Numpy数组学习

NumPy(Numerical Python) 是 Python语言的一个扩展程序库，支持大量的维度数组与矩阵运算，针对数组运算提供大量的数学函数库。N 维数组对象 ndarray是一系列同类型数据的集合，以 0 下标为开始进行集合中元素的索引。

import cv2 as cv
import numpy as np


def access_pixels(image):
    print(image.shape)
    height = image.shape[0]
    width = image.shape[1]
    channels = image.shape[2]
    print('width : %s height : %s channels : %s' % (width, height, channels))  # 输出数值
    # 遍历数组中的每个像素点
    for row in range(height):
        for col in range(width):
            for c in range(channels):
                # 获取数值
                pv = image[row, col, c]
                # 修改数组中像素点的值
                image[row, col, c] = 255 - pv
    cv.imshow('pixels_demo', image)


# 基于access_pixels计算的图像进行像素取反
def inverse(image):
    # 按位取反就是将数值根据每个bit位1变0，0变1
    dst = cv.bitwise_not(image)
    cv.imshow('inverse demo', dst)


# 创建新的数组
def create_image():
    """
    zeros(shape, dtype = float, order = 'C'):创建指定大小的数组，数组元素以 0 来填充
        shape	数组形状
        dtype	数据类型，可选
        order	'C' 用于 C 的行数组，或者 'F' 用于 FORTRAN 的列数组
    :return:
    """
    img = np.zeros([400, 400, 3], np.uint8)
    """
    ones(shape, dtype = None, order = 'C'):创建指定形状的数组，数组元素以 1 来填充
        shape	数组形状
        dtype	数据类型，可选
        order	'C' 用于 C 的行数组，或者 'F' 用于 FORTRAN 的列数组
    """
    img[:, :, 0] = np.ones([400, 400]) * 255 #blue
    img[:, :, 1] = np.ones([400, 400]) * 255 #green
    img[:, :, 2] = np.ones([400, 400]) * 255 #red
    cv.imshow('new image', img)

    # 一个通道，第一种初始化为灰色的
    img = np.zeros([400, 400, 1], np.uint8)
    img[:, :, 0] = np.ones([400, 400]) * 127
    cv.imshow('gray image', img)

    # 一个通道，第二种初始化为黑色的
    img = np.zeros([400, 400, 1], np.uint8)
    img = img * 0
    cv.imshow('black image', img)
    # cv.imwrite('D:/OpenCV/opencv-python/xiexie.jpg', img)

    # 打印二维数组
    m1 = np.ones([3, 3], np.uint8)
    # m1数组填充fill中的值
    m1.fill(122.388)
    print('m1 : %s'%m1)

    # 打印一维数组
    """"
    reshape(arr, newshape, order='C'):不改变数据的条件下修改形状
        arr：要修改形状的数组
        newshape：整数或者整数数组，新的形状应当兼容原有形状
        order：'C' - - 按行，'F' - - 按列，'A' - - 原顺序，'k' - - 元素在内存中的出现顺序。
    """
    m2 = m1.reshape([1, 9])
    print('m2 : %s'%m2)

    """
    array(object, dtype):创建一个ndarray数组m3 
        object：数组或嵌套的数列
        dtype：数组元素的数据类型；int8 字节（-128 to 127）；int32 整数（-2147483648 to 2147483647）
    """
    m3 = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]], np.int32)
    m3.fill(9)
    print('m3 : %s'%m3)


print("-------Hello Python-------")
src = cv.imread('D:/OpenCV/opencv-python/xiexie.png')  
cv.namedWindow('input image', cv.WINDOW_AUTOSIZE)
cv.imshow('input image', src)
# getTickCount：返回从操作系统启动到当前所经的计时周期数
t1 = cv.getTickCount()
access_pixels(src)
inverse(src)
create_image()
t2 = cv.getTickCount()
# getTickFrequency：一秒内重复的次数
time = (t2 - t1) / cv.getTickFrequency()
# 1000 *总次数/一秒内重复的次数= 时间(ms)
print('time : %s ms' % (time * 1000))
cv.waitKey(0)
cv.destroyAllWindows()