),plt.imshow(wrap,'gray'),plt.title('WRAP')
  plt.subplot(236),plt.imshow(constant,'gray'),plt.title('CONSTANT')
  plt.show()
  

• 运行结果：
  
• 注意：在使用 Matplotlib，颜色通道发生了改变。

六. 结语

• 如果其中有不对的地方或是需要改进的地方，请指正。
• 联系方式 email：lwl510ll@163.com 。
• 本文到这就结束了，谢谢大家观看。