【Python】【OpenCV】【NumPy】图像和原始字节的转换

合集 - Python(17)

1.【Python】【ChatGPT】本地部署ChatGPT学习记录2023-10-24

2.【Python】【OpenCV】【NumPy】图像和原始字节的转换2023-11-19

3.【Python】【OpenCV】【NumPy】图像数据的访问2023-11-204.【Python】【OpenCV】视频帧和摄像头帧操作 and 窗口显示2023-11-215.【Python】【OpenCV】Cameo项目（一）实时显示摄像头帧2023-11-276.【Python】【OpenCV】边缘检测和创建自定义核2023-11-297.【Python】【OpenCV】轮廓检测2023-11-308.【Python】【OpenCV】绘制外接矩形、外接圆2023-12-059.【Python】【OpenCV】凸轮廓和Douglas-Peucker算法2023-12-0610.【Python】【OpenCV】检测直线和圆2023-12-0711.【Python】【OpenCV】定位条形码（一）2023-12-2112.【Python】【OpenCV】定位条形码（二）moments和HuMoments2023-12-2113.【Python】【OpenCV】关于cv2.findContours()轮廓索引（编号）解析（RETR_TREE）2023-12-2614.【Python】【OpenCV】定位二维码2023-12-2815.【Python】【OpenCV】OCR识别（一）——目标区域定位2024-01-0216.【Python】【OpenCV】OCR识别（二）——透视变换2024-01-0817.【Python】【OpenCV】OCR识别（三）——字符识别2024-01-12

收起

学习完基础的图像算法，开始接触OpenCV学习：

灰度图中，一个像素点上的灰度级需要一个字节（byte，2^8，8 bit）进行存储，此时的灰度图是二维的。
而当我们需要转换为彩色图时，即三维，便会产生颜色通道（Channel），这个时候，一个像素点上的灰度级便会需要三个字节来进行存储。

可以借助笛卡尔坐标系来帮助理解：

 

我们开始实操：

1、生成一个随机的原始字节；

2、将随机字节转换为一维数组；

3、转换为灰度图（即二维数组）然后保存；

4、转换为彩色图（即三维数组）然后保存；

 Code：

import cv2
import numpy
import os

# 生成随机字符，然后转换成字节数组
rb = bytearray(os.urandom(12))
print(rb)

# 将字节数组转换成numpy数组 也可以直接使用numpy.random.randint(0, 256, 12)获取一个字节数组
fn = numpy.array(rb)
print(fn)

# 转换成灰度图，即二维数组
gi = fn.reshape(3, 4)
print(gi)
# cv2.imwrite('2D.png', gi)

# 转换成彩色图，即三维数组，此时的展示的面是 xy 构成的
bi = fn.reshape(1, 4, 3)
print(bi)
# cv2.imwrite('3D_xy.png', bi)

# 此时的展示的面是 yz 构成的
yz = numpy.uint8(bi[0, :, :])
# cv2.imwrite('3D_yz.png', yz)
print(yz)

 

 至此就完成了原始字节转换成图像的步骤。

 

参考书籍：OpenCV 4计算机视觉：Python语言实现