Python-OpenCV轻松入门-数字图像处理改变图像颜色

---

前言

随着人工智能的不断发展，OpenCV这门技术也越来越重要，很多人都开启了学习OpenCV，本文就介绍了OpenCV的基础内容。

---

提示：以下是本篇文章正文内容，下面案例可供参考

一、数字图像处理是什么？

数字图像处理其实就是处理二维矩阵数据。利用opencv来学习处理算法是一种比较好的方式。
学习opencv，主要就是调用其中的图像处理函数来实现各种操作。如果要得到想要的处理结果，还需要对图像处理算法有一定的了解。
同时，可能也有自己想写一些算法的冲动，并急切的想验证自己写的算法是否能够满足处理的要求。可是，真正到自己动手写的时候，总发现无从下手，比如，想得到图像中的ROI区域（感兴趣区域），想对图像做加减运算算，将两幅图像连接成一幅图像等等。
如果要想随心所欲的按照自己的想法来操作一幅图像，则需要对opencv的mat数据操作非常熟练，建议初学者将这些基本的操作背下来，然后你会发现，你再进行这样的操作将是得心应手。

二、操作步骤

原图：

1.引入库

代码如下：

 #!/usr/bin/env python
 # -*- coding: utf-8 -*-
 #author：Kong DeXing
 #案例:Fu Xianjun. All Rights Reserved.
import cv2
import numpy as np

2.读入数据

代码如下：

shengmi = cv2.imread("2.jpg")#读取图片shengmi.jpg图片

3.图片操作：

代码如下：

print (img.shape)#shape内包含三个元素:高，宽，通道数(返回一个3元素的
gao, chang , tongdaoshu = img. shape
print("gao:%s, chang:%s, tongdao:%s"%(gao,chang, tongdaoshu))# (500,500,3)- cv2.ap11t (1m
b,g,r = cv2.split(img)
zeros = np.zeros ((500,500,3) ,dtype="uint8") #创建与img相同大小的零矩阵
for i in range (0,chang):#遍历每-列
	for j in range(0,chang):
		for k in range(0,3):#遍历每个通道(三个通道分别是BGR)
			if 159< b[i,j]<200:
				img[i,j] = (0,0,0,)#黑色

4.显示结果：

代码如下：

cv2.imshow("bluesanja1o" , img)#显示原图所改变的图片
cv2.imwrite ("bluesanjaio.jpg" , img)
cv2.waitKey(0)#等待键盘输入0
Cv2.destroyAllWindows()#摧毁所有窗口

5.结果：

---

总结

以上就是今天要讲的内容，本文仅仅简单介绍了OpenCV利用数字图像处理基础改变所需图像颜色，而数字图像处理提供了大量能使我们快速便捷地处理数据的函数和方法。