目录
1 获取图像的属性
图像的属性有：
（1）形状：行、列 和 通道数量；
（2）像素数量；
（3）图像的数据类型。
1.1 形状- shape
通过shape关键字获取图像的形状，返回包含行数、列数、通道数的元祖。其中：
（1）灰度图像返回行数和列数；
（2）彩色图像返回行数、列数 和 通道数。
例子如下图所示：
代码如下：
# -*- coding:utf-8 -*-
import cv2
import numpy
#读取图片
img = cv2.imread("lena.tiff", cv2.IMREAD_UNCHANGED)
#获取图像形状
print(img.shape)
#显示图像
cv2.imshow("Demo", img)
#等待显示
cv2.waitKey(0)
cv2.destroyAllWindows()运行结果：（该图像为512行像素、512列像素、3个通道）
1.2 像素数目- size
通过size关键字获取图像的像素数目，其中
（1）灰度图像返回 [行数 列数] ；
（2）彩色图像返回 [行数 列数
通道数] 。
代码如下：
# -*- coding:utf-8 -*-
import cv2
import numpy
#读取图片
img = cv2.imread("lena.tiff", cv2.IMREAD_UNCHANGED)
#获取图像形状
print(img.shape)
#获取像素数目
print(img.size)
运行结果如下图所示：（512,512,3）共 512512
3=786432个像素
1.3 图像类型- dtype
通过 dtype 关键字获取图像的数据类型，通常返回uint8。
代码如下：
# -*- coding:utf-8 -*-
import cv2
import numpy
#读取图片
img = cv2.imread("lena.tiff", cv2.IMREAD_UNCHANGED)
#获取图像形状
print(img.shape)
#获取像素数目
print(img.size)
#获取图像类型
print(img.dtype)
运行结果如下：
2 获取图像的感兴趣区域(ROI)
ROI (Region of Interest) 表示感兴趣区域。它是指从被处理图像以方框、圆形、椭圆、不规则多边形等方式勾勒出需要处理的区域。可以通过各种算子(Operator) 和函数求得感兴趣ROI，并进行图像的下一步处理，被广泛应用于热点地图、人脸识别、图像分割等领域。
通过像素矩阵可以直接获取ROI区域，如img[200:400, 200:400]。
代码示例：
# -*- coding:utf-8 -*-
import cv2
import numpy as np
#读取图片
img = cv2.imread("lena.tiff", cv2.IMREAD_UNCHANGED)
#定义200*100矩阵 3对应BGR
face = np.ones((200, 150, 3))
#显示原始图像
cv2.imshow("Demo", img)
#显示ROI区域
face = img[200:400, 200:350]
cv2.imshow("face", face)
#等待显示
cv2.waitKey(0)
cv2.destroyAllWindows()运行结果如下：
下面将提取的ROI图像 进行覆盖到原图的某个位置（就是修改原图位置的像素值）。
代码如下：
# -*- coding:utf-8 -*-
import cv2
import numpy as np
#读取图片
img = cv2.imread("lena.tiff", cv2.IMREAD_UNCHANGED)
#定义200*100矩阵 3对应BGR
face = np.ones((200, 150, 3))
#显示原始图像
cv2.imshow("Demo", img)
#显示ROI区域
face = img[200:400, 200:350]
#ROI图像 覆盖到原图的某个区域
img[0:200,0:150] = face
cv2.imshow("face", face)
#显示修改后的原始图像
cv2.imshow("Demo", img)
#等待显示
cv2.waitKey(0)
cv2.destroyAllWindows()
运行结果如下：
3 图像的通道拆分与合并
3.1 通道拆分- split()
OpenCV读取的彩色图像由B、G、R三原色组成，可以通过下面代码获取不同的通道。
b = img[:, :, 0]
g = img[:, :, 1]
r = img[:, :, 2]
注意OpenCV与Matlab的区别：Matlab的第一个通道是从1开始的，OpenCV是从0开始的。
上面的方式，在之前已经用过了，这里用 split() 函数函数来拆分RGB图像的三个通道。
代码如下：
# -*- coding:utf-8 -*-
import cv2
import numpy as np
# 读取图片
img = cv2.imread("lena.tiff", cv2.IMREAD_UNCHANGED)
# 拆分通道
b, g, r = cv2.split(img)
# 显示原始图像
cv2.imshow("B", b)
cv2.imshow("G", g)
cv2.imshow("R", r)
# 等待显示
cv2.waitKey(0)
cv2.destroyAllWindows()运行结果如下：
当然也可以获取不同的通道，例如：
b = cv2.split(img)[0]
g = cv2.split(img)[1]
r = cv2.split(img)[2]
代码如下：
# -*- coding:utf-8 -*-
import cv2
import numpy as np
# 读取图片
img = cv2.imread("lena.tiff", cv2.IMREAD_UNCHANGED)
# 拆分通道
b = cv2.split(img)[0]
# 显示原始图像
cv2.imshow("B", b)
# 等待显示
cv2.waitKey(0)
cv2.destroyAllWindows()运行结果如下：
3.2 通道合并- merge()
图像通道合并主要使用 merge() 函数实现。例如：
m = cv2.merge([b, g, r])
代码如下：（先拆分RGB通道，再合并RGB通道）
# -*- coding:utf-8 -*-
import cv2
import numpy as np
# 读取图片
img = cv2.imread("lena.tiff", cv2.IMREAD_UNCHANGED)
# 拆分通道
b, g, r = cv2.split(img)
# 合并通道
m = cv2.merge([b, g, r])
cv2.imshow("Merge", m)
# 等待显示
cv2.waitKey(0)
cv2.destroyAllWindows()运行结果如下：
注意： 因为OpenCV是BRG通道，现在将其通道弄反，确认一下，OpenCV是不是按BRG通道组成的。
代码如下：（仅修改了，合并通道时候，使用RGB合成的）
# -*- coding:utf-8 -*-
import cv2
import numpy as np
# 读取图片
img = cv2.imread("lena.tiff", cv2.IMREAD_UNCHANGED)
# 拆分通道
b, g, r = cv2.split(img)
# 合并通道
m = cv2.merge([r, g, b])
cv2.imshow("Merge", m)
# 等待显示
cv2.waitKey(0)
cv2.destroyAllWindows()运行结果如下：（由结果可以看出，OpenCV确实是按BRG通道组成的，哈哈还是很好玩的）
（1）同时，可以提取图像的不同颜色，提取 B 颜色通道，而G、R通道像素值均设置为0，则显示蓝色。
代码如下所示：
# -*- coding:utf-8 -*-
import cv2
import numpy as np
# 读取图片
img = cv2.imread("lena.tiff", cv2.IMREAD_UNCHANGED)
rows, cols, chn = img.shape
# 拆分通道
b = cv2.split(img)[0]
g = np.zeros((rows, cols), dtype=img.dtype)
r = np.zeros((rows, cols), dtype=img.dtype)
# 合并通道
m = cv2.merge([b, g, r])
cv2.imshow("Merge", m)
# 等待显示
cv2.waitKey(0)
cv2.destroyAllWindows()运行结果如下所示：
（2）提取 G 颜色通道，而B、R通道像素值均设置为0，则显示绿色。
代码如下所示：
# -*- coding:utf-8 -*-
import cv2
import numpy as np
# 读取图片
img = cv2.imread("lena.tiff", cv2.IMREAD_UNCHANGED)
rows, cols, chn = img.shape
# 拆分通道
g = cv2.split(img)[1]
b = np.zeros((rows, cols), dtype=img.dtype)
r = np.zeros((rows, cols), dtype=img.dtype)
# 合并通道
m = cv2.merge([b, g, r])
cv2.imshow("Merge", m)
# 等待显示
cv2.waitKey(0)
cv2.destroyAllWindows()
运行结果如下所示：
（3）提取 R 颜色通道，而B、G通道像素值均设置为0，则显示红色。
代码如下所示：
# -*- coding:utf-8 -*-
import cv2
import numpy as np
# 读取图片
img = cv2.imread("lena.tiff", cv2.IMREAD_UNCHANGED)
rows, cols, chn = img.shape
# 拆分通道
r = cv2.split(img)[2]
b = np.zeros((rows, cols), dtype=img.dtype)
g = np.zeros((rows, cols), dtype=img.dtype)
# 合并通道
m = cv2.merge([b, g, r])
cv2.imshow("Merge", m)
# 等待显示
cv2.waitKey(0)
cv2.destroyAllWindows()运行结果如下所示：
参考资料
[1] https://blog.csdn.net/eastmount/article/details/82177300