翻译及二次校对:cvtutorials.com
目标
学会:
本节中几乎所有的操作都主要与Numpy而不是OpenCV有关。要想用OpenCV写出更好的优化代码,需要有良好的Numpy知识。
(例子将在Python终端中显示,因为大多数只是单行的代码)
访问和修改像素值
让我们先加载一个彩色图像。
>>> import numpy as np
>>> import cv2 as cv
>>> img = cv.imread('messi5.jpg')
你可以通过其行和列坐标来访问一个像素值。对于BGR图像,它返回一个蓝、绿、红值的数组。对于灰度图像,只返回相应的强度。
>>> px = img[100,100]
>>> print( px )
[157 166 200]
# accessing only blue pixel
>>> blue = img[100,100,0]
>>> print( blue )
157
你可以用同样的方法修改像素值。
>>> img[100,100] = [255,255,255]
>>> print( img[100,100] )
[255 255 255]
警告:Numpy是一个用于快速数组计算的优化库。因此,简单地访问每一个像素值并对其进行修改将是非常缓慢的,我们不鼓励这样做。
注释:上述方法通常用于选择一个数组的某个区域,例如前5行和后3列。对于单个像素的访问,Numpy数组方法,array.item()和array.itemset()被认为更好。然而,它们总是返回一个标量,所以如果你想访问所有的B、G、R值,你将需要为每个值分别调用array.item()。
更好的像素访问和编辑方法:
# accessing RED value
>>> img.item(10,10,2)
59
# modifying RED value
>>> img.itemset((10,10,2),100)
>>> img.item(10,10,2)
100
访问图像属性
图像属性包括行、列和通道的数量;图像数据的类型;像素的数量等。
图像的形状是由img.shape访问的。它返回一个包含行数、列数和通道数(如果图像是彩色的)的元组。
>>> print( img.shape )
(342, 548, 3)
如果一个图像是灰度的,返回的元组只包含行和列的数量,所以这是一个很好的方法来检查加载的图像是灰度还是彩色。
总像素数由Img.size访问。
>> print( img.size )
562248
图像数据类型由img.type
获得。
>> print( img.dtype )
uint8
注意:img.dtype在调试时非常重要,因为OpenCV-Python代码中大量的错误是由无效的数据类型引起的。
图像ROI
有时,你必须对图像的某些区域进行处理。对于图像中的眼睛检测,首先在整个图像上进行人脸检测。当得到一个人脸时,我们单独选择人脸区域并在其中搜索眼睛,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)和性能(因为我们在一个小区域内搜索)。
使用Numpy索引再次获得ROI。这里我选择了球,并将其复制到图像的另一个区域。
>> ball = img[280:340, 330:390]
>> img[273:333, 100:160] = ball
看看下面的结果:
分割和合并图像通道
有时你需要分别处理图像的B、G、R通道。在这种情况下,你需要将BGR图像分割成单个通道。在其他情况下,你可能需要将这些单独的通道连接起来以创建一个BGR图像。你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))
或者:
>>> b = img[:,:,0]
假设你想把所有的红色像素设置为零--你不需要先分割通道。Numpy索引的速度更快。
>>> img[:,:,2] = 0
警告:cv.split()是一个耗时的操作。所以只有在必要时才使用它。否则,请使用Numpy索引。
为图像制作边框(填充)
如果你想在图像周围创建一个边框,类似于一个相框,你可以使用cv.copyMakeBorder()。但它在卷积操作、零填充等方面有更多应用。这个函数需要以下参数。
下面是一个演示所有这些边框类型的示例代码,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')
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()
请看下面的结果。(图片是用matplotlib显示的。所以红色和蓝色通道将被替换)。