OpenCV官方教程中文版 —— 图像的基础操作

前言

目标
• 获取像素值并修改
• 获取图像的属性（信息）
• 图像的 ROI（）
• 图像通道的拆分及合并

几乎所有这些操作与 Numpy 的关系都比与 OpenCV 的关系更加紧密，因此熟练 Numpy 可以帮助我们写出性能更好的代码。

一、获取并修改像素值

首先我们需要读入一幅图像

import cv2
import numpy as np
img = cv2.imread('lena512.png')
1
2
3

你可以根据像素的行和列的坐标获取他的像素值。对 BGR 图像而言，返回值为 B，G，R 的值。对灰度图像而言，会返回他的灰度值。

import cv2
import numpy as np
img = cv2.imread('lena512.png')
px=img[100,100]  # 表示获取坐标（100， 100）处的 BGR 像素
print(px)
blue=img[100,100,0]  # 表示获取坐标（100， 100）处的 Blue 像素
print(blue)

--->[ 78  68 178]
--->78
1
2
3
4
5
6
7
8
9
10

你可以以类似的方式修改像素值

import numpy as np
import cv2
img = cv2.imread('lena512.png')
img[100,100] = [255, 255, 255]
print(img[100,100])
1
2
3
4
5

注意：上面提到的方法被用来选取矩阵的一个区域，比如说前 5 行的后 3 列。对于获取每一个像素值，也许使用 Numpy 的 array.item() 和 array.itemset() 会更好。但是返回值是标量。如果你想获得所有 B，G，R 的值，你需要使用 array.item() 分割他们。

import cv2
import numpy as np
img = cv2.imread('lena512.png')
print img.item(10,10,2)
img.itemset((10,10,2),100)
print img.item(10,10,2)
1
2
3
4
5
6

二、获取图像属性

图像的属性包括：行，列，通道，图像数据类型，像素数目等img.shape 可以获取图像的形状。他的返回值是一个包含行数，列数，通道数的元组。

# -*- coding: utf-8 -*-
import numpy as np
import cv2
img = cv2.imread('lena512.png')
print(img.shape)
---> (512, 512, 3)
1
2
3
4
5
6

注意：如果图像是灰度图，返回值仅有行数和列数。所以通过检查这个返回值就可以知道加载的是灰度图还是彩色图。

img.size 可以返回图像的像素数目：

import numpy as np
import cv2
img = cv2.imread('lena512.png')
print(img.size)
---> 786432
1
2
3
4
5

img.dtype 返回的是图像的数据类型:

import numpy as np
import cv2
img = cv2.imread('lena512.png')
print(img.dtype)
---> uint8
1
2
3
4
5

三、图像 ROI

有时你需要对一幅图像的特定区域进行操作。例如我们要检测一副图像中眼睛的位置，我们首先应该在图像中找到脸，再在脸的区域中找眼睛，而不是直接在一幅图像中搜索。这样会提高程序的准确性和性能。
ROI 也是使用 Numpy 索引来获得的。现在我们选择球的部分并把他拷贝到图像的其他区域。

import numpy as np
import cv2
img = cv2.imread('ball.png')
ball=img[378:457,448:520]
img[273:352,100:172] = ball
cv2.imshow('image',img)
cv2.waitKey(0)
cv2.destroyAllWindows()
1
2
3
4
5
6
7
8

看看结果吧：

四、拆分及合并图像通道

有时我们需要对 BGR 三个通道分别进行操作。这是你就需要把 BGR 拆分成单个通道。有时你需要把独立通道的图片合并成一个 BGR 图像。你可以这样做

import numpy as np
import cv2
from matplotlib import pyplot as plt
img = cv2.imread('ball.png')
b, g, r = cv2.split(img)
img = cv2.merge([b, g, r])
plt.figure()
plt.subplot(131);plt.imshow(b) # expects distorted color
plt.xticks([]), plt.yticks([]) # to hide tick values on X and Y axis
plt.title("blue channel")
plt.subplot(132);plt.imshow(g) # expect true color
plt.xticks([]), plt.yticks([]) # to hide tick values on X and Y axis
plt.title("green channel")
plt.subplot(133);plt.imshow(r) # expect true color
plt.xticks([]), plt.yticks([]) # to hide tick values on X and Y axis
plt.title("red channel")
plt.show()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17

假如你想使所有像素的红色通道值都为 0，你不必先拆分再赋值。你可以直接使用 Numpy 索引，这会更快。

import cv2
import numpy as np
img = cv2.imread('ball.png')
img[:,:,2]=0
1
2
3
4

警告：cv2.split() 是一个比较耗时的操作。只有真正需要时才用它，能用Numpy 索引就尽量用。

五、为图像扩边（填充）

如果你想在图像周围创建一个边，就像相框一样，你可以使用 cv2.copyMakeBorder()函数。这经常在卷积运算或 0 填充时被用到。这个函数包括如下参数：

• src 输入图像

• top, bottom, left, right 对应边界的像素数目。

• borderType 要添加那种类型的边界，类型如下
– cv2.BORDER_CONSTANT 添加有颜色的常数值边界，还需要下一个参数（value）。
– cv2.BORDER_REFLECT 边界元素的镜像。比如: fedcba|abcdefgh|hgfedcb
– cv2.BORDER_REFLECT_101 or cv2.BORDER_DEFAULT跟上面一样，但稍作改动。例如: gfedcb|abcdefgh|gfedcba
– cv2.BORDER_REPLICATE 重复最后一个元素。例如: aaaaaa|abcdefgh|hhhhhhh
– cv2.BORDER_WRAP 不知道怎么说了, 就像这样: cdefgh|abcdefgh|abcdefg

• value 边界颜色，如果边界的类型是

为了更好的理解这几种类型请看下面的演示程序。

import cv2
from matplotlib import pyplot as plt
BLUE=[0,0,255]
img1=cv2.imread('opencv_logo.png')
replicate = cv2.copyMakeBorder(img1,10,10,10,10,cv2.BORDER_REPLICATE)
reflect = cv2.copyMakeBorder(img1,10,10,10,10,cv2.BORDER_REFLECT)
reflect101 = cv2.copyMakeBorder(img1,10,10,10,10,cv2.BORDER_REFLECT_101)
wrap = cv2.copyMakeBorder(img1,10,10,10,10,cv2.BORDER_WRAP)
constant= cv2.copyMakeBorder(img1,10,10,10,10,cv2.BORDER_CONSTANT,value=BLUE)
plt.subplot(231),plt.imshow(img1,'gray'),plt.title('ORIGINAL')
plt.xticks([]), plt.yticks([]) # to hide tick values on X and Y axis
plt.subplot(232),plt.imshow(replicate,'gray'),plt.title('REPLICATE')
plt.xticks([]), plt.yticks([]) # to hide tick values on X and Y axis
plt.subplot(233),plt.imshow(reflect,'gray'),plt.title('REFLECT')
plt.xticks([]), plt.yticks([]) # to hide tick values on X and Y axis
plt.subplot(234),plt.imshow(reflect101,'gray'),plt.title('REFLECT_101')
plt.xticks([]), plt.yticks([]) # to hide tick values on X and Y axis
plt.subplot(235),plt.imshow(wrap,'gray'),plt.title('WRAP')
plt.xticks([]), plt.yticks([]) # to hide tick values on X and Y axis
plt.subplot(236),plt.imshow(constant,'gray'),plt.title('CONSTANT')
plt.xticks([]), plt.yticks([]) # to hide tick values on X and Y axis
plt.show()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22