2.opencv获取和设置像素
opencv如何获取和设置图片像素
- 1.什么是像素？
- 2.OpenCV中的图像坐标系概述
- 3.项目结构
-
- 1.使用OpenCV获取和设置像素
- 2.OpenCV像素获取和设置结果
- 3.源代码下载
什么是像素
图像坐标系在OpenCV中的工作方式
如何访问/获取图像中的单个像素值
如何设置/更新图像中的像素
如何使用数组切片来捕获图像区域
在本教程结束时，您将对如何使用OpenCV访问和操纵图像中的像素有深入的了解
1.什么是像素？
像素是图像的原始构建块。每个图像都由一组像素组成。没有比像素更好的粒度。
通常，像素被认为是出现在图像中给定位置的光的“颜色”或“强度”。
如果我们将图像视为网格，则网格中的每个正方形都包含一个像素。首先放一张高清我老婆图片，让我们看一下图片像素：
大多数像素以两种方式表示：
- 灰度/单通道
- 颜色
在灰度图像中，每个像素的值都在0到255之间，其中0对应于“黑色”，而255则是“白色”。0到255之间的值是变化的灰色阴影，其中接近0的值更暗，而接近255的值更亮：
图2：图像渐变，显示像素值从黑色（0）到白色（255）。
在灰度梯度图像图2表明较暗的像素的左侧和逐步打火机像素上的右手侧。
但是，彩色像素通常在RGB颜色空间中表示-红色分量的一个值，绿色分量的一个值，蓝色分量的一个值，导致每个像素总共3个值：
图3： RGB立方体。
还存在其他色彩空间（HSV（色相，饱和度，值），L * a * b *等），但让我们从基础知识开始，然后从那里开始。
红色，绿色和蓝色这三种颜色中的每一种都由一个介于0到255之间的整数表示，该整数表示颜色的“多少”。假设像素值仅需要在[0，255]范围内，我们通常使用8位无符号整数表示每种颜色强度。
然后，我们将这些值组合成以下形式的RGB元组 （红色，绿色，蓝色）。这个元组代表我们的颜色。
要构造白色，我们将完全填充每个红色，绿色和蓝色水桶，如下所示： （255 ，255 ，255 ） —因为白色是所有颜色的存在。
然后，要创建黑色，我们将完全清空每个存储桶： （0 ，0 ，0 ） -因为黑色是没有颜色。
要创建纯红色，我们将完全填充红色桶（并且仅填充红色桶）： （255 ，0 ，0 ）。
您开始看到图案了吗？
请看下面的图片，以使这个概念更加清楚：
图4：在这里，我们有四个颜色示例，分别代表红色，绿色和蓝色分量的每个颜色和“桶”数量。
在左上角的示例中，我们将颜色设置为白色-红色，绿色和蓝色桶中的每个桶均已完全填充以形成白色。
在右上角，我们有黑色-红色，绿色和蓝色的水桶现在完全空了。
同样，要在左下角形成红色，我们只需要完全填充“红色”桶，而将其他绿色和蓝色桶完全清空即可。
最后，如右下图所示，通过仅填充“蓝色”桶来形成蓝色。
供您参考，以下是一些常见的颜色，以RGB元组表示：
- 黑色的： （0 ，0 ，0 ）
- 白色的： （255 ，255 ，255 ）
- 红色的： （255 ，0 ，0 ）
- 绿色的： （0 ，255 ，0 ）
- 蓝色的： （0 ，0 ，255 ）
- 浅绿色： （0 ，255 ，255 ）
- 紫红色： （255 ，0 ，255 ）
- 栗色： （128 ，0 ，0 ）
- 海军： （0 ，0 ，128 ）
- 橄榄： （128 ，128 ，0 ）
- 紫色的： （128 ，0 ，128 ）
- 蓝绿色： （0 ，128 ，128 ）
- 黄色的： （255 ，255 ，0 ）
现在我们对像素有了很好的了解，让我们快速回顾一下坐标系。
2.OpenCV中的图像坐标系概述
正如我在图1中提到的，图像表示为像素网格。想象我们的网格就像一张方格纸。使用这种方格纸，点（0,0）对应于左上角的图像（即，角原点）。随着我们不断下降，并到右，无论是X和Y ^ -值增加。
让我们看一下图5中的图像，使这一点更加清楚：
图5：在OpenCV中，像素通过其（x，y）坐标进行访问。原点（0，0）位于图像的左上方。OpenCV的图像被零索引，其中的x值去左到右（列号）和ÿ -值去顶部至底部（行数）。
在这里，我们在一张方格纸上有字母“ I”。我们看到我们有一个8 x 8的网格，总像素为64。
在点（0,0）对应于左上在我们的图像像素，而点（7,7）对应于右下角。
重要的是要注意，我们是从零开始计数，而不是从1开始计数。Python语言是零索引的，这意味着我们总是从零开始计数。请记住这一点，以后您将避免很多混乱。
最后，请记住，我们是从零开始计数，而不是从1开始计数，右边的第4列像素和向下的5行像素由点（3，4）索引。
3.项目结构
在开始查看代码之前，让我们回顾一下我们的项目目录结构：
我们今天有一个Python脚本可供审查， opencv_getting_setting.py，这将使我们能够访问和操作图像中的图像像素 adrian.png。
1.使用OpenCV获取和设置像素
让我们学习如何使用OpenCV获取和设置像素。
打开 opencv_getting_setting.py 文件放在您的项目目录结构中，让我们开始工作：
第2行和第3行导入了我们所需的Python包。我们只需要argparse 对于我们的命令行参数 cv2 用于我们的OpenCV绑定。
这 - 图像命令行参数指向我们要操作的映像，该映像位于磁盘上。默认情况下，- 图像 命令行参数设置为 adrian.png。
接下来，让我们加载此图像并开始访问像素值：
第13-15行加载了我们的输入图像 从磁盘上，抓住它的宽度和高度，然后将图像显示到我们的屏幕上：
图7：从磁盘加载我们的输入图像，并使用OpenCV显示它。
OpenCV中的图像由NumPy数组表示。要访问特定的图像像素，我们要做的就是将（x，y）坐标传递为图片[ y，x ]：
第19行访问位于像素（0,0） ，这是左上的图像的角落。作为回报，我们依次接收到蓝色，绿色和红色强度（BGR）。
最大的问题是：
为什么OpenCV用BGR通道顺序而不是标准RGB表示图像？
答案是，当最初开发OpenCV时，BGR订购是标准！直到后来才采用RGB顺序。BGR排序在OpenCV中是标准的，因此请习惯于看它。
第23行然后使用的数组索引访问位于x = 50，y = 20的像素图像[ 20 ，50 ]。
可是等等 。。。那不落后吗？应该不是吗图像[ 50 ，20 ]因为x = 50和y = 20？
没那么快！
让我们备份一个步骤，并考虑图像只是具有宽度（列数）和高度（行数）的矩阵。如果要访问该矩阵中的单个位置，则将其表示为X 值（列号）和 ÿ 值（行号）。
因此，要访问位于x = 50，y = 20的像素，请先传递y-值（行号），然后传递x-值（列号），结果是图片[ y，x ]。
注意：我发现使用语法访问单个像素的概念图片[ y，x ]吸引了很多学生。花点时间说服自己图片[ y，x ] 是基于x值是您的列号（即，宽度），而y值是您的行号（即，高度）这一事实的正确语法。
第27和28行更新位于x = 50，y = 20的像素，将其设置为红色，即（0 ，0 ，255 ）在BGR订购中。第29行然后将更新的像素值打印到我们的终端，从而表明它已被更新。
接下来，让我们学习如何使用NumPy数组切片从图像中获取感兴趣的大块/区域：
在第33行，我们计算图像的中心（x，y）坐标。这是通过简单地将宽度和高度除以二，并确保整数转换（因为我们无法访问“小数像素”位置）来实现的。
然后，在第38行，我们使用简单的NumPy数组切片来提取[ 0 ，cX ） 和 [ 0 ，cY ）图片的区域。事实上，这一区域对应于左上角图像的角落！为了捕获图像的大块，NumPy期望我们提供四个索引：
起始y：第一个值是起始y坐标。这是我们的数组切片将从y轴开始的位置。在上面的示例中，我们的分片从y = 0开始。
结束y：正如我们提供了起始y值一样，我们也必须提供结束y值。当y = cY时，我们的切片沿y轴停止。
起始x：我们必须提供的第三个值是切片的起始x坐标。为了获取图像的左上角区域，我们从x = 0开始。
End x：最后，我们需要提供x轴值以使切片停止。当x = cX时，我们停止。
一旦我们提取的左上的图像角，39行显示了裁剪结果。请注意我们的形象如何只是左上角我们的原始图像的角落：
图8：提取的左上使用阵列切片图像的角落。
让我们进一步扩展该示例，以便我们可以使用NumPy数组切片从图像中提取区域进行一些练习：
以类似的方式，以上述例子中，线44提取右上角的图像的角落里，线路45提取右下拐角，以及线46的左下角。
最后，图像的所有四个角都显示在第47-49行的屏幕上，如下所示：
图9：使用数组切片通过OpenCV提取图像的四个角。
了解NumPy数组切片是一项非常重要的技能，您将一次又一次地用作计算机视觉从业人员。如果您不熟悉NumPy数组切片，我建议您花几分钟时间去了解，以了解NumPy索引，数组和切片的基础知识。
我们要做的最后一个任务是使用数组切片更改像素区域的颜色：
在52号线，你可以看到，我们再次访问该左上角的图像角; 但是，这一次，我们将这个区域的值设置为（0 ，255 ，0 ） （绿色）。
然后，第55和56行显示了我们的工作结果：
图10：设置左上的图像角是“绿色”。
2.OpenCV像素获取和设置结果
现在让我们学习如何使用OpenCV获取和设置单个像素值！
确保已使用本教程的“下载”部分来访问源代码和示例图像。
从那里，您可以执行以下命令：
一旦脚本开始运行，您应该会看到一些输出打印到控制台。
输出的第一行告诉我们，位于（0，0）的像素的值为R = 233，G = 240和B = 246。所有三个通道的桶都接近白色，表明像素非常亮。
输出的后两行显示我们已经成功地将（50，20）处的像素更改为红色而不是（几乎）白色。
3.源代码下载
链接: 源代码下载.