3 - Open CV中Numpy数组的相关操作

1.遍历读取图像的每个像素点，打印出属性值

示例代码如下：

# 遍历读取图片的每一个像素点，打印出其属性值
def access_pixels(image):
    print(image.shape)
    height = image.shape[0]
    width = image.shape[1]
    channels = image.shape[2]
    print("width:%s,height:%s,channels:%s"% (width,height,channels))
    
    
print("----------- Hello Guyan -----------")
src = cv.imread('./images/handsomeboy01.jpg')
cv.namedWindow("Image Windows01",cv.WINDOW_AUTOSIZE)
cv.imshow("Image Windows01",src)
access_pixels(src)
cv.waitKey(0)
cv.destroyAllWindows()

2.并且可以在定义的函数执行之前，统计函数运行结束所用的时间，这个时候就要用到以下两个函数了。

（1）getTickCount():返回从操作系统启动到当前所经过的计时周期数

（2）getTickFrequency()函数用于返回CPU的频率

t1 = cv.getTickCount()
access_pixels(src)
t2 = cv.getTickCount()
time = (t2 - t1) / cv.getTickFrequency()
print('当前所用的时间为：%s ms' % (time*1000))
cv.waitKey(0)
cv.destroyAllWindows()

2.创建一张图像

1.创建一个多通道的图像，并且dtype类型为np.uint8.

在这里我们创建了三通道的长宽为400的图像，并且我们可以为每一个通道的像素点进行修改。

示例代码如下：

def create_image():

    #1.创建一个多通道的8位图像进行显示，
    #修改图片的像素点的值
    # 创建一个三通道的长宽为400，并且dtype类型为np.uint8
    img = np.zeros([400,400,3],np.uint8)

#     但是我们同样可以对创建的图片的每一个像素点进行修改，
#     对第一个通道的像素点进行修改，
    img[:,:,0] = np.ones([400,400])*255

#     此时就已经可以进行显示了
    cv.imshow('Image Windows02',img)
    
    
# getTickCount()返回从操作F系统启动到当前所经过的计时周期数
t1 = cv.getTickCount()
# 此时就只是调用自己创建图片的函数create_image()
create_image()
t2 = cv.getTickCount()
# getTickFrequency()函数，用于返回CPU的频率，
# (getTickCount1 - getTickCount2)/getTickFrequency():
# (当前次数 - 开始计时次数) / 每秒钟重复次数 = 等于从开始到当前所用的时间。
time = (t2 - t1) / cv.getTickFrequency()

# 注意这里一定要带上括号，要不然就会将当前是所用的时间打印1000次
# print('当前所用的时间为：%s ms' % time*1000)
print('当前所用的时间为：%s ms' % (time*1000))
cv.waitKey(0)
cv.destroyAllWindows()

2.创建一个单通道的8位的图像进行显示

在这里我们将会使用两种初始化图像的方法进行举例。

（1）其中一种就是可以将图像初始化为每个像素点为0，之后就可以通过加减的操作对图像的像素点进行处理。

（2）另外一种就是将所有的像素点都初始化为1，之后就可以对像素点进行乘除的操作，进行改变像素点的大小。

注意，在创建单通道图像时，也要加上通道数1，要不然会认为是二维，并且会报错：ndexError: too many indices for array.

示例代码如下：

def create_image():
# 1. 初始化的时候，使用0,进行初始化
    img = np.zeros([400,400,1],np.uint8)
    # # 127就是灰度图像
    img[:, :, 0] = np.ones([400,400])*127
    <!--显示图像-->
    cv.imshow("Image windows03",img)

    # 2. 初始化的时候使用1进行初始化，会更加灵活一点
    img = np.ones([400,400,1],np.uint8)

    # 得到的是灰度图像
    img1 = img*127

    # 得到的是黑色图像
    img2 = img*0

    # 显示图像
    cv.imshow("Image Windows04",img1)
    cv.imshow("Image Windows05",img2)

    # 保存图像到本地dist/images/turtor_01/img_127.jpg和img_0.jpg
    cv.imwrite('./dist/images/turtor_01/img_127.jpg',img1)
    cv.imwrite('./dist/images/turtor_01/img_0.jpg',img2)
    
    
# getTickCount()返回从操作F系统启动到当前所经过的计时周期数
t1 = cv.getTickCount()
# getTickCount()函数，返回从操作系统启动到当前的计时周期数

# 此时就只是调用自己创建图片的函数create_image()
create_image()

t2 = cv.getTickCount()
# getTickFrequency()函数，用于返回CPU的频率，
# (getTickCount1 - getTickCount2)/getTickFrequency():
# (当前次数 - 开始计时次数) / 每秒钟重复次数 = 等于从开始到当前所用的时间。
time = (t2 - t1) / cv.getTickFrequency()

# 注意这里一定要带上括号，要不然就会将当前是所用的时间打印1000次
# print('当前所用的时间为：%s ms' % time*1000)
print('当前所用的时间为：%s ms' % (time*1000))
cv.waitKey(0)
cv.destroyAllWindows()

3.初始化多维数组

在以后进行图像处理时，如果有浮点类型的，一定要用浮点类型的，为了避免数据被截断。

m1 = np.ones([3,3],np.float)
    m1.fill(12.33)
    print(m1)

    m2 = m1.reshape([1,9])
    print(m2)

我们可以使用reshape()函数进行转换数组的维度

reshape()函数只是改变的数据的表示形式，但是并不会改变数据。

注意：Numpy数组操作的属性：data、dtype、size、shape、len,对于图像来说就是遍历图像中的每个像素点，可以修改像素点的值。