图像基本操作

目标

学习如何：

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

本节中几乎所有操作都主要与 NumPy 相关，而不是 OpenCV。 掌握 NumPy 知识对于编写更优化的 OpenCV 代码至关重要。

(示例将在 Python 终端中显示，因为大多数示例只是一行代码)

访问和修改像素值

让我们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, "文件无法读取，请使用 os.path.exists() 检查"

您可以通过其行和列坐标访问像素值。对于 BGR 图像，它返回一个包含蓝色、绿色、红色值的数组。对于灰度图像，只返回相应的强度值。

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

您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 是一个针对快速数组计算进行了优化的库。因此，简单地访问和修改每个像素值的速度非常慢，不建议这样做。

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；像素总数等。

可以通过 img.shape 访问图像的形状。它返回一个元组，包含行数、列数和通道数（如果图像是彩色的）。

>>> print( img.shape )
(342, 548, 3)

注意

如果图像是灰度图像，则返回的元组只包含行数和列数，因此这是一个检查加载的图像是灰度图像还是彩色图像的好方法。

像素总数可以通过 `img.size` 访问

>>> print( img.size )
562248

图像数据类型通过 `img.dtype` 获取

>>> print( img.dtype )
uint8

注意

img.dtype 在调试过程中非常重要，因为 OpenCV-Python 代码中的许多错误都是由无效的数据类型引起的。

图像 ROI

有时，您需要处理图像的某些区域。对于图像中的眼睛检测，首先对整个图像进行人脸检测。当获得人脸时，我们选择人脸区域，并在其中搜索眼睛，而不是搜索整张图像。这提高了精度（因为眼睛总是在脸上：D）和性能（因为我们在较小的区域内搜索）。

ROI 使用 NumPy 索引获得。这里我选择球并将它复制到图像的另一个区域

>>> ball = img[280:340, 330:390]
>>> img[273:333, 100:160] = ball

查看下面的结果

图像

分割和合并图像通道

有时您需要分别处理图像的 B、G、R 通道。在这种情况下，您需要将 BGR 图像分割成单通道图像。在其他情况下，您可能需要将这些单个通道连接起来以创建 BGR 图像。您可以简单地通过以下方式做到这一点：

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

或者

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

假设您想将所有红色像素设置为零 - 您不需要先分割通道。NumPy 索引更快

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

警告

cv.split() 是一个代价较高的操作（时间方面）。因此，只有在必要时才使用它。否则，使用 NumPy 索引。

为图像创建边界（填充）

如果您想在图像周围创建边界，类似于相框，您可以使用cv.copyMakeBorder()。 但它在卷积运算、零填充等方面有更多应用。此函数采用以下参数：

• src - 输入图像
• top、bottom、left、right - 相应方向上的像素数的边界宽度
• borderType - 定义要添加何种边界的标志。它可以是以下类型：
  • cv.BORDER_CONSTANT - 添加一个常色边界。该值应作为下一个参数给出。
  • cv.BORDER_REFLECT - 边界将是边界元素的镜像反射，如下所示：fedcba|abcdefgh|hgfedcb
  • cv.BORDER_REFLECT_101 或 cv.BORDER_DEFAULT - 与上面相同，但略有不同，如下所示：gfedcb|abcdefgh|gfedcba
  • cv.BORDER_REPLICATE - 最后一个元素在整个边界重复，如下所示：aaaaaa|abcdefgh|hhhhhhh
  • cv.BORDER_WRAP - 无法解释，它看起来像这样：cdefgh|abcdefgh|abcdefg
• value - 如果边界类型为 cv.BORDER_CONSTANT，则为边界的颜色

以下是一个示例代码，演示了所有这些边界类型，以便更好地理解

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, "文件无法读取，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('原始图像')
plt.subplot(232), plt.imshow(replicate, 'gray'), plt.title('复制')
plt.subplot(233), plt.imshow(reflect, 'gray'), plt.title('反射')
plt.subplot(234), plt.imshow(reflect101, 'gray'), plt.title('REFLECT_101')
plt.subplot(235), plt.imshow(wrap, 'gray'), plt.title('环绕')
plt.subplot(236), plt.imshow(constant, 'gray'), plt.title('常数')
 
plt.show()

参见下面的结果。（图像使用matplotlib显示，因此红色和蓝色通道将被交换）

图像