扣丁学堂Python培训之opencv与numpy的图像基本操作

2019-03-08 14:16:53 1302浏览

今天扣丁学堂Python培训老师给大家介绍一篇关于opencv与numpy的图像基本操作，文中通过示例代码介绍的非常详细，需要的朋友们下面随着小编来一起学习学习吧。

1.像素基本操作

1.1读取、修改像素

可以通过[行，列]坐标来访问像素点数据，对于多通道数据，返回一个数组，包含所有通道的值，对于单通道数据（如gray），返回指定坐标的值，也可以通过[行，列，通道index]来访问某坐标某通道的值。

>>> import cv2
>>> import numpy as np
>>> img = cv2.imread('messi5.jpg')

>>> px = img[100,100]
>>> print( px )
[157 166 200]
# accessing only blue pixel
>>> blue = img[100,100,0]
>>> print( blue )
157

可以直接通过坐标修改像素值

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

然而直接像上面这样去读取、修改每个像素的值，效率是比较低的，可以使用下面的方法，效率是更高的

# accessing RED value
>>> img.item(10,10,2)
59
# modifying RED value
>>> img.itemset((10,10,2),100)
>>> img.item(10,10,2)
100

1.2读取图像属性

读取图像尺寸，返回一个元组(行，列，通道数)

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

读取像素大小，行列通道数

>>> print( img.size )
562248

像素数据类型

>>> print( img.dtype )
uint8

1.3图像ROI操作

可以直接编辑像素区域，例如把图像左下角50*50的像素复制到左上角

import cv2
import numpy as np
img = cv2.imread("test.jpg")
print(img.shape)
roiTest = img[475:525, 0:50]
img[0:50, 0:50] = roiTest
cv2.imshow("image",img)
cv2.waitKey(0)

1.4分割、合并通道

有些情况下需要对图像的某一通道数据进行操作，此时会用到分割、合并通道数据

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

或者

b = img[:,:,0]

假设想编辑红色通道的数据，全部设置为0，不需要这样分割后编辑，img[:,:,2]=0这样即可。cv2.split操作是一个很耗时的操作，可以用numpy索引替代的操作，尽量用numpy索引来做。

1.4生成图像边框

使用cv2.copyMakeBorder函数可添加图像边框，支持多种边框算法

void cv::copyMakeBorder ( 
InputArray src, //原图
//目标图(cpp版本中，若传入此数据且选BORDER_TRANSPARENT，则此数据被top/bottom/left/right切出来的roi部分不会被做任何修改，此图像大小=dst.rows+top+bottom，dst.cols+left+right)
OutputArray dst, 
int top, //top/left/bottom/right 四个方向上的边框像素
int bottom,
int left,
int right,
int borderType, //边框类型见下图
const Scalar & value = Scalar() //边框类型为BORDER_CONSTANT时的边框像素
)

BLUE = [255, 0, 0]
 img1 = cv2.imread("test.jpg")
 replicate = cv2.copyMakeBorder(img1, 100, 100, 100, 100, cv2.BORDER_REPLICATE)
 reflect = cv2.copyMakeBorder(img1, 100, 100, 100, 100, cv2.BORDER_REFLECT)
 reflect101 = cv2.copyMakeBorder(img1, 100, 100, 100, 100, cv2.BORDER_REFLECT_101)
 wrap = cv2.copyMakeBorder(img1, 100, 100, 100, 100, cv2.BORDER_WRAP)
 constant = cv2.copyMakeBorder(img1, 100, 100, 100, 100, cv2.BORDER_CONSTANT, value=BLUE)
 print(img1.shape, reflect.shape)
 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()

上面的例子可以比较直观的看到各种border的效果，同时也能发现，python版的api与cpp版本的相比，默认初始化了一块原始图尺寸+各方向边框尺寸的图像内存，作为内置的dst参数。

输出尺寸：(525, 700, 3) (725, 900, 3)

2.图像的基本算术操作

2.1图像相加

图像相加，两个图像应该有相同的shape，或者图像和一个标量相加，或者图像和一个与其通道数相同的一维数组相加。

opencv的相加与numpy相加时，在超出数据类型范围时的处理不同

>>> x = np.uint8([250])
>>> y = np.uint8([10])
>>> print( cv2.add(x,y) ) # 250+10 = 260 => 255
[[255]]
>>> print( x+y )  # 250+10 = 260 % 256 = 4
[4]

cpp版本的api还支持mask等参数

void cv::add ( 
InputArray src1,
InputArray src2,
OutputArray dst,
InputArray mask = noArray(),
int dtype = -1 
)

2.2图像混合

opencv通过cv::addWeighted函数提供了将两个图像混合在一起的方法

dst=α?img1+β?img2+γ

img1 = cv2.imread('ml.png')
img2 = cv2.imread('opencv-logo.png')
dst = cv2.addWeighted(img1,0.7,img2,0.3,0)
cv2.imshow('dst',dst)
cv2.waitKey(0)
cv2.destroyAllWindows()

通过cv2.seamlessClone函数还能做更精细的图像局部融合。

以上就是关于扣丁学堂Python培训之opencv与numpy的图像基本操作的全部内容，希望对大家的学习有所帮助，最后想要了解更多关于Python方面内容的小伙伴，请关注扣丁学堂Python培训官网、微信等平台，扣丁学堂IT职业在线学习教育平台为您提供Python学习视频教程共大家学习，Python培训后的前景无限，行业薪资和未来的发展会越来越好的，扣丁学堂老师精心推出的Python视频直播课定能让你快速掌握Python从入门到精通开发实战技能。扣丁学堂Python技术交流群：279521237。

 

【关注微信公众号获取更多学习资料】 

 

查看更多关于"Python开发资讯"的相关文章>