opencv python教程简书_OpenCV-Python系列二：常用的图像属性

对于图像，我们经常需要知道关于图像的特殊属性，比如宽度，高度，面积，像素点数目等等，那么在opencv-python中，这些信息如何获取呢？

本文结构：

1.基本图像属性

2. 对于opencv中的特殊数据类型

3. 图像的矩

1. 图像的基本属性

图像的宽度、高度

首先，opencv通过下面的方式获取图像内容

img = cv2.imread('bgrImage.jpg', -1)#-1-以图像原格式，0-灰度格式，1-三通道格式， OpenCV使用的BGR三通道格式

opencv-python中使用cv2.imread()函数读取图像信息，数据类型为numpy.ndarray，不能通过img.cols, img.rows来获取(C++版本cv::Mat的方式)，通常会采用下面的方式获取图像的宽度，高度，通道数。

row, col, channel = img.shape #返回一个tuple(row, col, channel)

图像的像素数目，数据类型

pixels = img.size

img_data_type = img.dtype#uint8等

对像素点的索引

px = img[10, 10]

print(px)# [ 84 188 155]

px = img[10, 10, 0]

print(px) # 84

我们可以通过上面的方式实现对图像元素进行操作, 当你对处理速度有要求，可以使用img.item(row, col, channel)来获取元素和使用img.itemset((row, col, channel), val)来修改元素。

2. 对于opencv中的特殊数据类型

这里主要参考着C++版本的OpenCV库，比如cv::Point, cv::Rect, cv::Scalar， 此外还有一些如cv::Point3i, Vec4i等，在某些函数使用到时对应即可。在opencv-python中，使用numpy的数据格式进行处理，并不存在Point， Rect， Scalar这些特殊的概念，而是将其一般化了, 比如在绘制圆的时候：

cv2.circle(img, (x, y), radius, color, thickness) #opencv的官方教程速度还真比不上百度

对于圆心，直接使用一个tuple类型就行，不再有cv::Point这样的特殊数据类型，这样对于传参的时候灵活了不少。

对于矩形cv::Rect，在python版本中绘制rectangle则无法使用传递(x, y, w, h)这样的格式，只存有(x0, y0), (x1, y1)这样传递左上和右下点信息来完成

cv2.rectangle(img, (x0, y0), (x1, y1), color, line_width)

对于外接矩形，直接通过x, y, w, h来获取矩形的信息

x, y, w, h = cv2.boundingRect(contour)

对于cv::Scalar，也直接使用tuple来表示了，如：

img_mean = cv2.mean(img)# (127.549025, 127.6246, 127.67580000000001, 0.0)

返回一个长度为4的tuple，这对应C++的cv::Scalar.

3. 图像的矩

对于图像处理，我们的目的是提取图像特征信息，不论是选取ROI(感兴趣区域)，还是滤波，边缘提取等等，而且我们希望提取的特征受到噪声，几何形变，光线的影响越少越好，这样的特征存在么？幸运的是，还真发现了这样的特征--不变矩。

在OpenCV中，关于矩的使用常用在下面几个地方：

计算轮廓的质心

# 常伴随cv2.findContours()使用，cv2.moments第一个参数为点集

img_moments = cv2.moments(contour)

# 计算质心centroid坐标信息cent_x和cent_y

cent_x = int(img_moments['m10']/img_moments['00'])

cent_y = int(img_moments['m01']/img_moments['00'])

通过比较轮廓的矩来进行目标的匹配

对于opencv-python的基础数据类型，有问题欢迎留言， Have Fun With OpenCV-Python, 下期见。