目标
学会:
- 访问像素值并修改它们
- 访问图像属性
- 设定感兴趣区域(ROI)
- 图像通道的拆分与合并
本节中几乎所有的操作都与Numpy相关,然后却而不是OpenCV。需要熟悉Numpy才能使用OpenCV编写更好的优化代码。
访问和修改像素值
首先:读取一个图像
程序:
import cv2 as cv
import numpy as np
img = cv.imread('lena.jpg')
您可以通过其行和列坐标访问像素值。对于BGR图像,它返回一个蓝色,绿色,红色值的数组。对于灰度图像,只返回相应的亮度。
程序:
blue = img[100,100,0]
print( blue )
您可以用相同的方式修改像素值。
程序:
img[100,100] = [255,255,255]
print( img[100,100] )
Numpy是用于快速数组计算的优化库。因此,简单地访问每个像素值并修改它将会非常缓慢并且不鼓励。
- 注意
-
上述方法通常用于选择一个数组的区域,比如前5行和后3列。对于单个像素访问,Numpy数组方法array.item()和array.itemset()被认为更好,但是它们返回值是一个标量。如果你想访问所有的B,G,R值,你需要分别调用array.item()。
程序:
print(img.item(10,10,2))
img.itemset((10,10,2),100)
print(img.item(10,10,2))
访问图像属性
图像属性包括行数,列数和通道数,图像数据类型,像素数量等。
图像的形状可以通过img.shape访问。它返回行数,列数和通道数的元组(如果图像是彩色的):
程序:
print(img.shape)
- 注意 如果图像是灰度的,则返回的元组仅包含行数和列数。可以通过检查这个返回值就可以知道加载的是灰度图还是彩色图。
总像素数可通过img.size
以下方式访问:
程序:
print( img.size )
图像数据类型由`img.dtype`获得:
print( img.dtype )
注意:在调试的时候,img.dtype是非常重要的,因为程序中的大量错误都是由于无效的数据类型引起的。
图像ROI
有时候,你必须对特定的图像区域进行处理。例如,检测图像中的眼睛,则首先在图像上找到人脸。当获得脸部时,我们单独选择脸部区域并在其内部搜索眼睛而不是搜索整个图像。这提高了程序的准确性和性能。ROI也是使用Numpy索引获得。在这里,选择图像的一部分区域并将其复制到图像中的另一个区域:
程序:
ball = img[280:340, 330:390]
结果:
分割和合并图像通道
有时您需要分别处理B,G,R图像通道。在这种情况下,您需要将BGR图像拆分为单个通道。在其他情况下,您可能需要将这些单个频道加入BGR图像。
程序:
b,g,r = cv.split(img)
img = cv.merge((b,g,r))
或者:
b = img[:,:,0]
假设您要将所有红色像素设置为零,则不需要先分割通道。Numpy索引速度更快:
img[:,:,2] = 0
为图像制作边框(填充)
如果你想在图像周围创建一个边框,就像一个相框,你可以使用cv.copyMakeBorder()。这个经常在卷积运算和零填充等。这个函数有以下参数:
程序:
import cv2 as cv
import numpy as np
from matplotlib import pyplot as plt
BLUE = [255,0,0]
img1 = cv.imread('lena.jpg')
replicate = cv.copyMakeBorder(img1,10,10,10,10,cv.BORDER_REPLICATE)
reflect = cv.copyMakeBorder(img1,10,10,10,10,cv.BORDER_REFLECT)
reflect101 = cv.copyMakeBorder(img1,10,10,10,10,cv.BORDER_REFLECT_101)
wrap = cv.copyMakeBorder(img1,10,10,10,10,cv.BORDER_WRAP)
constant= cv.copyMakeBorder(img1,10,10,10,10,cv.BORDER_CONSTANT,value=BLUE)
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()
结果: