目标

学习

访问像素值并修改它们
访问图像属性
设置感兴趣区域 (ROI)
拆分和合并图像

本节中几乎所有操作主要与 Numpy 相关，而不是 OpenCV。需要充分了解 Numpy，才能使用 OpenCV 编写优化更好的代码。

*(示例将在 Python 终端中显示，因为它们大多数只是单行代码)*

访问和修改像素值

让我们首先加载一张彩色图像

>>> import numpy as np
>>> import cv2 as cv
 
>>> img = cv.imread('messi5.jpg')
>>> assert img is not None, "file could not be read, check with os.path.exists()"

你可以按其行坐标和列坐标访问像素值。对于 BGR 图像，它返回蓝色、绿色、红色值的数组。对于灰度图像，仅返回相应的强度。

>>> px = img[100,100]
>>> print( px )
[157 166 200]
 
＃仅访问蓝色像素
>>> blue = img[100,100,0]
>>> print( blue )
157

你可以以相同的方式修改像素值。

>>> img[100,100] = [255,255,255]
>>> print( img[100,100] )
[255 255 255]

警告

Numpy 是用于快速数组计算的优化库。因此，简单地访问和修改每个像素值会非常缓慢，不建议这样做。

注意: 上面的方法通常用于选择数组区域，例如前 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，它们始终返回标量，因此，如果你想访问所有 B、G、R 值，则需要针对每个值单独调用 array.item()。

更好的像素访问和编辑方法

＃访问红色值
>>> img.item(10,10,2)
59
 
＃修改红色值
>>> img.itemset((10,10,2),100)
>>> img.item(10,10,2)
100

访问图像属性

图像属性包括行数、列数和通道数；图像数据类型；像素数；等等。

通过 img.shape 可以访问图像的形状。它返回一个元组，其中包含行数、列数和通道数（如果图像为彩色图像）

>>> print( img.shape )

(342, 548, 3)

注意: 如果图像为灰度图像，返回的元组仅包含行数和列数，因此，这是一个检查加载的图像是否为灰度图像或彩色图像的好方法。

可以通过 img.size 访问图像的总像素数

>>> print( img.size )

562248

可以通过 `img.dtype` 获取图像数据类型

>>> print( img.dtype )

uint8

注意: 在调试时，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导致的。

图像 ROI

有时，你必须对图像的某些区域进行处理。对于图像中的眼睛检测，首先在整个图像上进行人脸检测。获取一个人脸时，我们仅选择人脸区域，并在此区域内搜索眼睛，而不是搜索整个图像。它能提高精度（因为眼睛总是在人脸上 :D）和性能（因为我们在一个小区域内进行搜索）。

同样使用 Numpy 索引获取 ROI。此处我选择球并将其复制到图像中的另一个区域

>>> ball = img[280:340, 330:390]

>>> img[273:333, 100:160] = ball

在下方查看结果

image

拆分和合并图像通道

有时，你需要分别处理图像的 B、G、R 通道。在这种情况下，你需要将 BGR 图像拆分成各个通道。在其他情况下，你可能需要将这些单独的通道组合起来以创建 BGR 图像。你可以通过以下方式轻松完成此操作

>>> b,g,r = cv.split(img)

>>> img = cv.merge((b,g,r))

cv::split

void split(const Mat &src, Mat *mvbegin)

将多通道数组分成几个单通道数组。

cv::merge

void merge(const Mat *mv, size_t count, OutputArray dst)

从几个单通道数组创建一个多通道数组。

或

>>> b = img[:,:,0]

假设你要将所有红色像素设置为零 - 不必先拆分通道。Numpy 索引更快速

>>> img[:,:,2] = 0

警告

cv.split() 是一项昂贵的操作（在时间上）。因此，只在必要时才使用它。否则就使用 Numpy 索引。

为图像创建边框（填充）

如果您希望在图像周围创建一个边框，例如相框，可以使用 cv.copyMakeBorder()。但它有更多的卷积运算、零填充等应用。该函数获取以下参数

src - 输入图像
top、bottom、left、right - 对应方向中的边框宽度（以像素数量为单位）
borderType - 标志，用于定义要添加哪种边框。可以是以下类型
- cv.BORDER_CONSTANT - 添加颜色恒定的边框。值应作为下一个参数给出。
- cv.BORDER_REFLECT - 边框将是边框元素的镜像反射，如下：fedcba|abcdefgh|hgfedcb
- cv.BORDER_REFLECT_101 或 cv.BORDER_DEFAULT - 与上述相同，但略有更改，如下：gfedcb|abcdefgh|gfedcba
- cv.BORDER_REPLICATE - 最后一个元素全部复制，如下：aaaaaa|abcdefgh|hhhhhhh
- cv.BORDER_WRAP - 无法解释，它看起来像这样：cdefgh|abcdefgh|abcdefg
value - 如果边框类型是 cv.BORDER_CONSTANT，则为边框的颜色

下面是一个示例代码，演示了所有这些边框类型以加深理解

import cv2 as cv
import numpy as np
from matplotlib import pyplot as plt
 
BLUE = [255,0,0]
 
img1 = cv.imread('opencv-logo.png')
assert img1 is not None, "无法读取文件，请使用 os.path.exists() 检查"
 
replicate = cv.copyMakeBorder(img1,10,10,10,10,cv.BORDER_REPLICATE)
reflect = cv.copyMakeBorder(img1,10,10,10,10,cv.BORDER_REFLECT)
reflect101 = cv.copyMakeBorder(img1,10,10,10,10,cv.BORDER_REFLECT_101)
wrap = cv.copyMakeBorder(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()

参阅以下结果。（图片使用 matplotlib 显示。因此红色和蓝色通道会交换）