OpenCV学习（五）——图像基本操作（访问图像像素值、图像属性、感兴趣区域ROI和图像边框）

5. 图像基本操作

• 访问像素值并修改
• 访问图像属性
• 设置感兴趣区域（ROI）
• 分割和合并图像

5.1 访问像素值并修改

访问像素值

import cv2

# 读取图像
# img——>(h, w, c)，c为通道数
img = cv2.imread('lena.jpg')

# 访问像素值
px = img[100, 100]
print("像素值：", px)
# img——>(b, g, r)
# 蓝色像素值——>对应通道b
blue = img[100, 100, 0]
print("蓝色像素值：", blue)
1
2
3
4
5
6
7
8
9
10
11
12
13

修改像素值

img[100, 100] = [255,255,255]
print(img[100,100])
1
2

简单访问每个像素值并修改比较缓慢，一般不使用。

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。

更好的像素访问和编辑方法：

# 访问蓝色像素值
print(img.item(100, 100, 0))

# 修改蓝色像素值
img.itemset((100,100,0), 255)
1
2
3
4
5

修改B通道像素值为255，区间[200:400, 200:400]

import cv2

# 读取图像
# img——>(h, w, c)，c为通道数
img = cv2.imread('lena.jpg')

# 修改B通道像素值为255，区间[200:400, 200:400]
for i in range(200, 400):
    for j in range(200, 400):
        img.itemset((i, j, 0), 255)

# 显示图像
cv2.imshow('image', img)
cv2.waitKey(0)
cv2.destroyAllWindows()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

5.2 访问图像属性

属性属性包括行数、列数和通道数，图像数据类型，像素数等。

import cv2

# 读取图像
# img——>(h, w, c)，c为通道数
img = cv2.imread('lena.jpg')

# 图像形状
print('图像形状', img.shape)
# 像素总数
print('像素总数', img.size)

# 图像数据类型
print('图像数据类型', img.dtype)
1
2
3
4
5
6
7
8
9
10
11
12
13

5.2 图像感兴趣区域ROI

对于人物图像，我们感兴趣的一般是人脸区域。使用Numpy索引再次获得ROI，并将脸复制到图像中的另一个区域：

import cv2

# 读取图像
img = cv2.imread('lena.jpg')

# 获取脸的区域
face = img[200:400, 200:400]

# 将脸复制到另一区域
img[200:400, 0:200] = face

# 显示图像
cv2.imshow('image', img)
cv2.waitKey(0)
cv2.destroyAllWindows()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

5.3 拆分和合并图像通道

将图像的通道进行分离，并分开展示。同时实现OpenCV在一个窗口显示多张图像。

import cv2
import numpy as np

# 读取图像
img = cv2.imread('lena.jpg')

# 分离通道
b, g, r = cv2.split(img)

# 合并通道
img_m = cv2.merge((b, g, r))

# 改变各通道图像的尺寸
b = cv2.resize(b, (200, 200))
g = cv2.resize(g, (200, 200))
r = cv2.resize(r, (200, 200))
img = cv2.resize(img, (200, 200))


# 将单通道图像转换为3通道
b = cv2.cvtColor(b, cv2.COLOR_GRAY2RGB)
g = cv2.cvtColor(g, cv2.COLOR_GRAY2RGB)
r = cv2.cvtColor(r, cv2.COLOR_GRAY2RGB)

# 同一窗口显示多张图像
# 拼接需要图像的形状及通道一样
hmerge = np.hstack((b, g, r, img)) # 水平拼接
vmerge = np.vstack((b, g, r)) # 垂直拼接

# 显示图像
cv2.imshow('image', hmerge)
cv2.waitKey(0)
cv2.destroyAllWindows()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33

5.4 为图像设置边框（填充）

cv2.copyMakeBorder(src, top, bottom, left, right, borderType, dst=None, value=None)函数在卷积运算，零填充等方面有很多应用。

• 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，可以是以下类型

  • cv2.BORDER_CONSTANT ：添加恒定的彩色边框
  • cv2.BORDER_REFLECT ： 边框将是边框元素的镜像
  • cv2.BORDER_REPLICATE：最后一个元素被复制
  • cv2.BORDER_WRAP：包裹

• dst：目标图像

• value：边框的颜色

import cv2
import numpy as np

# 读取图像
img = cv2.imread('lena.jpg')
img = cv2.resize(img, (200, 200))

# 设置边框
constant = cv2.copyMakeBorder(img, 10, 10, 10, 10, cv2.BORDER_CONSTANT)
reflect = cv2.copyMakeBorder(img, 10, 10, 10, 10, cv2.BORDER_REFLECT)
replicate = cv2.copyMakeBorder(img, 10, 10, 10, 10, cv2.BORDER_REPLICATE)
wrap = cv2.copyMakeBorder(img, 10, 10, 10, 10, cv2.BORDER_WRAP)

# 图像拼接，水平
hmerge = np.hstack((constant, reflect, replicate, wrap)) # 水平拼接


# 显示图像
cv2.imshow('image', hmerge)
cv2.waitKey(0)
cv2.destroyAllWindows()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21