opencv官方文档阅读1：OpenCv-Python Tutorials_Basic Operations On Images

0 目的

• Access pixel values and modify them（获取像素值并修改）
• Access image properties（获取图像属性）
• Set a Region of Interest (ROI)（选择一个感兴趣区域）
• Split and merge images（分离和融合图片）

Almost all the operations in this section are mainly related to Numpy rather than OpenCV.（下面的操作主要和Numpy库有关） A good knowledge of Numpy is required to write better optimized code with OpenCV.

1 获取并修改像素值

加载图片：

import numpy as np
import cv2 as cv

img = cv.imread('messi5.jpg') # 读取图片

You can access a pixel value by its row and column coordinates（通过行列坐标获取像素值）. For BGR image, it returns an array of Blue, Green, Red values. For grayscale image, just corresponding intensity is returned.

>>> px = img[100,100]
>>> print( px )
[157 166 200]
# accessing only blue pixel
>>> blue = img[100,100,0]
>>> print( blue )
157

可以通过同样的方式修改像素值：

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

警告：

Numpy是一个用于快速数组计算的优化库。 因此，简单地访问每个像素值并修改它将非常缓慢，这是不可取的。

上述方法通常用于选择数组的一个区域，比如前5行和后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。但是，它们总是返回一个标量，所以如果您想访问所有的B、G、R值，就需要对每个值分别调用array.item()。

更好的像素获取和修改方式：

# accessing RED value
>>> img.item(10,10,2)
59
# modifying RED value
>>> img.itemset((10,10,2),100)
>>> img.item(10,10,2)
100

2 获取图像属性

Image properties include number of rows, columns, and channels; type of image data; number of pixels（包括行数、列数、通道数；图像数据类型；像素个数）; etc.

>>> print( img.shape )  # 返回行、列、通道数构成的tuple
(342, 548, 3)

>>> print( img.size ) # 返回像素个数
562248

>>> print( img.dtype ) # 图像数据类型
uint8

3 图片感兴趣区域

ROI is again obtained using Numpy indexing.（通过Numpy索引操作来获取图像感兴趣区域） Here I am selecting the ball and copying it to another region in the image(选择这个足球，并将它复制到图像中的另一个区域:):

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

4 分离和融合图片

将BGR图像分割为单个通道。加入这些单独的通道来创建BGR映像。你可以简单地这样做:

>>> b,g,r = cv.split(img) # 分离图片的各通道
>>> img = cv.merge((b,g,r)) # 将单独的通道融合为一张图片

或者

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

假设你想把所有的红色像素设为零——你不需要首先分割通道。Numpy索引更快:

>>> img[:,:,2] = 0 # 图片的第三个通道的像素值全部设为0

警告：

cv.split()是一个昂贵的操作(就时间而言)。所以只有在必要的时候才使用它。否则就使用Numpy索引

5 为图像制作边框(填充)

如果你想创建一个图像的边框，比如一个相框，你可以使用cv.copyMakeBorder()。但它在卷积运算、零填充等方面有更多的应用。这个函数接受以下参数:

• src - input image
• top, bottom, left, right - border width in number of pixels in corresponding directions
• borderType - Flag defining what kind of border to be added. It can be following types:
• cv.BORDER_CONSTANT - Adds a constant colored border. The value should be given as next argument.
• cv.BORDER_REFLECT - Border will be mirror reflection of the border elements, like this : fedcba|abcdefgh|hgfedcb
• cv.BORDER_REFLECT_101 or cv.BORDER_DEFAULT - Same as above, but with a slight change, like this : gfedcb|abcdefgh|gfedcba
• cv.BORDER_REPLICATE - Last element is replicated throughout, like this: aaaaaa|abcdefgh|hhhhhhh
• cv.BORDER_WRAP - Can’t explain, it will look like this : cdefgh|abcdefgh|abcdefg
• value - Color of border if border type is cv.BORDER_CONSTANT

下面是代码示例：

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

BLUE = [255,0,0]

img1 = cv.imread('opencv-logo.png')

replicate = cv.copyMakeBorder(img1,10,10,10,10,cv.BORDER_REPLICATE)
reflect = cv.copyMakeBorder(img1,10,10,10,10,cv.BORDER_REFLECT)
reflect101 = cv.copyMakeBorder(img1,10,10,10,10,cv.BORDER_REFLECT_101)
wrap = cv.copyMakeBorder(img1,10,10,10,10,cv.BORDER_WRAP)
constant= cv.copyMakeBorder(img1,10,10,10,10,cv.BORDER_CONSTANT,value=BLUE)
plt.subplot(231),plt.imshow(img1,'gray'),plt.title('ORIGINAL')
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('REFLECT_101')
plt.subplot(235),plt.imshow(wrap,'gray'),plt.title('WRAP')
plt.subplot(236),plt.imshow(constant,'gray'),plt.title('CONSTANT')
plt.show()

参考链接：https://docs.opencv.org/4.x/d3/df2/tutorial_py_basic_ops.html