OpenCV-Python 中文教程5——图像的基础操作

目标
• 获取像素值并修改
• 获取图像的属性
• 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。

1、获取并修改像素值

首先我们需要读入一幅图像，可以根据像素的行和列的坐标获取他的像素值。对 BGR 图像而言，返回值为 B， G， R 的值。对灰度图像而言，会返回他的灰度值（亮度？intensity）

import cv2
img=cv2.imread('demo.png')
px=img[100,100]
print(px) #[203 166 107]
blue=img[100,100,0]
print(blue) #203

demo.png图像：

上面提到的方法被用来选取矩阵的一个区域，比如说前 5 行的后 3列。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。

import cv2
img=cv2.imread('demo.png')
print(img.item(10,10,2)) #48
img.itemset((10,10,2),100)
print(img.item(10,10,2)) #100

2、获取图片属性

图像的属性包括：行，列，通道，图像数据类型，像素数目等，img.shape 可以获取图像的形状。他的返回值是一个包含行数，列数，通道数的元组。

如果图像是灰度图，返回值仅有行数和列数。所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。

import cv2
img=cv2.imread('demo.png')

# 获取图像的形状
print(img.shape) # (368, 487, 3)

# 返回图像的像素数目
print(img.size) # 537648

# 返回图像的数据类型
print(img.dtype) # uint8

3、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。ROI 也是使用 Numpy 索引来获得的。现在我们选择球的部分并把他拷贝到图像的其他区域。

ROI = img[1:200,200:300]
cv2.namedWindow('img',cv2.WINDOW_NORMAL)
cv2.imshow('img',ROI)
cv2.waitKey(0)
cv2.destroyAllWindows()

运行结果：

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。

import cv2
img=cv2.imread('demo.png')
b,g,r=cv2.split(img) #拆分 或者b=img[:,:,0]，img[:,:,2]=0
img=cv2.merge(b,g,r) #合并

5、为图像填边

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。这个函数包括如下参数：
• 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
为了更好的理解这几种类型请看下面的演示程序。

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

运行结果（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）：

OpenCV-Python 中文教程5——图像的基础操作

猜你喜欢