3.1 图片基本操作

优质

小牛编辑

127浏览

2023-12-01

目标

获取像素的值并更改它们
获取图像属性
设置感兴趣的区域（Region of Interest，ROI）
分割和合并图像

几乎所有这些操作都和 Numpy 相关而和 OpenCV 没什么关系。精通 Numpy 对于写高度优化的 OpenCV 代码是必要的。

（例子将使用 Python 控制台，因为它们中大多数程序都只是一行代码）

获取和更改像素的值

让我们先读取一个彩色图片：

>>> import cv2
>>> import numpy as np

>>> img = cv2.imread('messi5.jpg')

你可以使用一个像素的横纵坐标获取一个像素。对于BGR格式的图片，它会返回一个由蓝色、绿色和红色值组成的数组。对于灰度图片，只会返回对应的亮度。

>>> px = img[100,100]
>>> print(px) # [157 166 200]

# 只获取蓝色的像素
>>> blue = img[100,100,0]
>>> print( blue ) # 157

你可以用同样的方式修改像素的值。

>>> img[100,100] = [255,255,255]
>>> print(img[100,100]) # [255 255 255]

警告

Numpy是一个针对数组计算高度优化过的库。所以简单地获取每个像素的值并修改它是很慢的，我们不推荐这样做。

上面提到的方法常常用来选择数组的一个区域，比如说前5行或者最后三列这样。对于单个像素，Numpy数组方法array.item()和array.itemset()更合适些。但这两个函数总是返回一个标量。所以如果你想要获取所有B、G、R的值，你需要对每种颜色分别调用array.item()。

更好地像素获取和编辑方法：

# 获取红色的值
>>> img.item(10,10,2) # 59

# 修改红色的值
>>> img.itemset((10,10,2),100)
>>> img.item(10,10,2) # 100

获取图片信息

图片信息包含行数、列数、通道数、图像数据类型、像素数量等等。

图片的形状使用img.shape获取。它返回一个包含行数、列数和通道数（如果图片是彩色的）的元组。

>>> print( img.shape ) # (342, 548, 3)

如果图片是灰度图像，这个元组只会包含行数和列数。所以这是个检查图片是彩色图还是灰度图的好方法。

可以通过img.size查询像素总数：

>>> print( img.size ) # 562248

图片数据的类型是用img.dtype表示的:

>>> print( img.dtype ) # uint8

注意img.dtype在调试程序的过程中是很重要的，因为很多OpenCV-Python代码中的问题都是不合法的数据类型造成的。

图片的 ROI

有时候，你会希望只关注图片的某一个部分。例如对于在图片中检测眼睛，首先可以先进行面部检测，当发现面部时，我们会选择面部区域，然后只在这个区域里检测眼睛，而非搜索整个图片。这能提高我们程序的准确率（因为眼睛总长在脸上:D ）和运行效率（因为我们寻找的区域减小了）。

ROI也是用Numpy索引来表示的。这里我们选择这幅图里的球并将它复制到图片的另外一个区域里：

>>> ball = img[280:340, 330:390]
>>> img[273:333, 100:160] = ball

分割和合并图片的通道

有时候你需要分割开图片的B、G、R通道来完成工作。这时候你就需要将BGR颜色的图片分成不同的层。另一些时候，你需要把独立的通道合并成BGR的图片，你可以简单地这样做：

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

或者

>>> b = img[:,:,0]

假如你要把所有像素的红色值设置为0，你不需要将它分离开来然后再将其置为0，你只需要简单地使用Numpy索引，这样做更快。

>>> img[:,:,2] = 0

警告

cv2.split()会花费很多时间。所以只在你真的需要的时候再使用它。否则就使用Numpy索引。

给图片加边框（Padding）

如果你想要给图片加一个边框，像相框那样，你可以使用 cv2.copyMakeBorder() 函数。这个函数也有其他应用，像卷积操作、用0值进行padding等等。这个函数接受下面的参数：

src - 输入图片
top、button、left、right - 相应方向上的边框宽度
borderType - 决定边框类型的Flag，可以取下面这些值：
- cv2.BORDER_CONSTANT - 加一个单色边框，边框颜色需要在下一个参数中给出
- cv2.BORDER_REFLECT - 边缘将会是边缘元素的镜像，像这样：fedcba|abcdefgh|hgfedcb
- cv2.BORDER_REFLECT_101或cv2.BORDER_REFLECT_101 - 和上面的方法只有一个细微的差别，像这样：gfedcb|abcdefgh|gfedcba
- cv2.BORDER_REPLICATE - 最后一个元素被不断地重复，像这样：aaaaaa|abcdefgh|hhhhhhh
- cv2.BORDER_WRAP - 非常复杂，难以描述，看例子，像这样：cdefgh|abcdefgh|abcdefg
value - cv2.BORDER_CONSTANT所需要的的颜色值

下面是为了更好地理解而创建的代码示例：

import cv2
import numpy as np
from matplotlib import pyplot as plt
BLUE = [255,0,0]
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.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()