会变魔术的 OpenCV_03 核心操作_opencv功能强大吗-CSDN博客

import numpy as np
import cv2 as cv

img = cv.imread('./00.png')      # 读取通道为 BGR

px = img[100,100]      # 访问img[100,100]像素的 BGR 值
print('px = ', px)

blue = img[100,100,0]     # 仅访问img[100,100]像素的 B 值
print('blue = ', blue)

运行结果：

px = [243 234 224]

blue = 243

Numpy是用于快速数组计算的优化库，简单地访问每个像素值并对其进行修改将非常缓慢，一般使用Numpy数组方法 array.item() 和 array.itemset() 访问和修改像素值：

>>> img.item(10,10,2)      # 访问 R 值
59

>>> img.itemset((10,10,2), 100)       # 修改 R 值
>>> img.item(10,10,2)
100

访问图像属性

图像形状

img.shape ：返回行、列和通道数的元组

>>> print( img.shape )
(539, 536, 3)

像素总数

img.size ：

>>> print( img.size )
866712

数据类型

img.dtype :

>>> print( img.dtype )
uint8

选择特定区域ROI

light = img[60:190, 300:430]      # 选取特定区域

img[190:330, 10:140] = light      # 在指定区域复制

运行结果：

拆分和合并图像通道

cv.split()
cv.merge()

b,g,r = cv.split(img)     # 拆分 BGR 三通道

img = cv.merge((b,g,r))      # 合并 BGR 三通道

或者：

b = img [:, :, 0]
g = img [:, :, 1]
r = img [:, :, 2]

也可以将某通道的值都设置为0：

img [:, :, 0] = 0
img [:, :, 1] = 0
img [:, :, 2] = 0

算法运算

图像加法

OpenCV操作：cv.add()
Numpy操作：res = img1 + img2

>>> x = np.uint8([250])
>>> y = np.uint8([10])
>>> print( cv.add(x,y) )   # 250+10 = 260  ——>  255
[[255]]
>>> print( x+y )           # 250+10 = 260 % 256 = 4
[4]

注：
OpenCV 加法是饱和运算，而 Numpy 加法是模运算。

图像融合

cv.addWeighted()
在这里插入图片描述
α、β 分别为 img1 和 img2 的权重，γ 为偏置（255时图像变成白色）

img1 = cv.imread('./001.png')
img2 = cv.imread('./002.png')
dst = cv.addWeighted(img1, 0.5, img2, 0.5, 0)
cv.imshow('dst',dst)
cv.waitKey(0)
cv.destroyAllWindows()

运行结果：

在这里插入图片描述

按位运算

与：cv.bitwise_and(src1, src2, dst=None, mask = None)
或：cv.bitwise_or(src1, src2, dst=None, mask = None)
非：cv.bitwise_not(src1, src2, dst=None, mask = None)
异或：cv.bitwise_xor(src1, src2, dst=None, mask = None)

src1：第一个图像矩阵，可以是多通道图像数据；
src2：第二个图像矩阵，尺寸、通道数和数据类型都需要与src1一致；
dst：逻辑运算输出结果，尺寸、通道数和数据类型都与src1一致；
mask：掩膜，用于设置图像或矩阵中逻辑运算的范围；

直接对图像进行操作，从左至右依次是 and or not xor :

在这里插入图片描述

从按位运算的角度出发，纯黑色 为0，不是纯黑色 为1；
因此当碰到纯白色或者纯黑色的背景时，我们可以先将其转为灰度图，再利用阈值将非背景色的内容抠出来作为模板，再与原图做位操作，进行枢图：

img1 = cv.imread('./001.png')
img2 = cv.imread('./002.png')

rows,cols,channels = img1.shape
roi = img2[0:rows, 0:cols ]

img1gray = cv.cvtColor(img1,cv.COLOR_BGR2GRAY)
ret, mask = cv.threshold(img1gray, 250, 255, cv.THRESH_BINARY)
mask_inv = cv.bitwise_not(mask)

img_bg = cv.bitwise_and(roi, roi, mask = mask)
img_fg = cv.bitwise_and(img1, img1, mask = mask_inv)

dst = cv.add(img_bg, img_fg)
img2[0:rows, 0:cols ] = dst
cv.imshow('mask', mask)
cv.imshow('res', img2)
cv.waitKey(0)
cv.destroyAllWindows()