小强学Python+OpenCV之－1.2图像基础

目标

学完本节，我们将理解：

图像的基本元素是像素，什么是像素。
图像的坐标系统是怎样的。
操作像素的RGB值
通过numpy数组操作图像

1. 什么是像素

像素是组成图像的最小单位。我们可以看下面这张图：

Pixel-example.png

我们常常像下面这样表述一幅图像的大小。
300 x 200大小。这里的300和200便是指的像素。一幅300 x 200的图像表示有300*200＝6万个像素。

通常，像素的值我们称之为强度。这里可能要引入一个概念－“通道”才会比较好理解一点。
而图像通常会用两种方式表示：灰度图像和彩色图像。

灰度图像指的是，每个像素的值为一个８位无符号数表示的值，范围是：0-255.也就是说，灰度图像只是用一个通道来表示像素的强度。如下面的图所示：
![Uploading image_coor_594914.png . . .]

无标题.png

而彩色图像是由三个8位（也有可能是16位，32位等）无符号数表示的值。什么？我没听错吧。三个数会表示成什么样子？没错，三个数表示成一个numpy数组（相当于一维数组）。三个数分别取不同的值（0－255），就可以表示出总共16777216种颜色。

RGB_color_solid_cube.png

对于三原色RGB的描述，可参考：RGB color model

坐标系统

假设我们有一幅5*5的图像，那么它的坐标是这样的：

image.png

坐标系的原点在图像的左上角，像素（1，3）表示第1列第3行的像素（注意，这里是从0开始索引的）。

操作像素

我们已经知道了图像的坐标系统。那么，我们来尝试去对像素做一些修改，看看会发生什么。
创建python脚本文件pixel_modify.py。加入内容如下：

# 导入库
import argparse
import cv2
 
# 构建参数解析
ap = argparse.ArgumentParser()
ap.add_argument("-i", "--image", required=True, help="Path to the image")
args = vars(ap.parse_args())
 
# 加载图像并显示
image = cv2.imread(args["image"])
cv2.imshow("Original", image)

# 修改原点（左上角）像素值并显示,为了防止肉眼不好辨别，我们把左上角5*5个像素值同时作修改
image[0:5, 0:5] = (0, 0, 255)
cv2.imshow("Color1", image)
image[0:5, 0:5] = (0, 255, 0)
cv2.imshow("Color2", image)
image[0:5, 0:5] = (255, 0, 0)
cv2.imshow("Color3", image)

cv2.waitKey(0)

执行：
python pixel_modify.py
可以看到如下图：

(0,0,255)得到的是红色。
(0,255,0)得到的是绿色。
(255,0,0)得到的是蓝色。
从这里，我们可以看到，OpenCV中，对于图像三通道的值保存顺序是：BGR而不是我们习惯的RGB。这一点一定要记住。

提取图像

其实，在上面的代码中，我们在修改图像左上角像素值时，已经用到的numpy的切片功能来实现对于图像的操作。下面我们再做一个实验，巩固一下。修改代码如下：

# 导入库
import argparse
import cv2
 
# 构建参数解析
ap = argparse.ArgumentParser()
ap.add_argument("-i", "--image", required=True, help="Path to the image")
args = vars(ap.parse_args())
 
# 加载图像并显示
image = cv2.imread(args["image"])
cv2.imshow("Original", image)

# 计算图像的中心点
(h, w) = image.shape[:2]
(cX, cY) = (w / 2, h / 2)

# 将图像平均分成四部分并显示
tl = image[0:cY, 0:cX]
tr = image[0:cY, cX:w]
br = image[cY:h, cX:w]
bl = image[cY:h, 0:cX]
cv2.imshow("Top-Left Corner", tl)
cv2.imshow("Top-Right Corner", tr)
cv2.imshow("Bottom-Right Corner", br)
cv2.imshow("Bottom-Left Corner", bl)

cv2.waitKey(0)

执行脚本，得到如下显示：