当前位置： 移动技术网 > IT编程>脚本编程>Python > opencv与numpy的图像基本操作

opencv与numpy的图像基本操作

2019年05月28日  | 移动技术网IT编程  | 我要评论

这些韩星公开反总统,舌剑上的公堂粤语,高温链条油

1. 像素基本操作

1.1 读取、修改像素

可以通过[行，列]坐标来访问像素点数据，对于多通道数据，返回一个数组，包含所有通道的值，对于单通道数据（如gray），返回指定坐标的值，也可以通过 [行，列，通道index] 来访问某坐标某通道的值。

>>> import cv2
>>> import numpy as np
>>> img = cv2.imread('messi5.jpg')
>>> px = img[100,100]
>>> print( px )
[157 166 200]
# accessing only blue pixel
>>> blue = img[100,100,0]
>>> print( blue )
157

可以直接通过坐标修改像素值

>>> img[100,100] = [255,255,255]
>>> print( img[100,100] )
[255 255 255]

然而直接像上面这样去读取、修改每个像素的值，效率是比较低的，可以使用下面的方法，效率是更高的

# accessing red value
>>> img.item(10,10,2)
59
# modifying red value
>>> img.itemset((10,10,2),100)
>>> img.item(10,10,2)
100

1.2 读取图像属性

读取图像尺寸，返回一个元组 (行，列，通道数)

>>> print( img.shape )
(342, 548, 3)

读取像素大小， 行 列 通道数

>>> print( img.size )
562248

像素数据类型

>>> print( img.dtype )
uint8

1.3 图像roi操作

可以直接编辑像素区域，例如把图像左下角50*50的像素复制到左上角

import cv2
import numpy as np
img = cv2.imread("test.jpg")
print(img.shape)
roitest = img[475:525, 0:50]
img[0:50, 0:50] = roitest
cv2.imshow("image",img)
cv2.waitkey(0)

1.4 分割、合并通道

有些情况下需要对图像的某一通道数据进行操作，此时会用到分割、合并通道数据

>>> b,g,r = cv2.split(img)
>>> img = cv2.merge((b,g,r))

或者

b = img[:,:,0]

假设想编辑红色通道的数据，全部设置为0，不需要这样分割后编辑， img[:,:,2] = 0 这样即可。cv2.split操作是一个很耗时的操作，可以用numpy索引替代的操作，尽量用numpy索引来做。

1.4 生成图像边框

使用 cv2.copymakeborder 函数可添加图像边框，支持多种边框算法

void cv::copymakeborder ( 
inputarray src, //原图
//目标图(cpp版本中，若传入此数据且选border_transparent，则此数据被top/bottom/left/right切出来的roi部分不会被做任何修改，此图像大小=dst.rows+top+bottom，dst.cols+left+right)
outputarray dst, 
int top, //top/left/bottom/right 四个方向上的边框像素
int bottom,
int left,
int right,
int bordertype, //边框类型见下图
const scalar & value = scalar() //边框类型为border_constant时的边框像素
) 

blue = [255, 0, 0]
 img1 = cv2.imread("test.jpg")
 replicate = cv2.copymakeborder(img1, 100, 100, 100, 100, cv2.border_replicate)
 reflect = cv2.copymakeborder(img1, 100, 100, 100, 100, cv2.border_reflect)
 reflect101 = cv2.copymakeborder(img1, 100, 100, 100, 100, cv2.border_reflect_101)
 wrap = cv2.copymakeborder(img1, 100, 100, 100, 100, cv2.border_wrap)
 constant = cv2.copymakeborder(img1, 100, 100, 100, 100, cv2.border_constant, value=blue)
 print(img1.shape, reflect.shape)
 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()

 

上面的例子可以比较直观的看到各种border的效果，同时也能发现，python版的api与cpp版本的相比，默认初始化了一块原始图尺寸+各方向边框尺寸的图像内存，作为内置的dst参数。

输出尺寸：(525, 700, 3) (725, 900, 3)

2. 图像的基本算术操作

2.1 图像相加

图像相加，两个图像应该有相同的shape，或者图像和一个标量相加，或者图像和一个与其通道数相同的一维数组相加。

opencv的相加与numpy相加时，在超出数据类型范围时的处理不同

>>> x = np.uint8([250])
>>> y = np.uint8([10])
>>> print( cv2.add(x,y) ) # 250+10 = 260 => 255
[[255]]
>>> print( x+y )  # 250+10 = 260 % 256 = 4
[4]

cpp版本的api还支持mask等参数

void cv::add ( 
inputarray src1,
inputarray src2,
outputarray dst,
inputarray mask = noarray(),
int dtype = -1 
)

2.2 图像混合

opencv通过 cv::addweighted 函数提供了将两个图像混合在一起的方法

dst=α⋅img1+β⋅img2+γ

img1 = cv2.imread('ml.png')
img2 = cv2.imread('opencv-logo.png')
dst = cv2.addweighted(img1,0.7,img2,0.3,0)
cv2.imshow('dst',dst)
cv2.waitkey(0)
cv2.destroyallwindows()

通过cv2.seamlessclone函数还能做更精细的图像局部融合。

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持移动技术网。

您可能感兴趣的文章:

如对本文有疑问，请在下面进行留言讨论，广大热心网友会与你互动！！ 点击进行留言回复

相关文章:

验证码：
最近更新的文章
大家感兴趣的文章
移动技术网