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

本节中的几乎所有操作主要与 Numpy 相关，而不是 OpenCV。 需要具备良好的 Numpy 知识才能使用 OpenCV 编写更好的优化代码。

( 示例将在 Python 终端中显示，因为其中大多数只是单行代码 )

访问和修改像素值

让我们首先加载彩色图像

>>> import numpy as np
>>> import cv2 as cv
 
>>> img = cv.imread('messi5.jpg')
>>> assert img is not None, "文件无法读取，请检查 os.path.exists()"

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，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

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 是一个优化的库，用于快速数组计算。 因此，简单地访问每个像素值并对其进行修改将非常慢，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；图像数据的类型；像素数等。

图像的形状通过 img.shape 访问。 它返回行数、列数和通道数的元组（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，则返回的元组仅包含行数和列数，因此这是检查加载的图像是灰度图像还是彩色图像的好方法。

像素总数通过 img.size 访问

>>> print( img.size )
562248

图像数据类型通过 `img.dtype` 获得

>>> print( img.dtype )
uint8

注意

img.dtype 在调试时非常重要，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

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面部检测。 获得面部后，我们仅选择面部区域并在其中搜索眼睛，而不是搜索整个图像。 它可以提高准确性（因为眼睛总是在脸上：D）和性能（因为我们在一个小区域内搜索）。

ROI 再次使用 Numpy 索引获得。 在这里，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

查看下面的结果

image

分割和合并图像通道

有时您需要单独处理图像的 B、G、R 通道。 在这种情况下，您需要将 BGR 图像分割为单通道。 在其他情况下，您可能需要连接这些单独的通道以创建 BGR 图像。 您可以通过以下方式简单地做到这一点

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

或

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

假设您要将所有红色像素设置为零 - 您无需首先分割通道。 Numpy 索引更快

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

警告

cv.split() 是一个代价高昂的操作（在时间方面）。 因此，仅在必要时使用它。 否则，请使用 Numpy 索引。

为图像制作边框（填充）

如果您想在图像周围创建边框，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。 此函数接受以下参数

• src - 输入图像
• top、bottom、left、right - 相应方向上边框的宽度（以像素为单位）
• borderType - 定义要添加的边框类型的标志。 它可以是以下类型
  • cv.BORDER_CONSTANT - 添加恒定颜色的边框。 该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，例如：fedcba|abcdefgh|hgfedcb
  • cv.BORDER_REFLECT_101 或 cv.BORDER_DEFAULT - 与上述相同，但略有变化，例如：gfedcb|abcdefgh|gfedcba
  • cv.BORDER_REPLICATE - 最后一个元素在整个过程中重复，例如：aaaaaa|abcdefgh|hhhhhhh
  • cv.BORDER_WRAP - 无法解释，它看起来像这样：cdefgh|abcdefgh|abcdefg
• value - 如果边框类型为 cv.BORDER_CONSTANT，则为边框颜色

以下是一个示例代码，演示了所有这些边框类型，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，请检查 os.path.exists()"
 
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')
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('反射_101')
plt.subplot(235),plt.imshow(wrap,'gray'),plt.title('环绕')
plt.subplot(236),plt.imshow(constant,'gray'),plt.title('常量')
 
plt.show()

请参阅以下结果。（图像使用 matplotlib 显示。因此红色和蓝色通道将互换）

image