numpy数组操作

# !usr/bin/env python
# -*- coding:utf-8 _*-
"""
@Author:tzting
@File: 3numpy数组操作.py
@Time: 2020/11/11 19：30 -21：05
"""
import tensorflow as tf
import cv2 as cv
import numpy as np
"""
numpy数组操作
遍历数组中得每个像素点，修改像素点的值，data\dtype\size\shape\len
代码层面知识点：
使用numpy初始化数组的各种方法

"""


def access_pixels(image):
    print(image.shape)
    height = image.shape[0]
    width = image.shape[1]
    channels = image.shape[2]
    print("width: %s, height: %s,channels: %s"%(width, height, channels))
    # 对其进行循环获取每个像素点，对每个像素点进行修改，access每个像素点
    for row in range(height):
        for col in range(width):
            for c in range(channels):
                pv = image[row, col, c]
                image[row, col, c] = 255 - pv  # 像素取反
    cv.imshow("pixels_demo", image)


# 像素取反！！！跟上面效果一样
def inverse(image):
    dst = cv.bitwise_not(image)
    cv.imshow("inverse demo",dst)


# 创建新的图像
def create_image():
    # 单通道灰度图
    """
    初始化为全为0
    img = np.zeros([400,400,1], np.uint8)  # 全部变成0
    img[:, :, 0] = np.ones([400,400])*127  # 全部变成1

   #初始化为全为1
    img = np.ones([400,400,1], np.uint8)
    img = img*0  #255白色，0黑色
    cv.imshow("new image", img)
"""
    # 创建一个小的图像
    m1 = np.ones([3,3], np.uint8)  # uint8整数 int32/8 int8高位自动截断
    # 把浮点数变成八位的整形，变成正的cv.convertScaleABs
    m1.fill(112.388)
    print(m1)
    m2 = m1.reshape([1,9])  # 二维改三维，改变在空间的表示情况
    print(m2)
    m3 = np.array([[2, 3, 4],[4, 5, 6],[7, 8, 9]])  # 自定义一些矩阵
    # m3.fill(9)
    print(m3)


"""
#多通道rgb图像
    image = np.zeros([400,400,3],np.uint8)  # 创建一张图，第一个形状，第二个类型8位
    image[:, :, 0] = np.ones([400, 400])*255  # bgr 第一个通道，出来一个蓝色的图
    cv.imshow("new image",image)
"""


src = cv.imread("C:/Users/tzt/Desktop/opencv-python/girl.jpg")
cv.namedWindow("input image", cv.WINDOW_AUTOSIZE)
cv.imshow("input image", src)
# cpu上面运行的时间比较，总共用了多少秒数
t1 = cv.getTickCount()
create_image()
t2 = cv.getTickCount()
time = (t2-t1)/cv.getTickFrequency()
print("time : %s ms"%(time*1000))  

create_image()
cv.waitKey(0)
cv.destroyAllWindows()