上篇博客,写了个比较有意思的玩意,接下来几篇会写写基本的图像处理
首先我们要知道的是,cv2.imread()
,读取的图像是个numpy
矩阵
In [1]: import cv2
In [2]: import numpy as np
In [3]: img = cv2.imread('/home/gavinzhou/实验室/ForBlogImage/images/0.jpg', cv2.IMREAD_GRAYSCALE)
In [4]: type(img)
Out[4]: numpy.ndarray
In [5]:
所有对如何取出图像中的点,如何对图像进行resize,如何‘扩充’图像之类的,其实就是对数组的操作,这个我就不准备说了,大家可以看我的numpy基础教程,相信大家都可以看懂的
比如,我举个例子:
Question: 如何获得一副彩色(三通道)图像的R、G、B分量 Answer: (1) 使用cv函数,cv2.split() (2) numpy数组观点,R、G、B分量就是此三维矩阵的第三、第二、第一维的分量值嘛(OpenCV读图是按照BGR读取的) 即:B = img[:, :, 0],G = img[:, :, 1],R = img[:, :, 2]
代码:
In [7]: img = cv2.imread('/home/gavinzhou/实验室/ForBlogImage/images/0.jpg', cv2.IMREAD_COLOR)
In [8]: B = img[:, :, 0]
In [9]: B.shape
Out[9]: (220, 298)
In [10]: cv2.imshow('B', B)
(python:23185): Gtk-WARNING **: gtk_disable_setlocale() must be called before gtk_init()
In [11]: G = img[:, :, 1]
In [11]: R = img[:, :, 2]
结果:
相信大家已经明白我的意思了,图像的很多操作其实就是对矩阵的操作,想明白这个很多问题往往我们可以不借助cv函数,直接高效的对矩阵进行操作
其实思想和我上面说的类似,算数运算其实就是矩阵的运算嘛
还是以一个例子说明:
Question: 实现图像的融合效果 Answer: 其实很简单,就是矩阵的加权相加就可以,公式: img = a*img1+(1-a)*img2 或者: cv2.addWeighted()
代码:
In [66]: img2=cv2.imread('/home/gavinzhou/实验室/ForBlogImage/images/3.jpg',cv2.IMREAD_COLOR)
In [67]: img1=cv2.imread('/home/gavinzhou/实验室/ForBlogImage/images/0.jpg',cv2.IMREAD_COLOR)
In [68]: print img1.shape,img2.shape
(220, 298, 3) (220, 293, 3)
In [69]: img3=cv2.resize(img1, (293,220)) # 必须大小一样才可以进行叠加,不然数组越界嘛
In [70]: print img3.shape,img2.shape
(220, 293, 3) (220, 293, 3)
In [71]: img4=cv2.addWeighted(img3,0.7,img2,0.3,0) # 等价于0.7*img3+0.3*img2
In [72]: imshow(img4)
Out[72]: <matplotlib.image.AxesImage at 0x7fb6bf1aaa90>
In [73]: img4.shape
Out[73]: (220, 293, 3)
结果: