图像的基本操作

目标

学会：

访问像素值并对其进行修改
访问图像属性
设置感兴趣区域（ROI）
分割并合并图像本节中几乎所有的操作都主要与Numpy相关，而不是与OpenCV相关。要使用OpenCV编写更好的优化代码，需要Numpy的丰富知识。

（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

让我们先加载彩色图像：

In [1]:

import numpy as npimport cv2 as cvimg = cv.imread('img/messi5.jpg')

您可以通过像素的行和列坐标来访问它。对于BGR图像，它将返回一个蓝色，绿色，红色值的数组。对于灰度图像，仅返回相应的强度。

In [2]:

px = img[100,100]print( px )

out[*]

[157 166 200]

In [3]:

#仅访问蓝色像素# accessing only blue pixelblue = img[100,100,0]print( blue )

out[*]

您可以用相同的方式修改像素值。

In [4]:

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，简单地访问每个像素值并对其进行修改将非常缓慢，因此不建议使用。

注意

上面的方法通常用于选择数组的区域，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（）更好。但是，它们始终返回标量，因此，如果要访问所有B，G，R值，则需要为每个值分别调用array.item（）。

更好的像素访问和编辑方法：

In [6]:

# accessing RED value#访问RED值img.item(10,10,2)

Out[6]:

In [7]:

# modifying RED value#修改RED值img.itemset((10,10,2),100)img.item(10,10,2)

Out[7]:

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

图像的形状可通过img.shape访问。它返回行，列和通道数的元组（如果图像是彩色的）：

In [9]:

print(img.shape )

(342, 548, 3)

注意

如果图像是灰度的，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还是彩色的好方法。

像素总数可通过访问img.size：

In [10]:

print(img.size)

图片数据类型是通过img.dtype获取的：

In [11]:

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。3

图像投资回报率

有时，您将不得不使用图像的某些区域。对于图像中的眼睛检测，首先要在整个图像上进行面部检测。当获得面部时，我们仅选择面部区域并在其内部搜索眼睛，而不是搜索整个图像。它提高了准确性（因为眼睛总是在脸上：D）和性能（因为我们在小范围内搜索）。

使用Numpy索引再次获得ROI。在这里，我要选择球并将其复制到图像中的另一个区域：

In [16]:

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

检查以下结果：

In [17]:

import matplotlib.pyplot as plt# load image using cv2....and do processing.plt.imshow(cv.cvtColor(img, cv.COLOR_BGR2RGB))# as opencv loads in BGR format by default, we want to show it in RGB.plt.show()

分割和合并图像通道

有时您需要在图像的B，G，R通道上单独工作。在这种情况下，您需要将BGR图像分成单个通道。在其他情况下，您可能需要加入这些单独的渠道来创建BGR图像。您可以通过以下方式简单地做到这一点：

In [19]:

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

或

In [21]:

b = img[:,:,0]

假设您要将所有红色像素都设置为零-您不需要先拆分通道。numpy索引更快：

In [22]:

img[:,:,2] = 0

警告

cv.split（）是一项昂贵的操作（就时间而言）。因此，仅在必要时使用它。否则请进行Numpy索引。

Making Borders for Images (Padding)

If you want to create a border around an image, something like a photo frame, you can use cv.copyMakeBorder(). But it has more applications for convolution operation, zero padding etc. This function takes following arguments:

src - input image
top, bottom, left, right - border width in number of pixels in corresponding directions
borderType - Flag defining what kind of border to be added. It can be following types:

cv.BORDER_CONSTANT - Adds a constant colored border. The value should be given as next argument.
cv.BORDER_REFLECT - Border will be mirror reflection of the border elements, like this : fedcba|abcdefgh|hgfedcb
cv.BORDER_REFLECT_101 or cv.BORDER_DEFAULT - Same as above, but with a slight change, like this : gfedcb|abcdefgh|gfedcba
cv.BORDER_REPLICATE - Last element is replicated throughout, like this: aaaaaa|abcdefgh|hhhhhhh
cv.BORDER_WRAP - Can't explain, it will look like this : cdefgh|abcdefgh|abcdefg

value - Color of border if border type is cv.BORDER_CONSTANT

Below is a sample code demonstrating all these border types for better understanding:

为图像设置边框（填充）

如果要在图像周围创建边框（如相框），则可以使用cv.copyMakeBorder（）。但是它在卷积运算，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
顶部，底部，左侧，右侧边界的宽度，以相应方向上的像素数为单位
borderType-定义要添加哪种边框的标志。它可以是以下类型：

cv.BORDER_CONSTANT-添加恒定的彩色边框。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，如下所示：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-最后一个元素被复制，像这样：aaaaaa | abcdefgh | hhhhhhh
cv.BORDER_WRAP-无法解释，它看起来像这样：cdefgh | abcdefgh | abcdefg

价值 -边框颜色，如果边框类型为cv.BORDER_CONSTANT

下面是一个示例代码，演示了所有这些边框类型，以便更好地理解：

In [25]:

import cv2 as cvimport numpy as npfrom matplotlib import pyplot as pltBLUE = [255,0,0]img1 = cv.imread('img/opencv-logo.png')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()