Nunmpy数组包含:
-
强大的N维数组对象
-
复杂的（广播）功能
-
集成C / C ++和Fortran代码的工具
-
有用的线性代数，傅立叶变换和随机数功能
遍历与修改数组中的所有像素点
1 #对所有像素进行循环 2 def access_pixels(image): 3 print(image.shape) 4 height = image.shape[0] #高度 5 width = image.shape[1] #宽度 6 channels = image.shape[2] #通道数 7 print("width : %s, height : %s, channels : %s"%(width, height, channels)) 8 for row in range(height): #循环获取每一个像素点 9 for col in range(width): 10 for c in range(channels): 11 pv = image[row, col, c] #维度 12 image[row, col, c] = 255 - pv 13 cv.imshow("pixels_demo",image)
创建新图像
创建新图像:
1 np.zeros([400, 400, 3], np.uint8) #形状、类型
代码：
1 #通过Numpy对一个数组指定维数赋值 2 def create_image(): 3 ''' 4 #(创建一个新三通道的图像) 5 #多通道常见为RGB图像 6 # img = np.zeros([400, 400, 3], np.uint8) 7 # img[: ,: ,0] = np.ones([400, 400])*255 #0表示第一通道Blue;1表示第二通道Green;3表示第三通道Read 8 9 #单通道常见为灰度图像 10 # img = np.zeros([400, 400, 1], np.uint8) #创建新的图像 11 # img[:, :, 0] = np.ones([400, 400]) * 127 12 img = np.ones([400, 400, 1], np.uint8) 13 img =img*127 14 cv.imshow("new image", img) #窗口显示 15 cv.imwrite("C:/Users/shinelon/Desktop/DL/001.png") #将图像保存 16 ''' 17 18 #初始化二维,打印像素点 19 m1 = np.ones([3, 3], np.float32) 20 m1.fill(222.388) 21 print(m1) 22 23 m2 = m1.reshape([1,9]) #改变其在空间的形状 24 print(m2)
其他知识点
获取当前CPU时钟:
1 t1 = cv.getTickCount() #获取当前CPU时间
完整代码
1 import cv2 as cv 2 import numpy as np 3 4 5 #对所有像素进行循环;解释执行速度较慢 6 def access_pixels(image): 7 print(image.shape) 8 height = image.shape[0] #高度 9 width = image.shape[1] #宽度 10 channels = image.shape[2] #通道数 11 print("width : %s, height : %s, channels : %s"%(width, height, channels)) 12 for row in range(height): #循环获取每一个像素点 13 for col in range(width): 14 for c in range(channels): 15 pv = image[row, col, c] #维度 16 image[row, col, c] = 255 - pv 17 cv.imshow("pixels_demo",image) 18 19 20 def inverse(image): 21 dest = cv.bitwise_not(image) #像素取反,依靠C的代码 22 cv.imshow("inverse",dest) 23 24 25 #通过Numpy对一个数组指定维数赋值 26 def create_image(): 27 ''' 28 #(创建一个新三通道的图像) 29 #多通道常见为RGB图像 30 # img = np.zeros([400, 400, 3], np.uint8) 31 # img[: ,: ,0] = np.ones([400, 400])*255 #0表示第一通道Blue;1表示第二通道Green;3表示第三通道Read 32 33 #单通道常见为灰度图像 34 # img = np.zeros([400, 400, 1], np.uint8) #创建新的图像 35 # img[:, :, 0] = np.ones([400, 400]) * 127 36 img = np.ones([400, 400, 1], np.uint8) 37 img =img*127 38 cv.imshow("new image", img) #窗口显示 39 cv.imwrite("C:/Users/shinelon/Desktop/DL/001.png") #将图像保存 40 ''' 41 42 #初始化二维,打印像素点 43 m1 = np.ones([3, 3], np.float32) 44 m1.fill(222.388) 45 print(m1) 46 47 m2 = m1.reshape([1,9]) #改变其在空间的形状 48 print(m2) 49 50 m3 = np.array([[2, 3, 4], [4, 5, 6], [7, 8, 9]], np.int32) #卷积神经需要 51 #m3.fill(9) 52 print(m3) 53 54 55 print("------Python OpenCV Tutorial-----") 56 src = cv.imread("C:/Users/shinelon/Desktop/DL/12.png") #括号类为图片的绝对路径 57 cv.namedWindow("input image",cv.WINDOW_AUTOSIZE) 58 cv.imshow("input image",src) #将图片在Windows窗口显示 59 t1 = cv.getTickCount() #获取当前CPU时间 60 create_image() 61 #access_pixels(src) #时间比较长 62 inverse(src) #优化,时间较短 63 t2 = cv.getTickCount() 64 time = (t2 - t1)/cv.getTickFrequency() #运行的时间ms 65 print("time : %s ms"%(time*1000)) 66 cv.waitKey(0) 67 68 69 cv.destroyAllWindows()