opencv 如何定义数组_python+opencv 图像的数组和矩阵操作

在调用opencv的imread函数读取图像时，我们得到的其实是一个类型为numpy.ndarray的n维数组。这个数组的维度是[height,width,3]，它是由每个像素的RGB通道的灰度值组成。

(img[:,:,0],img[:,:,1],img[:,:,2] 分别对应B、G、R通道。)

因此一切对于图像的操作，其实都是对于该数组的操作，在实际应用中，运用numpy和opencv模块的数组或矩阵的操作，可以大大节省处理图像的时间。

举个简单的例子，我们想得到图像某一区域内所有R通道值大于50的像素坐标，最简单的方法是用for循环：

for i in range(width):

for j in range(height):

if img[i,j,2]>50:

print(i,j)

很显然，这段算法的时间复杂度是O(n²)，处理大图片非常之慢。那么有没有更好的办法呢？当然有，容我先卖个关子，让我们先来学习一些简单的数组/矩阵操作。

1.赋值

当我们需要改变图像的RGB值时，并不需要用for循环挨个赋值，而是可以直接对img数组的值进行修改。比如要将图像的灰度值取反，我们可以：

img[:,:]=255-img[:,:]

这个语句等同于opencv库的函数cv2.bitwise_not()，这样整幅图像的灰度值就都取反了。有兴趣的话，可以比较一下这两种方式的运行时间。

也可以通过设置范围，只操作图像的某一部分，比如我们要取图像的0-100行，100-200列：

img[0:100,100:200] #