opencv图像处理基础(python)

图像处理基础

numpy 访问图像

Numpy.array库是Python处理图像的基础。

在OpenCV中，通道的顺序是B→G→R

在OpenCV中，最小的数据类型是无符号的8位数

可以使用image[0,0]访问图像image第0行第0列位置上的像素点

先行后列: img[行,列]

使用Numpy库中的函数zeros()可以生成一个元素值都是0的数组，并可以直接使用数组的索引对其进行访问、修改。

img=np.zeros((8,8), dtype=np.uint8)

RGB模式的彩色图像在读入OpenCV内进行处理时，会按照行方向依次读取该RGB图像的B通道、G通道、R通道的像素点，并将像素点以行为单位存储在ndarray的列中。

在OpenCV内以BGR模式的三维数组形式存储

可以使用表达式访问数组内的值。

例如，可以使用image[0,0,0]访问图像image的B通道内的第0行第0列上的像素点，式中：

● 第1个索引表示第0行。

● 第2个索引表示第0列。

● 第3个索引表示第0个颜色通道。

绿色通道值 : green[:, :,1]=255

item()和itemset()

使用numpy.array访问像素

numpy.array提供了item()和itemset()函数来访问和修改像素值

函数item()能够更加高效地访问图像的像素点，该函数的语法格式为：

item(行，列)

函数itemset()可以用来修改像素值，其语法格式为：

itemset(索引值，新值)

import cv2
import numpy as np 

//使用Numpy中的random.randint可以生成一个随机数组
img = np.random.randint(10,99,size=[5,5],dtype=np.uint8)
value = img.item(3,2)
img.itemset((3,2),255)
print(value)
print(img)

函数item()访问RGB模式图像的像素值时，其语法格式为：

item(行，列，通道)

函数itemset()修改（设置）RGB模式图像的像素值时，其语法格式为：

itemset(三元组索引值，新值）

需要注意，针对RGB图像的访问，必须同时指定行、列以及行列索引（通道），例如img.item(a, b, c)。

仅仅指定行和列是不可以的。

感兴趣区域

ROI: Region of Interest, ROI

将一个感兴趣区域A赋值给变量B后，可以将该变量B赋值给另外一个区域C，从而达到在区域C内复制区域A的目的。

获取右侧的ROI: img[200:400,600:800] 先行后列

通道操作

Opencv中通道是按B->G->R的顺序存储的。

通道拆分

• 通过索引拆分

b = img[ : , : , 0 ]
g = img[ : , : , 1 ]
r = img[ : , : , 2 ]

• 通过函数拆分

b, g, r=cv2.split(img)
    
b=cv2.split(a)[0]
g=cv2.split(a)[1]
r=cv2.split(a)[2]

通道合并

bgr=cv2.merge([b, g, r])

获取图像属性

• shape

  如果是彩色图像，则返回包含行数、列数、通道数的数组

  如果是二值图像或者灰度图像，则仅返回行数和列数。

• size

  返回图像的像素数目。其值为“行×列×通道数”，灰度图像或者二值图像的通道数为1。

• dtype

  返回图像的数据类型

print("图像的属性")
print(img.shape)
print(img.size)
print(img.dtype)

----------------------
图像的属性
(5, 5)
25
uint8

例子

import cv2
import numpy as np 

img = np.random.randint(10,99,size=[5,5,3],dtype=np.uint8)
value = img.item(3,2,0)
img.itemset((3,2,0),255)

print("-----------")
print("img")
print(img)

print("-----------")
print("split")
b,g,r = cv2.split(img)
print("b")
print(b)
print("g")
print(g)
print("r")
print(r)
print("-----------")
print("merge")
img_m = cv2.merge([b,g,r])
print(img_m)
print("-----------")

print("图像的属性")
print(img.shape)
print(img.size)
print(img.dtype)