三、Numpy数组操作
一、对图片各个像素点的像素值进行操作
image.shape[0]：image图像的height
image.shape[1]：image图像的width
image.shape[2]：image图像的channels
import cv2
import numpy as npdef access_pixels(image):print(image.shape)height = image.shape[0]width = image.shape[1]channels = image.shape[2]print("width:%s,height:%s,channels:%s"%(width,height,channels))for row in range(height):for col in range(width):for c in range(channels):pv = image[row,col,c]#获取原图的所有颜色通道的像素点的像素值image[row,col,c] = 255 - pvcv2.imshow("pixels ",image)src = cv2.imread("G:/Juptyer_workspace/study/opencv/opencv3/cat.png")#BGR
cv2.namedWindow("input image",cv2.WINDOW_AUTOSIZE)
cv2.imshow("input image",src)t1 = cv2.getTickCount()
access_pixels(src)#为了得到该代码的运行时间，通常再这行代码上下放入一个Tick进行计时
t2 = cv2.getTickCount()time = (t2-t1)/cv2.getTickFrequency()#显示当前运行时间
print("time:%s ms"%(time*1000))#输出当前运行时间单位为ms
cv2.waitKey(0)cv2.destroyAllWindows()
运行结果为：
运行的时间为619ms时间有点长，这里也就是实现图像像素值的反转操作而已，这里可以调用bitwise_notAPI(这个函数是C++写的)，来缩短运行时间
cv2.bitwise_not(image)：255 - image所对应的像素值
import cv2
import numpy as npdef inverse(image):dst = cv2.bitwise_not(image)cv2.imshow("inverse_image",dst)src = cv2.imread("G:/Juptyer_workspace/study/opencv/opencv3/cat.png")#BGR
cv2.namedWindow("input image",cv2.WINDOW_AUTOSIZE)
cv2.imshow("input image",src)
t1 = cv2.getTickCount()
inverse(src)
t2 = cv2.getTickCount()
time = (t2-t1)/cv2.getTickFrequency()#显示当前运行时间
print("time:%s ms"%(time*1000))#输出当前运行时间单位为ms
cv2.waitKey(0)cv2.destroyAllWindows()
运行效果如下：
二、创建图像
创建一个400×400的三颜色通道的图像，图像的B通道赋值为1，其他颜色通道赋值为0，即显示蓝色
np.zeros([400,400,3],np.uint8)：创建一个400*400的3颜色通道的图像，全部赋值为0，且每个像素值单位为uint8
import cv2
import numpy as npdef create_image():img = np.zeros([400,400,3],np.uint8)img[:,:,0] = np.ones([400,400])*255cv2.imshow("new image",img)src = cv2.imread("G:/Juptyer_workspace/study/opencv/opencv3/cat.png")#BGR
cv2.namedWindow("input image",cv2.WINDOW_AUTOSIZE)
cv2.imshow("input image",src)
t1 = cv2.getTickCount()
create_image()
t2 = cv2.getTickCount()
time = (t2-t1)/cv2.getTickFrequency()#显示当前运行时间
print("time:%s ms"%(time*1000))#输出当前运行时间单位为ms
cv2.waitKey(0)cv2.destroyAllWindows()
效果图如下：
三、对单通道图像进行操作
方法一：先对400×400大小的单通道图像全部初始化为0，然后再对400×400区域的像素1乘以127，最终转换为127像素的灰色图像。
np.zeros([400,400,3],np.uint8)：创建一个400400的3颜色通道的图像，全部赋值为0，且每个像素值单位为uint8
np.ones([400,400])*127：对400400的图像的元素再次基础上分别乘以127
import cv2
import numpy as npdef create_image():img = np.zeros([400,400,1],np.uint8)img[:,:,0] = np.ones([400,400])*127cv2.imshow("new image",img)src = cv2.imread("G:/Juptyer_workspace/study/opencv/opencv3/cat.png")#BGR
cv2.namedWindow("input image",cv2.WINDOW_AUTOSIZE)
cv2.imshow("input image",src)
t1 = cv2.getTickCount()
create_image()
t2 = cv2.getTickCount()
time = (t2-t1)/cv2.getTickFrequency()#显示当前运行时间
print("time:%s ms"%(time*1000))#输出当前运行时间单位为ms
cv2.waitKey(0)cv2.destroyAllWindows()
运行效果如下：
方法二：直接对400×400像素大小的单通道图像全部初始化为1，再对图像乘以255，得到白色图像。
img = np.ones([400,400,1],np.uint8)：创建一个400*400的单通道的图像，全部赋值为1，且每个像素值单位为uint8
img = img * 255：img图像所有的像素值均对应乘以255
import cv2
import numpy as npdef create_image():img = np.ones([400,400,1],np.uint8)img = img * 255cv2.imshow("new image",img)src = cv2.imread("G:/Juptyer_workspace/study/opencv/opencv3/cat.png")#BGR
cv2.namedWindow("input image",cv2.WINDOW_AUTOSIZE)
cv2.imshow("input image",src)
t1 = cv2.getTickCount()
create_image()
t2 = cv2.getTickCount()
time = (t2-t1)/cv2.getTickFrequency()#显示当前运行时间
print("time:%s ms"%(time*1000))#输出当前运行时间单位为ms
cv2.waitKey(0)cv2.destroyAllWindows()
效果图如下：
四、对矩阵操作
np.ones([3,3],np.uint8)：创建一个3 * 3的矩阵，全部赋值为1，且每个像素值单位为uint8
m1.fill(52)：m1图像的所有像素点的像素值全部填充为52
m1.reshape([1,9])：将m1原本3 * 3的矩阵转换为1* 9的矩阵
import cv2
import numpy as npdef create_image():m1 = np.ones([3,3],np.uint8)m1.fill(52)print(m1)m2 = m1.reshape([1,9])print(m2)src = cv2.imread("G:/Juptyer_workspace/study/opencv/opencv3/cat.png")#BGR
cv2.namedWindow("input image",cv2.WINDOW_AUTOSIZE)
cv2.imshow("input image",src)
t1 = cv2.getTickCount()
create_image()
t2 = cv2.getTickCount()
time = (t2-t1)/cv2.getTickFrequency()#显示当前运行时间
print("time:%s ms"%(time*1000))#输出当前运行时间单位为ms
cv2.waitKey(0)cv2.destroyAllWindows()
效果图如下：
三、Numpy数组操作相关推荐
- [转载] python+opencv图像处理：numpy数组操作
参考链接: Python中的numpy.pv 图片以矩阵的形式存在电脑里,需要用到数组操作来完成对图像的处理 常用的有两个API: zeros和ones 1 np.ones(size) 可以创建任意维 ...
- python-OpenCV之numpy数组操作
1.图片的表示与存储 图片以矩阵的形式存在电脑里,需要用到数组操作来完成对图像的处理. np.ones(size) #可以创建任意维度的数组,各个元素值均为1 2 3 np.zeros(size,dt ...
- python观察日志(part26)--numpy数组操作
学习笔记,仅供参考,有错必究 数组操作 # 垂直方向和并数组 arr1 = np.array([[1, 2, 3], [0, 0, 1]]) arr2 = np.array([[4, 5, 6], [ ...
- Numpy 数组操作
https://docs.scipy.org/doc/numpy/reference/routines.array-manipulation.html #基础的操作 方法 描述 copyto(dst, ...
- Python数据分析(7)-numpy数组操作
本节主要介绍numpy中在数组上的一些常规操作,在数组级别上包括数组迭代,数组拼接.数组分割,在元素级别包括元素迭代.元素增加.元素删除等. 本节的内容比较重要,同时也比较基础,是养成良好的编程习惯的 ...
- python运算学习之Numpy ------ 数组操作：连接数组、拆分数组 、广播机制、结构化数组、文件贮存与读写、np.where、数组去重...
数组的连接: 1 # 连接数组 2 A = np.zeros((3, 4)) 3 B = np.ones_like(A) 4 print(A, "\n-------分割符--------\n ...
- 贾志刚-OpenCV下的numpy数组操作
修改图像中的一些数据,使图像发生一些变化 # @Software : Window10 + Python3.6 + PyCharmimport cv2 as cv import numpy as np ...
- python笔记3（numpy数组）
记录python听课笔记 文章目录 记录python听课笔记 一,数组创建 1.创建NumPy数组 1.1一维数组和二维数组的创建和访问 1.2三维数组 1.3数组元素的数据类型 1.4arange( ...
- B10_NumPy数组操作、修改数组形状、翻转数组、修改数组维度、连接数组、分割数组、数组元素的添加与删除
NumPy数组操作 Numpy 中包含了一些函数用于处理数组,大概可分为以下几类: 修改数组形状 翻转数组 修改数组维度 连接数组 分割数组 数组元素的添加与删除 修改数组形状 函数 描述 resha ...
最新文章
- CountDownLatch 的使用小例
- yum安装mysql驱动_centos7下使用yum安装mysql
- 023_html引用和术语定义标签
- 【开发工具】Spark Shell 的使用
- Html5音乐可视化之音乐的获取和播放
- Python Django 学习笔记
- HDU -2546饭卡(01背包+贪心)
- java之七 高级类设计
- windows 停止nginx
- leetcode184. 部门工资最高的员工（SQL） 连接+嵌套查询
- 计算机基础简介、编程语言、翻译器、数据储存
- 社交系统ThinkSNS可以运营什么？可以应用于什么场景？
- mysql 处理文件函数_mysql数据处理与函数
- DEBUG -- CLOSE BY CLIENT STACK TRACE问题的两种解决方案，整理自网络
- Enterprise Architect学习（1）
- golang 修改全局默认时区的方法
- qt中如何模拟按钮点击_qt模拟鼠标单击事件
- 【直观详解】线性代数的本质
- 快速了解sealed关键字
- Docker的文件系统