opencv-python教程学习系列7-opencv图像基本操作

前言

opencv-python教程学习系列记录学习python-opencv过程的点滴，本文主要介绍图像的基本操作，坚持学习，共同进步。

系列教程参照OpenCV-Python中文教程；

系统环境

系统：win7_x64;

python版本：python3.5.2；

opencv版本：opencv3.3.1；

内容安排

1.知识点介绍；

2.测试代码；

具体内容

1.知识点介绍；

使用的库包含cv2、numpy和matplotlib，包含修改图像像素、获取图像属性、提取ROI、拆分合并通道、图像填充等内容；

1.1 获取并修改图像像素；

1)读取一副图像，根据像素的行和列的坐标获取它的像素值，返回RGB的值，灰度图则返回灰度值；图像中的坐标是从0开始计数的。

px=img[100,100]#某坐标对应的像素值
print(px)
blue = img[100,100,0]#数字0表示选择BGR通道
print(blue)
img[101,101]=[235,255,255]
print(img[101,101])

2)numpy是经过优化了的进行快速矩阵运算的包，不推荐逐个获取像素值并修改，能矩阵运算就不要用循环。
建议使用numpy的array.item()和array.itemset()函数。但是返回是标量，如果想获得所有RGB的值，需要使用array.item()分割他们。

#numpy
print(img[10, 10])
print(img.item(10,10,2))
img.itemset((10,10,2),100)
print(img.item(10,10,2))

1.2 获取图像属性，包括行、列、通道数目、图像数据类型、像素数目等；

image.shape - 获取图像的形状，返回值是一个包含行数/列数/通道数的元组，如果图像是灰度图，返回值仅有行数和列数，

可通过检查返回值可以判断是灰度图还是彩色图；

image.size - 获取图像的像素数目；

img.dtype - 图像的数据类型，在debug时很重要，因为OpenCV-Python代码中经常出现数据类型的不一致；

1	`print(img.dtype)`

1.3 图像ROI，对图像的特定区域操作。ROI是使用numpy索引来获得的。要先知道图像尺寸，以及要移动的图像的像素坐标，可以使用matplotlib！！

1	`ball` `=img[300:350,230:300]`

1.4 拆分及合并图像通道，cv2.split()是比较耗时的操作，能用numpy就尽量使用。

r,g,b=cv2.split(img)#拆分
img=cv2.merge([r,g,b])#合并
b=img[:,:,0]#拆分b通道
img[:,:,2]=0#使用numpy索引使所有红色通道值都为0

1.5 图像扩边(填充)，使用cv2.copyMakeBorder()函数。这经常在卷积运算或0填充时被用到;

具体的参数有输入图像、上下左右对应边界的像素数目、边界类型；

blue = [0,0,255]#分别表示RGB通道;
constant = cv2.copyMakeBorder(img,10,10,10,10,cv2.BORDER_CONSTANT,value=blue)
plt.subplot(236),plt.imshow(constant,'gray'),plt.title('constant')

2.测试代码；

import cv2
import numpy
img = cv2.imread('test.jpg')
px=img[100,100]#某坐标对应的像素值
print(px)
blue = img[100,100,0]#0表示BGR通道数
print(blue)
img[101,101]=[235,255,255]
print(img[101,101])
 
#numpy
print(img[10, 10])
print(img.item(10,10,2))
img.itemset((10,10,2),100)
print(img.item(10,10,2))
 
#获取图像属性(图像属性包括：行，列，通道，图像数据类型，像素数目等)
print(img.shape)#img.shape可以获得图像的形状，返回值是一个包含行数/列数/通道数的元组
#如果图像是灰度图，返回值仅有行数和列数，所以通过检查返回值可以判断是灰度图还是彩色图
#img.size可以返回图像的像素数目
print(img.size)
#img.dtype返回图像的数据类型，在debug时很重要，因为OpenCV-Python代码中经常出现数据类型的不一致
print(img.dtype)
 
#图像ROI，对图像的特定区域操作。ROI是使用numpy索引来获得的。
#要先知道图像尺寸，以及你要移动的图像的像素坐标，可以使用matplotlib！！
ball =img[300:350,230:300]
cv2.imshow('image',img)#显示图像
img[500:550,300:370]=ball
cv2.imshow('imageROI',img)#显示图像
 
#拆分及合并图像通道，cv2.split()是比较耗时的操作，能用numpy就尽量使用。
r,g,b=cv2.split(img)#拆分
img=cv2.merge([r,g,b])#合并
b=img[:,:,0]#拆分b通道
img[:,:,2]=0#使用numpy索引使所有红色通道值都为0
 
#图像扩边(填充)
#使用cv2.copyMakeBorder()函数。这经常在卷积运算或0填充时被用到;
from matplotlib import pyplot as plt
blue = [0,0,255]#分别表示RGB通道;
replicate = cv2.copyMakeBorder(img,10,10,10,10,cv2.BORDER_REPLICATE)
reflect = cv2.copyMakeBorder(img,10,10,10,10,cv2.BORDER_REFLECT)
reflect101 = cv2.copyMakeBorder(img,10,10,10,10,cv2.BORDER_REFLECT101)
wrap = cv2.copyMakeBorder(img,10,10,10,10,cv2.BORDER_WRAP)
constant = cv2.copyMakeBorder(img,10,10,10,10,cv2.BORDER_CONSTANT,value=blue)
 
plt.subplot(231),plt.imshow(img,'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('reflect101')
plt.subplot(235),plt.imshow(wrap,'gray'),plt.title('wrap')
plt.subplot(236),plt.imshow(constant,'gray'),plt.title('constant')
 
plt.show()