导读：图像是由若干个像素组成的，因此，图像处理可以看作计算机对像素的处理。在面向Python的OpenCV中，可以通过位置索引的方式对图像内的像素进行访问和处理。

本文手把手教你图像处理的基本操作。

作者：高敬鹏 江志烨 赵娜

来源：大数据DT（ID：hzdashuju）

01 图像的读取、显示和保存

OpenCV提供了cv2模块，用于进行图像的处理操作。

1. 读取图像

OpenCV提供了cv2.imread()函数用于进行图像的读取操作。该函数的基本格式为：

retval = cv2.imread(filename[, flags])

其中：

• retval是返回值，其值是读取到的图像。

• filename是要读取图像的完整文件名。

• flags是读取标记，用来控制读取文件的类型。部分常用的标记值如表3-1所示，其中第一列的值与第三列的数值表示的含义一致。

▲表3-1 常用flags标记值

• 例3-1 使用cv2.imread()函数读取一幅图像

代码如下：

import cv2 as cv
image = cv2.imread("F:/picture/lena.png")      # 读取lena图像
print(image)

运行代码会得到lena图像的像素值，如图3-3所示。

▲图3-3 lena图像部分像素值

2. 显示图像

OpenCV提供了多个与图像显示有关的函数，下面简单介绍常用的几个。

namedWindow()函数用来创建指定的窗口，一般格式如下：

None = cv2.namedWindow(window)

其中，window是窗口的名字。例如：

cv2.namedWindow("image")

这句程序会新建一个名字为image的窗口。

imshow()函数用来显示图像，其一般格式如下：

None = cv2.imshow(window, image)

其中：

• window是窗口的名字。

• image是要显示的图像。

waitKey()函数用来等待按键，当有键被按下时，该语句会被执行。其一般格式如下：

retval= cv2.waitKey([delay])

其中：

• retval是返回值。

• delay表示等待键盘触发的时间，单位是ms。当该值为负数或0时表示无限等待，默认值为0。

destroyAllWindows函数用来释放所有窗口，其一般格式为：

None = cv2. destroyAllWindows ()

• 例3-2 显示读取的图像

代码如下：

import cv2 as cv               # 导入从cv2模块
image = cv.imread("F:/picture/lena.png")     # 读取lena图像
cv.namedWindow("image")     # 创建一个image的窗口
cv.imshow("image", image)    # 显示图像
cv.waitKey()               # 默认为0，无限等待
cv.destroyAllWindows()      # 释放所有窗口

程序运行结果如图3-4所示。

▲图3-4 例3-2的运行结果

3. 保存图像

OpenCV中提供了cv2.imwrite()函数来保存图像，其一般格式为：

retval= cv2.imwrite(filename, img[, params])

其中：

• retval是返回值。

• filename是要保存的图像的完整路径名，包括文件的扩展名。

• img是要保存的图像的名字。

• params是保存的类型参数，可选。

• 例3-3 编写程序，将读取到的图像保存

代码如下：

import cv2 as cv               # 导入从cv2模块
image = cv.imread("F:/picture/lena.png")     # 读取lena图像
cv.imwrite("F:/picture/lenaresult.png",image) #将图像保存到F:/picture/下，名字为lenaresult

02 图像通道的基本操作

在图像处理过程中，有时会根据需要对通道进行拆分与合并。在OpenCV中提供了split()和merge()函数对图像进行拆分与合并。下面对这两个函数进行介绍。

1. split()拆分函数

函数split()可以拆分图像的通道，例如BGR图像的三个通道。其一般格式如下：

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

其中：

• b、g、r分别是B通道、G通道、R通道的图像信息。

• img是要拆分的图像。

• 例3-4 编写程序，使用split()函数对图像进行拆分

代码如下：

import cv2 as cv
image = cv.imread("F:/picture/lena.png")
b,g,r = cv.split(image)          # 拆分图像通道分为b,g,r三个通道
cv.imshow("b",b)             # 显示b通道的图像信息
cv.imshow("g",g)    # 显示g通道的图像信息
cv.imshow("r",r)    # 显示r通道的图像信息
cv.imshow("image", image)
cv.waitKey()
cv.destroyAllWindows()

程序运行结果如图3-5所示。

▲图3-5 例3-4的运行结果：a）原始图像，b）B通道图像，c）G通道图像，d）R通道图像

其中，图3-5a是原图，图3-5b是B通道的图像，图3-5c是G通道的图像，图3-5d是R通道的图像。

2. merge()合并函数

通道合并是通道拆分的逆过程，可以将三个通道的灰度图像合并为一张彩色图像。OpenCV中提供了merge()函数来实现图像通道的合并，其基本格式为：

imagebgr = cv2.merge([b,g,r])

其中：

• imagebgr是合并后的图像。

• b、g、r分别是B通道、G通道、R通道的图像信息。

• 例3-5 编写程序，演示合并图像的过程

代码如下：

import cv2 as cv
image = cv.imread("F:/picture/lena.png")
b,g,r = cv.split(image)          # 拆分图像通道分为b,g,r三个通道
imagebgr = cv.merge([b,g,r])    # 将b,g,r三个通道的图像合并
cv.imshow("image", image)
cv.imshow("imagegbgr", imagebgr)
cv.waitKey()
cv.destroyAllWindows()

程序运行结果如图3-6所示。

▲图3-6 例3-5的运行结果：a）原始图像 b）拆分并合并后的图像

其中，图3-6a是原始图像，图3-6b是经过拆分后又合并的图像。

03 图像属性的获取

在进行图像处理时经常需要获取图像的大小、类型等属性信息。下面介绍几个常用属性。

• shape：表示图像的大小。如果是彩色图像，则返回包含行数、列数和通道数的数组；如果是二值图像或灰度图像，则返回包含行数和列数的数组。

• size：表示返回的图像的像素数目。

• dtype：表示返回的图像的数据类型。

• 例3-6 编写程序，观察图像的属性值

代码如下：

import cv2 as cv
image = cv.imread("F:/picture/lena.png")
print("image.shape",image.shape)        # 输出图像的大小属性
print("image.size",image.size)          # 输出图像的像素数目属性
print("image.dtype",image.dtype)        # 输出图像的类型属性

程序运行结果为：

image.shape (512, 512, 3)
image.size 786432
image.dtype uint8

关于作者：高敬鹏，博士学历，硕士生导师，2002年至今，任职于哈尔滨工程大学信息与通信工程学院。研究方向主要包括人工智能、机器学习、图像处理、信号检测、目标识别、现代通信技术与电子系统等。

江志烨，博士学历，研究员，任职于北京航天长征飞行器研究所。

赵娜，博士学历，讲师，任职于重庆电子工程职业学院。

本文摘编自《机器学习：基于OpenCV和Python的智能图像处理》，经出版方授权发布。

延伸阅读《机器学习：基于OpenCV和Python的智能图像处理》

点击上图了解及购买

转载请联系微信：DoctorData

推荐语：依照由浅入深、循序渐进的原则编写，并与大量实例相结合，使读者可以边学边练，从而提高学习的兴趣与效率。

划重点????

干货直达????

• 西安交大送大一新生这本书，你读过吗？12本有趣有料的科普书盘点

• 终于有人把AI、BI、大数据、数据科学讲明白了

• 监督学习、非监督学习、强化学习都是什么？终于有人讲明白了

• 一条SQL引发的“血案”：与SQL优化相关的4个案例

更多精彩????

在公众号对话框输入以下关键词

查看更多优质内容！

PPT | 读书 | 书单 | 硬核 | 干货 | 讲明白 | 神操作

大数据 | 云计算 | 数据库 | Python | 可视化

AI | 人工智能 | 机器学习 | 深度学习 | NLP

5G | 中台 | 用户画像 | 1024 | 数学 | 算法 | 数字孪生

据统计，99%的大咖都完成了这个神操作

????