OpenCV-Python图像处理教程：图像基本操作
目录
-
- 目录
- 访问和修改像素值
- 访问图片属性
- 图像ROI（Region of Interest）
- 图像通道的分割和合并
- 为图像制作边框（Padding）
本节中几乎所有的操作都与Numpy相关，而不是OpenCV。 需要熟悉Numpy才能使用OpenCV编写更好的优化代码。
注：本文翻译自openCV官网教程，为方便理解，有些许添加或者改动
[英文版链接]
https://docs.opencv.org/trunk/d3/df2/tutorial_py_basic_ops.html
访问和修改像素值
首先，读取彩色图片
import numpy as np
import cv2 as cv
img = cv.imread('xxx.jpg')您可以通过其行和列坐标访问像素值。 对于BGR图像，它返回一个蓝色，绿色，红色值的数组。 对于灰度图像，只返回相应的亮度。
px = img[100,100] #取坐标值为（100,100）的像素点
print(px)#输出一个数组，比如[157,166,200]
#只访问蓝色像素,绿色像素，红色像素
blue = img[100,100,0] #157
green= img[100,100,1] #166
red= img[100,100,2] #200同样，可以修改像素值
img[100,100] = [255,255,255]
print(img[100,100])#输出[255,255,255] 温馨提示：Numpy是用于数组快速计算的优化库。 因此，简单地访问每个像素值并修改它将会非常缓慢，
所以不鼓励这样做。
注：上述方法通常用于选择一个数组的区域，比如前5行和后3列。 对于单个像素访问，Numpy数组方法array.item()和array.itemset()被认为更好，但是它们总是返回一个标量。 如果你想访问所有的B，G，R值，你需要分别调用array.item()。
更好的像素访问和编辑方法：
#访问红色通道值，0蓝 1绿 2红
img.item(10,10,2) #59
#修改红色通道值
img.itemset((10,10,2),100)
img.item(10,10,2) #100访问图片属性
图片的属性包括行数，列数，通道数，图片数据类型，像素数等
print(img.shape) #(342,548,3)
#通过img.shape来获取img的形状，返回一个元组（tuple），
#分别为行数，列数和通道数（如果是彩色图片就返回第三个参数）注：如果是灰度图，则返回的元组仅包含行数和列数，因此检查加载的图像是灰度还是颜色是一种好方法。
print(img.size)#返回总的像素数目 = 行数*列数（*通道数）
print(img.dtype)#返回图片的数据类型 如：unit8,float32,float64等注：调试时img.dtype非常重要，因为OpenCV-Python代码中的大量错误是由无效的数据类型引起的。
图像ROI（Region of Interest）
有时候，检测图像时，需要选取一定的图像区域。 比如，对于图像中的眼睛检测，首先在整个图像上进行人脸检测。 当获得脸部时，我们单独选择脸部区域并在其内部搜索眼睛而不是搜索整个图像。 它提高了准确性（因为眼睛总是在脸上）和性能（因为我们在一个小区域搜索）
ROI也是使用Numpy索引获得，在下面的例子中，我选择球，并将其复制到图像中的另一个区域：
ball = img[284:340,330:390]
img[273:333,100:160]=ball效果如图所示：
图像通道的分割和合并
有时您需要分别处理B，G，R图像通道。 在这种情况下，您需要将BGR图像拆分为单个通道。 在其他情况下，您可能需要将这些单个频道加入BGR图像。 你可以简单地通过：
b,g,r = cv.split(img)
img=cv.merge(b,g,r)
#或者
b = img[:,:,0]
#假设您要将所有红色像素设置为零，则不需要先分割通道。 Numpy索引速度更快：
img[:,:,2]=0 温馨提示：cv.split()是一个代价高昂的操作（就时间而言）。 所以只有在你需要的时候才能做到。
否则，推荐使用Numpy索引。
为图像制作边框（Padding）
如果你想在图像周围创建边框，就像是一个相框，你可以使用cv.copyMakeBorder()。 但它有更多的应用卷积操作，零填充等。这个函数有以下参数：
- src-输入图像
- top,bottom,left,right-（上，下，左，右）相应方向上的边框宽度值
- borderType-标识定义要添加的边界类型。 它可以是以下类型：
- cv.BORDER_CONSTANT-添加一个常量彩色边框。 下一个参数指明颜色值。
- cv.BORDER_REFLECT-边框将镜像反射边框元素，例如：fedcba | abcdefgh | hgfedcb
- cv.BORDER_REFLECT_101 或者 cv.BORDER_DEFAULT-跟上种方法差不多，只是有稍微的变化，例如：gfedcb|abcdefgh|gfedcba
- cv.REPLICATE-最后一个元素被复制到整个，例如：aaaaaa|abcdefgh|hhhhhhh
- cv.BORDER_WARP-无法解释，举个栗子：cdefgh|abcdefgh|abcdefg - value-当边框类型为cv.BORDER_CONSTANT时，则为边框颜色
以下是展示所有这些边界类型以便更好理解的示例代码：
import cv2 as cv
import numpy as np
from matplotlib import pyplot as plt
BULE=[255,0,0]
img1 = cv.imread('XXX.png')
replicate = cv.copyMakeBorder(img1,10,10,10,10,cv.BORDER_REPLICATE)
reflect = cv.copyMakeBorder(img1,10,10,10,10,cv.BORDER_REFLECT)
reflect_101 = cv.copyMakeBorder(img1,10,10,10,10,cv.BORDER_REFLECT_101)
wrap = cv.coprMakeBorder(img1,10,10,10,10,cv.BORDER_WRAP)
constant = cv.copyMakeBorder(img1,10,10,10,10,cv.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()看到下面的结果。 （图像与matplotlib一起显示，所以红色和蓝色通道将互换：
换）：