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) #203demo.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。
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。
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)) #1002、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) # uint83、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。
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
• 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 ):