python-opencv之numpy数据的学习使用

二进制写尽天下事，计算机并不会像人那样直接去图像进行判断，看到美女和美食也不会心动，而机器视觉则帮助我们学习计算机是如何处理图像的。这次讲解讲解运用numpy数组操作图像。

遍历访问图像的像素并进行取反

import cv2 as cv
import numpy as np

def access_pixels(image):  # 获取高heigt宽weiht通道channel
    print(image.shape)
    height = image.shape[0]
    width = image.shape[1]
    channels = image.shape[2]
    # 也可以直接写成：
    # height, width, channels = image.shape[:]
    new_image = image.copy()  # 复制image图片
    for row in range(height):
        for col in range(width):
            for c in range(channels):
                pv = image[row, col, c]
                new_image[row, col, c] = 255 - pv#图像反转
    cv.imshow('new_image',new_image)#显示图像
pic = cv.imread("1.jpg")  # 读入图片放进src中
cv.namedWindow("input image", cv.WINDOW_AUTOSIZE)  # 创建窗口, 窗口尺寸自动调整
cv.imshow("input image", pic)
access_pixels(src) #千万别漏了。
cv.waitKey(0)
cv.destroyAllWindows()

可以看到白变黑黑变白了
其实以上方法可以调用一个api就可以代替

def inverse(image):
    dst=cv.bitwise_not(image)
    cv.imshow('inverse_demo',dst)
   
nverse(pic)#将access_pixels(pic)替换

也可以实现同样的效果

创建一个三通道bgr图像

import cv2 as cv
import numpy as np
def create_image():
    """创建三维数组，0维为B，1维为G，2维为R"""
    img = np.zeros([400, 400, 3], np.uint8) #创建一个三维数组高400，宽400，信号通道3个，初始都为0，每通道占8位个
    img[:, :, 0] = np.ones([400, 400]) * 255 #使图像第一个通道为255
    img[:, :, 1] = np.ones([400, 400]) * 255
    img[:, :, 2] = np.ones([400, 400]) * 255
    
    cv.imshow("new_image", img)
create_image()
cv.waitKey(0)
cv.destroyAllWindows()  

此时显示一个纯白图像，也就是255，255，255，可以理解为最亮的，0，0，0则为黑色

创建一个单通道图像

import cv2 as cv
import numpy as np
def create_image():
    img = np.ones([400, 400, 1], np.uint8)#可以初使值为1
    img = img * 127
    cv.imshow("灰色单通道图", img)
 
create_image()
cv.waitKey(0)

127，127，127为灰色