欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

图像基础操作(侧重Numpy)-OpenCV_Python编程

程序员文章站 2022-10-11 22:35:18
作者:IrainQQ:2573396010微信:18802080892GitHub链接:https://github.com/Irain-LUO/OpenCV-Python目录1 目标2 图像基础操作(侧重Numpy)2.1 访问像素值并对其进行修改2.1.1 加载图片2.1.2 访问其中一个像素和绿色像素。2.1.3 修改像素2.1.4 更好的像素访问和编辑方法:2.2 访问图像属性2.3 设置感兴趣区域(ROI)2.4 拆分和合并图像2.5 设置图像边框(填充)1 目标访问像素值并对其....

作者:Irain
QQ:2573396010
微信:18802080892
GitHub链接:https://github.com/Irain-LUO/OpenCV-Python

1 目标

本节中的几乎所有操作都主要与Numpy相关,而不是OpenCV。要使用OpenCV编写更好的优化代码,需要Numpy的丰富知识。
(示例将在Python终端中显示,因为其中大多数只是单行代码)

2 图像基础操作(侧重Numpy)

2.1 访问像素值并对其进行修改

2.1.1 加载图片

import numpy as np
import cv2 as cv
img = cv.imread('dog.jpg')

图像基础操作(侧重Numpy)-OpenCV_Python编程
可以通过像素值的行和列坐标来访问它。对于BGR图像,它将返回一个蓝色,绿色,红色值的数组。对于灰度图像,仅返回相应的强度。

2.1.2 访问其中一个像素和绿色像素。

px = img[0,0]
px
Green = img[0,0,1]
Green

图像基础操作(侧重Numpy)-OpenCV_Python编程

2.1.3 修改像素

img[0,0] = [0,0,0]
img[0,0]

图像基础操作(侧重Numpy)-OpenCV_Python编程
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,因此,如果要访问所有B,G,R值,则需要为每个值分别调用array.item()。

2.1.4 更好的像素访问和编辑方法:

img.item(0,0,0) # 访问某个颜色像素(B、G、R)
img.itemset((0,0,0),255) # 修改某个颜色像素(B、G、R)
img.item(0,0,0)

图像基础操作(侧重Numpy)-OpenCV_Python编程
提醒

  • 不能访问一个完整像素。
    图像基础操作(侧重Numpy)-OpenCV_Python编程

2.2 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;等等。图像的形状可以通过img.shape访问。它返回行,列和通道数的元组(如果图像是彩色的):

img.shape # 访问图像形状

图像基础操作(侧重Numpy)-OpenCV_Python编程
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。
    图像基础操作(侧重Numpy)-OpenCV_Python编程
    总像素数由img.size访问:
img.size # 访问总像素数

图像基础操作(侧重Numpy)-OpenCV_Python编程
图片数据类型是通过img.dtype获取的:

img.dtype # 访问图片数据类型

图像基础操作(侧重Numpy)-OpenCV_Python编程
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。

2.3 设置感兴趣区域(ROI)

有时,您将不得不使用图像的某些区域。对于图像中的眼睛检测,首先要在整个图像上进行面部检测。当获得一张脸时,我们仅选择脸部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(因为我们在较小的区域搜索)。使用Numpy索引再次获得ROI。
在这里,我要选择狗的鼻子并将其复制到狗的头额上:

nouse = img[295:365,375:445]
img[100:170,275:345] = nouse
cv.imshow('dog',img)
cv.waitKey(100)

图像基础操作(侧重Numpy)-OpenCV_Python编程
图像基础操作(侧重Numpy)-OpenCV_Python编程

2.4 拆分和合并图像

有时您需要在图像的B,G,R通道上单独工作。在这种情况下,您需要将BGR图像拆分为单个通道。在其他情况下,您可能需要加入这些单独的渠道来创建BGR图像。您可以通过以下方式简单地执行此操作:

b,g,r = cv.split(img) # 拆分图像
image = cv.merge((b,g,r)) # 合并图像
blue = img[:,:,0] # 获得所有蓝色像素

图像基础操作(侧重Numpy)-OpenCV_Python编程
假设要将所有红色像素都设置为零-不需要先拆分通道。 numpy索引速度更快:

img[0,0,2] = 0
img[1,0:10,2]

图像基础操作(侧重Numpy)-OpenCV_Python编程
警告

  • cv.split()是一项昂贵的操作(就时间而言)。因此,仅在必要时使用它。否则请进行Numpy索引。

2.5 设置图像边框(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-边框宽度(在相应方向上以像素数表示)。
  • borderType-定义要边框类型的标志添加。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,例如:fedcba | abcdefgh | hgfedcb 。
    • cv.BORDER_REFLECT_101或cv.BORDER_DEFAULT-与上面相同,但略有不同,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-无法解释,看起来像这样:cdefgh | abcdefgh | abcdefg。
  • value-如果边框类型为cv.BORDER_CONSTANT时,边框的颜色是value。
  • copyMakeBorder方法使用手册链接
    演示所有这些边框类型的示例代码,以便更好地理解(考虑jupyte notebook环境使用):
import cv2 as cv
import numpy as np
from matplotlib import pyplot as plt
BLUE = [255,0,0]
img1 = cv.imread('opencv-logo.jpg')
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.xticks([]), plt.yticks([])  # 在 X 轴和 Y 轴上隐藏刻度值
plt.subplot(231),plt.imshow(img1,'gray'),plt.title('ORIGINAL')
plt.xticks([]), plt.yticks([])  # 在 X 轴和 Y 轴上隐藏刻度值
plt.subplot(232),plt.imshow(replicate,'gray'),plt.title('REPLICATE')
plt.xticks([]), plt.yticks([])  # 在 X 轴和 Y 轴上隐藏刻度值
plt.subplot(233),plt.imshow(reflect,'gray'),plt.title('REFLECT')
plt.xticks([]), plt.yticks([])  # 在 X 轴和 Y 轴上隐藏刻度值
plt.subplot(234),plt.imshow(reflect101,'gray'),plt.title('REFLECT_101')
plt.xticks([]), plt.yticks([])  # 在 X 轴和 Y 轴上隐藏刻度值
plt.subplot(235),plt.imshow(wrap,'gray'),plt.title('WRAP')
plt.xticks([]), plt.yticks([])  # 在 X 轴和 Y 轴上隐藏刻度值
plt.subplot(236),plt.imshow(constant,'gray'),plt.title('CONSTANT')
plt.xticks([]), plt.yticks([])  # 在 X 轴和 Y 轴上隐藏刻度值
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):
图像基础操作(侧重Numpy)-OpenCV_Python编程

发表:2020年7月2日

本文地址:https://blog.csdn.net/weixin_42122125/article/details/107081384