【Opencv-Python 官方教程】6.图像的基本操作

本节目标：

获取、修改像素值
获取图像的属性
设置图像区域（ROI）
分割及合并图像通道

本节所涉及的操作主要是关于numpy的，而不是opencv，想要写出高效的opencv代码需要对numpy有很好的了解。

获取并修改像素值

首先加载一个彩色图像

>>> import cv2
>>> import numpy as np

>>> img = cv2.imread('lena.jpg')

可以通过行列的坐标获取像素值。对于BGR图像，它会返回一个数组（array），包含BGR三个通道的值。对于灰度图（grayscale image），仅仅返回相应的亮度值。

>>> px = img[100,100]
>>> print(px)
[111 115 116]
>>>
>>> # 只访问蓝色通道值
>>> blue = img[100,100,0]
>>> print(blue)
111

你可以采用同样的方式修改像素值

>>> img[100,100] = [255,255,255]
>>> print(img[100,100])
[255 255 255]
>>> #可以看到修改是在原地的，inplace，而不是副本修改

warning

numpy是一个经过优化的快速数的组计算的库，所以简单的访问每一个像素值并修改会很慢，所以并不推荐这样做。

Note

上述提到的方法通常被用作选取图像的区域，比如图像的前5行，和后3列。对于单个的图像像素点的访问，numpy数组的方法array.item()和array.itemset()通常是更优雅的方式。但是它返回的是一个scalar类型的数据。所以如果你想要互殴所有的B、G、R的值，你需要单独为每个像素点都调用array.item()。

更好的访问和修改像素的方法：

扫描二维码关注公众号，回复： 3868997 查看本文章

>>> img.item(10,10,2)
109
>>> img.itemset((10,10,2),100)
>>> img.item(10,10,2)
100

获取图像的属性

图像的属性包括图像的行列数，通道数，图像数据类型，像素点的数量等

图像的形状（长宽、通道）可以通过img.shape得到，它将返回一个元组，包含图像的行列数以及通道数（若是彩色图的话）

>>> print(img.shape)
(529, 560, 3)

Note

若图像是灰度图，返回的元组只包含行列数，所以检查载入的图像是灰度图还是彩色图像是一个有效的方法。

可通过img.size获取图像的总的像素点的数目

>>> print(img.size)
888720

图像的数据类型通过img.dtype查看

>>> print(img.dtype)
uint8
>>> # uint8 表示0到255的整数值

Note

img.dtype在debug的时候是非常有用的，因为大部分的opencv-python代码错误都是因为无效的数据类型造成的。

图像的感兴趣区域（region of interest）

有时，你需要处理某个图像上的区域。比如图像的眼睛的检测，首先，需要进行面部检测，直到检测到脸部。然后搜索整个面部区域检测眼睛。这种方式可以提高准确率（因为眼睛通常都是在面部上的）和性能（因为搜索的范围变小）

ROI也是使用numpy索引。比如这里我选择足球并且将它拷贝到图像的另一个区域。

>>> import cv2
>>> import numpy
>>>
>>> img = cv2.imread('roi.jpg')
>>> ball = img[230:,270:320]
>>> img[220:270,70:120] = ball
>>> cv2.imshow('image',img)
>>> cv2.waitKey()

结果如下所示：

这里写图片描述

分割及合并图像通道

图像的B，G，R三个通道可以在需要的时候被单独拆分，同样独立的通道也可以再被合并到一起组成BGR图像。这可以通过以下方法实现：

>>> b,g,r = cv2.split(img)
>>> img = cv2.merge((b,g,r))
>>> # 其实不用cv2，直接用numpy也可以实现，如下
>>> b = img[:,:,0]

假如你想让所有像素的红色通道值变为0，你需要像上面那样拆分通道，然后将他们置为0，你可以使用numpy的索引更简便的实现。

>>> img[:,:,2] = 0

Warning

cv2.split()是一个时间开销很大的操作，所以若无必要不要轻易使用。numpy索引是一种更有效的方式。

图像边界（Border）

如果你想给图像周围添加一个边框，类似于相框，你可以用cv2.copyMakeBorder()函数。但是边界常常在卷积操作中应用更为多，比如边界填充0值。该函数有以下参数：

src，输入的图像
top,bottom,left,right，4个方向上边界宽度（像素为单位）
borderType，定义需要添加的是什么类型的边界，它有以下值：
- cv2.BORDER_CONSTANT，常量填充边界，值由下一个参数value指定。
- cv2.BORDER_REFLECT，将会在边界上进行镜像操作。如fedcba|abcdefgh|hgfedcb
- cv2.BORDER_REFLECT_101或cv2.BORDER_DEFAULT，和上一个值BORDER_REFLECT类似，仅存在微小变换。如 gfedcb|abcdefgh|gfedcba
- cv2.BORDER_REPLICATE，使用最后一个元素进行重复填充，如aaaaaa|abcdefgh|hhhhhhh
- cv2.BORDER_WRAP，不做解释，它是这样的cdefgh|abcdefgh|abcdefg
value，边界的颜色值（当boder的type是cv2.BORDER_CONSTANT时）

下面是一个示例代码，展示各种边界类型。

import cv2
import numpy as np
import matplotlib.pyplot as plt

BLUE = [255,0,0]

img1 = cv2.imread('opencv_logo.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()

结果如下图所示（图像使用matplotlib显示，所以红色和蓝色通道会交换）

这里写图片描述