首先 我们需要知道在python中,图片的保存类型以及他的数据结构
个人理解:图片就是多维数组
# opencv用mat这种数据结构来表示图片的
# C++中是用mat来保存图片,Python中把mat转换成了numpy中的ndarray
# Mat由header和data组成,header中记录了图片的维数,大小,数据类型等数据
import cv2
import numpy as np
img = cv2.imread('fj.jpg')
# cv2.namedWindow('img', cv2.WINDOW_NORMAL)
# cv2.resizeWindow('img', 640, 320)
# while True:
# cv2.imshow('img', img)
# key = cv2.waitKey(0)
# if key == ord('q'):
# break
# cv2.destroyAllWindows()
print(img)
print(type(img))
# ndarray的4种常见属性?
print(img.data)
ones = np.ones((2, 3))
print(ones)
print(ones.data)
# size 元素的总个数
print(img.size)
# dtype 数据类型
print(img.dtype)
# shape各个维度的形状
print(img.shape)
# itemsize不属于mat的属性 itemsize输出array元素的字节数
print(img.itemsize)
# ndim 维度,也就是通道数
print(img.ndim)
# imag 虚拟数组 用的不多
print(img.imag)
# 因为python中图片数据已经包装成ndarray了,所以对Mat的深浅拷贝,其实就是对ndarray的深浅拷贝
import cv2
import numpy as np
cv2.namedWindow('img0', cv2.WINDOW_NORMAL)
cv2.resizeWindow('img0', 320, 180)
img0 = cv2.imread('fj.jpg')
# 浅拷贝 view 与被拷贝的数据同一块内存地址
img1 = img0.view()
# 深拷贝
img2 = img0.copy()
img0[10:100, 10:100] = [0, 0, 255]
# cv2.imshow('img0', img0)
# cv2.imshow('img1', img1)
# cv2.imshow('img2', img2)
# 将多个图片堆叠到一起(横着堆叠)
# cv2.imshow('img0', np.hstack((img0, img1, img2)))
# 将多个图片堆叠到一起(竖着堆叠)
cv2.imshow('img0', np.vstack((img0, img1, img2)))
cv2.waitKey(0)
cv2.destroyAllWindows()