Opencv_Python 官方教程 第五章 图像的基础操作

目标
• 获取像素值并修改
• 获取图像的属性（信息）
• 图像的 ROI（）
• 图像通道的拆分及合并
几乎所有这些操作与 Numpy 的关系都比与 OpenCV 的关系更加紧密，因此
熟练 Numpy 可以帮助我们写出性能更好的代码。
（示例将会在 Python 终端中展示，因为他们大部分都只有一行代码）

9.1 获取并修改像素值

Numpy 是经过优化了的进行快速矩阵运算的软件包。所以我们不推荐逐个获取像素值并修改，这样会很慢，能有矩阵运算就不要用循环

img = cv2.imread('./Pytorch.png')
print(img.shape) # (235, 529, 3)  
px = img[100,100]
print(px) #  [ 93  26 100] # 输出坐标点(100,100)的RGB三个值
blue = img[100,100,0]
print(blue) #  93 返回坐标的R值

• 对于获取每一个像素值，也许使用 Numpy 的 array.item() 和 array.itemset() 会更好。但是返回值是标量。如果你想获得所有 B，G，R 的值，你需要使用 array.item() 分割他们。

img = cv2.imread('./Pytorch.png')
print(img.item(100, 100, 1))
# 括号内输入具体坐标（三维图像），输出那个点的像素值；等同于print(img[100, 100, 1])
img.itemset((100, 100, 1), 1)
# 修改像素值，第一个参数是具体坐标（三维图像），第二个参数是要的修改成的像素值 ；等同于img[100, 100, 1]= 1
print(img.item(100, 100, 1))

9.2 获取图像的属性

• img.shape 可以获取图像的形状。
• img.size 可以返回图像的像素数目
• img.dtype 返回的是图像的数据类型.

9.3图像的ROI区域

img = cv2.imread('./Pytorch.png')
print(img.shape)
ball= img[100:200,200:300]
img[0:100,0:100] = ball
cv2.imshow('i',img)
cv2.waitKey(0)

9.4 拆分及合并图像通道

• 有时我们需要对 BGR 三个通道分别进行操作。这是你就需要把 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

img = cv2.imread('./Pytorch.png')

# 拆分方法一:
b, g, r = cv2.split(img)
img = cv2.merge([b, g, r])

# 拆分方法二:
b = img[:, :, 0]
g = img[:, :, 1]
r = img[:, :, 2]

注意:merge函数传入的通道是列表形式
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。

9.5为图像扩边

如果你想在图像周围创建一个边，就像相框一样，你可以使用 cv2.copyMakeBorder()
函数。这经常在卷积运算或 0 填充时被用到。

• src 输入图像

• top, bottom, left, right 对应边界的像素数目。

• borderType 要添加那种类型的边界，类型如下
  – cv2.BORDER_CONSTANT 添加有颜色的常数值边界，还需要
  下一个参数（value）。
  – cv2.BORDER_REFLECT 边界元素的镜像。比如: fedcba|abcdefgh|hgfedcb
  – cv2.BORDER_REFLECT_101 or cv2.BORDER_DEFAULT
  跟上面一样，但稍作改动。例如: gfedcb|abcdefgh|gfedcba
  – cv2.BORDER_REPLICATE 重复最后一个元素。例如: aaaaaa|
  abcdefgh|hhhhhhh
  – cv2.BORDER_WRAP 不知道怎么说了, 就像这样: cdefgh|
  abcdefgh|abcdefg

• value 边界颜色，如果边界的类型是 cv2.BORDER_CONSTANT

import cv2
import numpy as np
from matplotlib import pyplot as plt
BLUE=[255,0,0]
img1=cv2.imread('Pytorch.png')

replicate = cv2.copyMakeBorder(img1,10,10,10,10,cv2.BORDER_REPLICATE)
reflect = cv2.copyMakeBorder(img1,10,10,10,10,cv2.BORDER_REFLECT)
reflect101 = cv2.copyMakeBorder(img1,10,10,10,10,cv2.BORDER_REFLECT_101)
wrap = cv2.copyMakeBorder(img1,10,10,10,10,cv2.BORDER_WRAP)
constant= cv2.copyMakeBorder(img1,10,10,10,10,cv2.BORDER_CONSTANT,value=BLUE)

plt.xticks([])  # 去掉x轴
plt.yticks([])  # 去掉y轴
plt.axis('off')  # 去掉坐标轴
plt.subplot(231),plt.imshow(img1,'gray'),plt.title('ORIGINAL')
plt.subplot(232),plt.imshow(replicate,'gray'),plt.title('REPLICATE')
plt.subplot(233),plt.imshow(reflect,'gray'),plt.title('REFLECT')
plt.subplot(234),plt.imshow(reflect101,'gray'),plt.title('REFLECT_101')
plt.subplot(235),plt.imshow(wrap,'gray'),plt.title('WRAP')
plt.subplot(236),plt.imshow(constant,'gray'),plt.title('CONSTANT')
plt.show()

由于是使用 matplotlib 绘制，所以交换 R 和 B 的位置， OpenCV 中是按 BGR，matplotlib 中是按 RGB 排列