opencv获取图片像素坐标_【OpenCV+Python】图像的基本操作与算术运算

图像的基本操作

在上个教程中，我们介绍了使用鼠标画笔的功能。本次教程，我们将要谈及OpenCV图像处理的基本操作。

本次教程的所有操作基本上都和Numpy相关，而不是与OpenCV相关。要使用OpenCV编写更好的优化代码，需要Numpy的丰富知识。

1.查看和修改像素值

我们要想查看一幅图像中某一个像素点的像素值，首先需要进行定位，将其坐标标定，我们先来看一个彩色图像(仍然是我们的猫咪，本次教程它是我们的主角)：

现在我想查看某一个坐标的像素值，我们在pycharm中输入代码：

import cv2import numpy as npimg = cv2.imread("cat.jpg")#获取像素值px = img[200,200]print(px)

代码为查看图像坐标(200,200)处的像素值，我们来看结果：

在之前的教程中我们谈到，OpenCV对于图像的读取并非是RGB通道，而是BGR通道，那么程序输出的[178,189,186]则分别对应于BGR的像素，我们可以进行验证：

import cv2import numpy as npimg = cv2.imread("cat.jpg")#获取像素值px = img[200,200]B = img[200,200,0]G = img[200,200,1]R = img[200,200,2]print(px,B,G,R)

现在我们假设，如果图像并非彩色，而是黑白的灰度图像，那么将会怎么输出？先进行实验：

我们仍然用刚刚的代码进行实验(前提是图像已经灰度化处理，这在后面会讲到)，效果：

可以看到，BGR的像素一致，我们得出一个结论：对于灰度图像，其输出的像素值本质上为它的亮度强度值，值的范围为0-255之间，当为0时，则全部为黑色，相反则为白色。

接下来我们来修改像素值，将指定坐标的像素值用一个数组进行赋值：

import cv2import numpy as npimg = cv2.imread("cat1.jpg")#获取像素值px = img[200,200]print(px)img[200,200] = [225,225,225]print(img[200,200])

查看输出：

可以看到，初始像素值跟修改之后的像素值。

一般来说，数组通常选择的是某一片区域，比如头几行或者最后几列。而对于某个像素点的访问，Numpy数组方法，array.item() 和array.itemset()有着更好的作用。但是它返回的是一个标量。所以如果我们想访问所有的B,G,R值，就需要分开调用array.item()，我们来看代码(仍然以坐标200,200为例)：

import cv2import numpy as npimg = cv2.imread("cat.jpg")#获取像素值px = img[200,200]print(px)print(img.item(200,200,0))

我们用item输出像素的B值，也就是蓝色像素的数值：

实验可以看到，跟之前的效果是一样的。

对于指定坐标的赋值，我们使用itemset函数可以精确到某个像素，比如现在我只对蓝色像素的数值进行改变：

import cv2import numpy as npimg = cv2.imread("cat.jpg")#获取像素值px = img[200,200]print(px)print(img.item(200,200,0))img.itemset((200,200,0),100)print(img.item(200,200,0))