Python+OpenCV 图像处理系列（5）—— 图像 ROI 操作及通道的拆分合并

1. 图像 ROI

有时你需要对一幅图像的特定区域进行操作。例如我们要检测一副图像中眼睛的位置，我们首先应该在图像中找到脸，再在脸的区域中找眼睛，而不是直接在一幅图像中搜索。这样会提高程序的准确性和性能。

图像的 ROI (region of interest) 是指图像中感兴趣区域、在 OpenCV 中图像设置图像 ROI 区域，实现只对 ROI 区域操作。例如，下面这个例子，我们把原始图片中下面的花拷贝到第二幅图片中。

import cv2

image_name = "img/003.jpg"
img = cv2.imread(image_name)
cv2.imshow("origin", img)

target = img[70:150, 30:110]	# 70:150 表示 h 的范围， 30:110 表示 w 的范围
img[90:170, 110:190] = target

cv2.imshow("dst", img)
cv2.waitKey(0)
cv2.destroyAllWindows()

2. 拆分及合并图像通道

OpenCV 中默认 imread 函数加载图像文件，加载进来的是三通道彩色图像，色彩空间是 RGB 色彩空间、通道顺序是 BGR（蓝色、绿色、红色）。有时我们需要对 BGR 三个通道分别进行操作。这时你就需要把 BGR 拆分成单个通道。有时你需要把独立通道的图片合并成一个 BGR 图像。使用到的 API 函数如下：

• split 通道分类
• merge 通道合并

import cv2
import numpy as np

image_name = "img/003.jpg"
img = cv2.imread(image_name)
print "img is {}".format(img)
cv2.imshow("origin", img)

mv = cv2.split(img)
# print "mv is {}".format(mv)
mv[0][:, :] = 255
dst1 = cv2.merge(mv)
cv2.imshow("dst1", dst1)

mv = cv2.split(img)
mv[1][:, :] = 0
dst2 = cv2.merge(mv)
cv2.imshow("dst2", dst2)

mv = cv2.split(img)
mv[2][:, :] = 0
dst3 = cv2.merge(mv)
cv2.imshow("dst3", dst3)

dst4 = np.zeros(img.shape, img.dtype)
cv2.mixChannels(img, dst4, [2, 0])
cv2.imshow("dst4", dst4)
cv2.waitKey(0)
cv2.destroyAllWindows()

mv 的打印结果如下：

mv is
[
array([[131, 107,  82, ...,  67,  67,  66],
       [130, 109,  88, ...,  66,  66,  65],
       [118, 104,  90, ...,  67,  66,  65],
       ...,
       [  6,   8,   9, ...,  44,  45,  46],
       [  4,   7,  10, ...,  41,  42,  44],
       [  0,   5,   8, ...,  39,  40,  41]], dtype=uint8), 
       
array([[190, 167, 140, ..., 125, 125, 124],
       [187, 167, 144, ..., 124, 124, 123],
       [170, 156, 141, ..., 125, 124, 123],
       ...,
       [ 73,  75,  73, ...,  58,  59,  60],
       [ 68,  71,  71, ...,  55,  56,  58],
       [ 63,  69,  69, ...,  53,  54,  55]], dtype=uint8),
        
array([[199, 173, 145, ...,  97,  97,  96],
       [196, 173, 149, ...,  96,  96,  95],
       [177, 162, 144, ..., 100,  99,  98],
       ...,
       [ 36,  38,  38, ...,  30,  31,  32],
       [ 38,  41,  43, ...,  27,  28,  30],
       [ 34,  40,  43, ...,  25,  26,  27]], dtype=uint8)
]
'''

警告：cv2.split() 是一个比较耗时的操作。只有真正需要时才用它，能用 Numpy 索引就尽量用。