(二)OpenCV中的核操作

二.OpneCV中的核操作

2.1对图像的基本操作

2.1.1 目标

学会：

• 访问像素值并进行修改
• 访问图像属性
• 设置图像区域（ROI）
• 拆分和合并图像

本节几乎所有的操作主要与Numpy而不是OpenCV有关。 需要知道Numpy才能使用OpenCV编写更好的优化代码。

（示例将显示在Python终端中，因为大多数只是单行代码）

2.1.2 访问并修改像素值

首先加载一个彩色图像：

>>> import cv2
>>> import numpy as np

>>> img = cv2.imread('messi5.jpg')

可以通过其行和列坐标访问像素值。 对于BGR图像，它返回一个蓝色，绿色和红色值的数组。 对于灰度图像，只返回相应的强度。

>>> px = img[100,100]
>>> print px
[157 166 200]

# 只获取蓝色通道的像素值
>>> blue = img[100,100,0]
>>> print blue
157

同样的也可以修改像素值：

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

警告：Numpy是用于快速阵列计算的优化库。 所以简单地访问每个像素的值并修改它将是非常慢的，这是不提倡的。
注意：上述方法通常用于选择数组的区域，如前5行和最后3列。 对于单个像素访问，Numpy数组方法array.item（）和array.itemset（）被认为更好。 但它总是返回一个标量。 所以如果你想访问所有的B，G，R值，需要单独调用所有的array.item（）。

更好的访问和修改像素的方法：

# 获取红色通道的值
>>> img.item(10,10,2)
59

# 修改红色通道的值
>>> img.itemset((10,10,2),100)
>>> img.item(10,10,2)
100

2.1.3 访问图像属性

图像属性包括行数，列和通道，图像数据类型，像素数等。
图像的形状由img.shape访问。 它返回一行数量的行，列和通道（如果图像是彩色图像）：

>>> print img.shape
(342, 548, 3)

注意：如果图像是灰度图像，则返回的元组仅包含行数和列数。 因此，这是一种很好的方法来检查加载的图像是灰度还是彩色图像。

img.size访问总像素数：

>>> print img.size
562248

图像数据类型由img.dtype获取：

>>> print img.dtype
uint8

注意：img.dtype在调试时非常重要，因为OpenCV-Python代码中的大量错误是由无效数据类型引起的。

2.1.4 图像感兴趣区域

有时，你必须处理某些区域的图像。 对于图像中的眼睛检测，在整个图像上进行第一次脸部检测，并且当获得脸部时，我们单独选择面部区域，并在其中搜索眼睛，而不是搜索整个图像。 它提高了准确性（因为眼睛总是在脸上：D）和性能（因为我们搜索一个小区域）
使用Numpy索引重新获得ROI。 在这里我选择了一个区域复制到图像中的另一个区域：

>>> ball = img[280:340, 330:390]
>>> img[273:333, 100:160] = ball

2.1.5 分离和融合图像通道

有时您需要单独处理B，G，R通道的图像。 那么你需要将BGR图像分割成单个平面。 或者其他情况，可能需要将这些单个颜色通道频道融合为BGR图片。 可以这样做：

>>> b,g,r = cv2.split(img)
>>> img = cv2.merge((b,g,r))

或者：

>>> b = img[:,:,0]

假设你想让所有的红色像素为零，你不需要像这样拆分并将其赋值零。 你可以简单地使用Numpy索引，而且更快。

>>> img[:,:,2] = 0

警告：cv2.split（）是一个耗时操作（在时间上）。 所以只有在需要的时候才能做到。 否则用Numpy索引。

2.1.5 制作边框图像（填充）


如果要在图像周围创建边框，像相框，可以使用cv2.copyMakeBorder（）函数。但是它具有更多的卷积运算，零填充等应用。该函数具有以下参数：

• src - 输入图像
• top，bottom，left，right-边框宽度，相应方向上的像素数
• borderType - 标记要添加什么样的边框的标志。它可以是以下类型：

                cv2.BORDER_CONSTANT - 添加一个常量的彩色边框。该值应该作为下一个参数给出。
                cv2.BORDER_REFLECT - 边框将镜像反射边框元素，如下所示：fedcba | abcdefgh | hgfedcb
                cv2.BORDER_REFLECT_101或cv2.BORDER_DEFAULT - 与上述相同，但略有更改，如下所示：gfedcb | abcdefgh | gfedcba
                cv2.BORDER_REPLICATE - 最后一个元素全部复制，如下所示：aaaaaa | abcdefgh | hhhhhhhh
                cv2.BORDER_WRAP - 无法解释，它将如下所示：cdefgh | abcdefgh | abcdefg

• value - 如果边框类型为cv2.BORDER_CONSTANT，则为边框颜色

以下是一个示例代码，演示所有这些边框类型，以便更好地了解：

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

BLUE=[255,0,0]

img1=cv2.imread("1.jpg")
replicate=cv2.copyMakeBorder(img1,10,10,10,10,cv2.BORDER_REPLICATE)
reflect=cv2.copyMakeBorder(img1,10,10,10,10,cv2.BORDER_REFLECT)
reflect101=cv2.copyMakeBorder(img1,10,10,10,10,cv2.BORDER_REFLECT101)
wrap=cv2.copyMakeBorder(img1,10,10,10,10,cv2.BORDER_WRAP)
constant=cv2.copyMakeBorder(img1,10,10,10,10,cv2.BORDER_CONSTANT,value=BLUE)

plt.subplot(231),plt.imshow(img1,'gray'),plt.title('ORGINAL')
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('REFLECT101')
plt.subplot(235),plt.imshow(wrap,'gray'),plt.title('WRAP')
plt.subplot(236),plt.imshow(constant,'gray'),plt.title('CONSTANT')

plt.show()

结果：