图像基础操作

1. 图像在numpy.ndarray中的结构
   首先我们需要创建一幅2×2的3颜色通道图像：

#创建一幅2×2的3颜色通道图像，其中数字代表像素，np.uint8是numpy数据类型[0,255]
img = np.array([[[0,1,2],[3,4,5]],[[6,7,8],[9,10,11]]],np.uint8)
#查看图像numpy.ndarray中的结构
print(img)
#查看图像的行、列、颜色通道(BGR)
print(img.shape)
#在蓝色通道中，第1行第1列的像素
print(img[0,0,0])
#在蓝色通道中，第1行第2列的像素
print(img[0,1,0])
#在蓝色通道中，第2行第1列的像素
print(img[1,0,0])
#在绿色通道中，第1行第1列的像素
print(img[0,0,1])
#在红色通道中，第1行第1列的像素
print(img[0,0,2])
#3通道中，第1行第1列的像素
print(img[0,0])

[[[ 0  1  2]
  [ 3  4  5]]

 [[ 6  7  8]
  [ 9 10 11]]]
(2, 2, 3)
0
3
6
1
2
[0 1 2]

其中在蓝通道B中，0，3代表第一行，6，9代表第二行，如下图所示

绘图4.jpg.jpeg

2.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

在opencv中，图像不是传统的RGB颜色通道，而是按BGR顺序存储的。

img_BGR = cv2.imread('citrus-fruit-colorful-delicious-2146386.jpg') 
print(type(img_BGR)) # numpy.ndarray类型可以用numpy对图像进行各种操作
print(img_BGR.dtype) # 图像数据类型，一张图片的像素值范围是[0,255], 因此默认类型是unit8
print(img_BGR.shape[0]) # 行
print(img_BGR.shape[1]) # 列
print(img_BGR.shape[2]) # 通道
print(img_BGR.size) # 像素数目
print(img_BGR.max()) # 最大像素值
print(img_BGR.min()) # 最小像素值
print(img_BGR.mean()) #素值平均值

<class 'numpy.ndarray'>
uint8
4864
3648
3
53231616
255
0
211.1315848273327

3.获取并修改像素值

根据像素的行和列的坐标获取他的像素值。

img = cv2.imread("art-art-exhibition-art-gallery-2110950.jpg")
px = img[100,100] # BGR3个通道中，第100行第100列的像素
print(px)
blue = img[100,100,0]# B通道中，第100行第100列的像素
print(blue)

[215 215 199]
215

修改像素值

img = cv2.imread("art-art-exhibition-art-gallery-2110950.jpg")
img[100,100]=[255,255,255]
print(img[100,100])

[255 255 255]

例子：使大于150的像素等于255(即使灰色像素变为白色)

img = cv2.imread("art-art-exhibition-art-gallery-2110950.jpg")
# 使大于150的像素等于255
img[img>150]=255
cv2.imwrite('img150.jpg',img)

img150.jpg

4.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。

例子：获取图像区域像素(即裁剪)

img = cv2.imread("art-art-exhibition-art-gallery-2110950.jpg")
px = img[700:2700,1200:3900] # 获取第700-2700行、第1200-3900列的像素
cv2.imwrite('cut.jpg',img)

1111.jpg.jpeg

例子：选择橘子的部分并把他拷贝到原图像的其他区域。

img = cv2.imread("citrus-fruit-colorful-delicious-2146386.jpg")
#print(img.shape)
px = img[3000:4800,0:3600]
img[0:1800,0:3600]=px
cv2.imwrite('roi.jpg',img)

roi.jpg.jpeg

5.拆分图像通道

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。

例子：只保留绿色通道

img = cv2.imread("beautiful-branch-bright-2275453.jpg")
#b,g,r=cv2.split(img) # 不推荐使用，原因耗时
img[:,:,0] = 0
#img[:,:,1] = 0
img[:,:,2] = 0
cv2.imwrite('g.jpg',img)

g.jpg

6.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。

copyMakeBorder(src, top, bottom, left, right, borderType[, dst[, value]])

这个函数参数意义如下:

• src：表示图像的numpy.ndarray对象

• top,bottom,left,right ：上下左右边界各填充多少

• borderType：

  BORDER_REPLICATE：复制法，也就是复制最边缘像素。

  BORDER_REFLECT：反射法，对感兴趣的图像中的像素在两边进行复制例如：fedcba|abcdefgh|hgfedcb

  BORDER_REFLECT_101：反射法，也就是以最边缘像素为轴，对称，gfedcb|abcdefgh|gfedcba

  BORDER_WRAP：外包装法cdefgh|abcdefgh|abcdefg

  BORDER_CONSTANT：常量法，常数值填充。

• value：当为BORDER_CONSTANT时，需要填充颜色可以是0或255(黑白)，也可以是(0,0,255)BGR

img = cv2.imread("beautiful-branch-bright-2275453.jpg")
img = cv2.cvtColor(img,cv2.COLOR_BGR2RGB)

top_size,bottom_size,left_size,right_size = (300,300,300,300)

replicate = cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size, borderType=cv2.BORDER_REPLICATE)

reflect = cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size,cv2.BORDER_REFLECT)

reflect101 = cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size, cv2.BORDER_REFLECT_101)

wrap = cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size, cv2.BORDER_WRAP)

constant = cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size,cv2.BORDER_CONSTANT, value=(0,0,255))# 这里（0，0，255）为RGB，为蓝色

plt.figure(figsize=(12,5),dpi=100)
plt.subplot(231), plt.imshow(img, 'gray'), plt.axis('off'), plt.title('ORIGINAL')
plt.subplot(232), plt.imshow(replicate, 'gray'), plt.axis('off'), plt.title('REPLICATE')
plt.subplot(233), plt.imshow(reflect, 'gray'), plt.axis('off'), plt.title('REFLECT')
plt.subplot(234), plt.imshow(reflect101, 'gray'), plt.axis('off'), plt.title('REFLECT_101')
plt.subplot(235), plt.imshow(wrap, 'gray'), plt.axis('off'), plt.title('WRAP')
plt.subplot(236), plt.imshow(constant, 'gray'), plt.axis('off'), plt.title('CONSTANT')

由于是使用 matplotlib 绘制，所以交换 R 和 B 的位置，OpenCV 中是按 BGR，matplotlib 中是按 RGB 排列，因此，使用cv2.cvtColor(img,cv2.COLOR_BGR2RGB)将BGR转换为RGB。

边界填充.png

参考资料：《数字图像处理》《OpenCV-Python 中文教程》