OpenCV-Python | 图像的基本操作 十
目标
学会:
- 访问像素值并修改它们
- 访问图像属性
- 设置感兴趣区域(ROI)
- 分割和合并图像
本节中的几乎所有操作都主要与Numpy相关,而不是与OpenCV相关。要使用OpenCV编写更好的优化代码,需要Numpy的丰富知识。
(由于大多数示例都是单行代码,因此示例将在Python终端中显示)
访问和修改像素值
让我们先加载彩色图像:
>>> import numpy as np
>>> import cv2 as cv
>>> img = cv.imread('messi5.jpg')
你可以通过行和列坐标来访问像素值。对于 BGR 图像,它返回一个由蓝色、绿色和红色值组成的数组。对于灰度图像,只返回相应的灰度。
>>> px = img[100,100]
>>> print( px )
[157 166 200]
# 仅访问蓝色像素
>>> blue = img[100,100,0]
>>> print( blue )
157
你可以用相同的方式修改像素值。
>>> img[100,100] = [255,255,255]
>>> print( img[100,100] )
[255 255 255]
警告
Numpy是用于快速数组计算的优化库。因此,简单地访问每个像素值并对其进行修改将非常缓慢,因此不建议使用。
注意
上面的方法通常用于选择数组的区域,例如前5行和后3列。对于单个像素访问,Numpy数组方法array.item()和array.itemset())被认为更好,但是它们始终返回标量。如果要访问所有B,G,R值,则需要分别调用所有的array.item()。
更好的像素访问和编辑方法:
# 访问 RED 值
>>> img.item(10,10,2)
59
# 修改 RED 值
>>> img.itemset((10,10,2),100)
>>> img.item(10,10,2)
100
访问图像属性
图像属性包括行数,列数和通道数,图像数据类型,像素数等。
图像的形状可通过img.shape
访问。它返回行,列和通道数的元组(如果图像是彩色的):
>>> print( img.shape )
(342, 548, 3)
注意
如果图像是灰度的,则返回的元组仅包含行数和列数,因此这是检查加载的图像是灰度还是彩色的好方法。
像素总数可通过访问img.size
:
>>> print( img.size )
562248
图像数据类型通过img.dtype
获得:
>>> print( img.dtype )
uint8
注意
img.dtype在调试时非常重要,因为OpenCV-Python代码中的大量错误是由无效的数据类型引起的。
图像感兴趣区域ROI
有时候,你不得不处理一些特定区域的图像。对于图像中的眼睛检测,首先对整个图像进行人脸检测。在获取人脸图像时,我们只选择人脸区域,搜索其中的眼睛,而不是搜索整个图像。它提高了准确性(因为眼睛总是在面部上:D )和性能(因为我们搜索的区域很小)。
使用Numpy索引再次获得ROI。在这里,我要选择球并将其复制到图像中的另一个区域:
>>> ball = img[280:340, 330:390]
>>> img[273:333, 100:160] = ball
检查以下结果:
拆分和合并图像通道
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图像拆分为单个通道。在其他情况下,你可能需要将这些单独的频道加入BGR图片。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))
要么
>>> b = img [:, :, 0]
假设你要将所有红色像素都设置为零,则无需先拆分通道。numpy索引更快:
>>> img [:, :, 2] = 0
警告
cv.split()
是一项耗时的操作(就时间而言)。因此,仅在必要时才这样做。否则请进行Numpy索引。
为图像设置边框(填充)
如果要在图像周围创建边框(如相框),则可以使用cv.copyMakeBorder()
。但是它在卷积运算,零填充等方面有更多应用。此函数采用以下参数:
src - 输入图像
top,bottom,left,right 边界宽度(以相应方向上的像素数为单位)
borderType - 定义要添加哪种边框的标志。它可以是以下类型:
- cv.BORDER_CONSTANT - 添加恒定的彩色边框。该值应作为下一个参数给出。
- cv.BORDER_REFLECT - 边框将是边框元素的镜像,如下所示: fedcba | abcdefgh | hgfedcb
- cv.BORDER_REFLECT_101或 cv.BORDER_DEFAULT与上述相同,但略有变化,例如: gfedcb | abcdefgh | gfedcba
- cv.BORDER_REPLICATE最后一个元素被复制,像这样: aaaaaa | abcdefgh | hhhhhhh
- cv.BORDER_WRAP难以解释,它看起来像这样: cdefgh | abcdefgh | abcdefg
value -边框的颜色,如果边框类型为cv.BORDER_CONSTANT
下面是一个示例代码,演示了所有这些边框类型,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()
请参阅下面的结果。(图像与matplotlib一起显示。因此红色和蓝色通道将互换):
欢迎关注磐创博客资源汇总站:
http://docs.panchuang.net/
欢迎关注PyTorch官方中文教程站:
http://pytorch.panchuang.net/
OpenCV-Python | 图像的基本操作 十相关推荐
- pythonopencv读取图像属性_2、OpenCV Python 图像属性获取
__author__ = "WSX" import cv2 as cv import numpy as np image = cv.imread("1.JPG" ...
- 图像的基本操作 | 十
目标 学会: 访问像素值并修改它们 访问图像属性 设置感兴趣区域(ROI) 分割和合并图像 本节中的几乎所有操作都主要与Numpy相关,而不是与OpenCV相关.要使用OpenCV编写更好的优化代码, ...
- opencv python 图像形态学操作/图像腐蚀/图像膨胀/开运算/闭运算/顶帽/黑帽
Morphological Transformations 1图像腐蚀 腐蚀的基本思想:侵蚀前景物体的边界(总是试图保持前景为白色):内核在图像中滑动(如在2D卷积中).只有当内核下的所有像素都是1时 ...
- opencv python 图像缩放/图像平移/图像旋转/仿射变换/透视变换
Geometric Transformations of Images 1图像转换 OpenCV提供了两个转换函数cv2.warpAffine和cv2.warpPerspective,可以使用它们进行 ...
- OpenCV—python 图像相似度算法(dHash,方差)
文章目录 一.SIFT综述 二.哈希算法(perceptual hash algorithm) 2.1 相似图片检测步骤: 2.2 代码实现 三.使用方差检测图像相似度 3.1 实现步骤 3.2 代码 ...
- opencv(python)------图像无缝克隆、对比度脱色、修复、HDR成像、非真实感渲染(三)
1. 基于opencv的无缝克隆 #python output = cv2.seamlessClone(src, dst, mask, center, flags) #c++ seamlessClon ...
- OpenCV—Python 图像指定区域裁剪
文章目录 一.指定图像位置的裁剪处理 二.批量处理-指定图像位置的裁剪 三.多进程(加快处理) 在工作中.在做数据集时,需要对图片进行处理,照相的图片我们只需要特定的部分,所以就想到裁剪一种所需的部分 ...
- OpenCV—Python 图像加减乘除-逻辑运算
一.图像逻辑运算 1.1 add-subtract-图像矩阵加减运算 """ cv2.add(src1, src2, dst=None, mask=None, dtype ...
- OpenCV—python 图像显著性检测算法—鲁棒背景检测
文章目录 一.鲁棒背景检测的显著性优化 二.代码演示 一.鲁棒背景检测的显著性优化 Saliency Optimization from Robust Background Detection 摘要 ...
最新文章
- 设计模式之模板模式学习笔记
- 灰色简约三级CSS下拉菜单代码
- C语言实现最小堆minheap(附完整源码)
- Python3 queue队列模块详解
- IdentityServer4系列 | 客户端凭证模式
- 96. Unique Binary Search Trees(I 和 II)
- 按钮灭了_劣质灭火器整瓶都灭不掉一盆火 教你几招辨别消防产品真假
- Sqoop导入到hdfs
- php fprintf,PHP fprintf() 函数 - PHP 教程 - 菜鸟学堂-脚本之家
- 0805封装尺寸/0402封装尺寸/0603封装尺寸/1206封装尺寸
- 股票指标(摘自同花顺软件)
- 智能合约漏洞,公链的阿喀琉斯之踵
- ios系统安装android,iPhone上安装Android系统详细步骤。
- 将CAD图纸中的线型和文字样式合并的方法技巧(二)
- 转:衡量数据的离散程度
- 天猫精灵智能设备对接—前篇(1)
- 判断字符串是否包含特殊符号
- 畜牧业中资金问题的解决——活体贷技术和实现原理
- cdr文字内容显示不出来_电脑装的字体cdr里面不显示怎么办
- Windows下C++通过Hooks记录键盘敲击记录的代码