【python-opencv】图像的基本操作
1、访问和修改像素值 加载彩色图像: import numpy as np cv2 as cv image=cv.imread("dog2.jpg",1) 谷歌colab上显示图像: from google.colab.patches cv2_imshow cv2_imshow(image) 你可以通过行和列坐标来访问像素值。对于 BGR 图像,它返回一个由蓝色、绿色和红色值组成的数组。对于灰度图像,只返回相应的灰度。? px=image[100,100] array([193,200,215],dtype=uint8) blue=image[100,100,0] 193 你可以用相同的方式修改像素值。 image[100,100]=[255,255] array([255,255],dtype=uint8) 警告 Numpy是用于快速数组计算的优化库。因此,简单地访问每个像素值并对其进行修改将非常缓慢,因此不建议使用。
更好的像素访问和编辑方法: image.item(100,2) 255 img.itemset((10,10,2),100) 2、访问图像属性 图像属性包括行数,列数和通道数,图像数据类型,像素数等。、 (1)图像的形状:image.shape (2)像素总数:image.size (3)图像的数据类型:image.dtype 3、图像的感兴趣区域 有时候,你不得不处理一些特定区域的图像。对于图像中的眼睛检测,首先对整个图像进行人脸检测。在获取人脸图像时,我们只选择人脸区域,搜索其中的眼睛,而不是搜索整个图像。它提高了准确性(因为眼睛总是在面部上:D )和性能(因为我们搜索的区域很小)。 使用Numpy索引再次获得ROI。在这里,我要选择球并将其复制到图像中的另一个区域: ball = img[280:340,330:390]
img[273:333,100:160] = ball
4、拆分和合并通道 有时你需要分别处理图像的B,G,R通道。在这种情况下,你需要将BGR图像拆分为单个通道。在其他情况下,你可能需要将这些单独的频道加入BGR图片。你可以通过以下方式简单地做到这一点: b,g,r=cv.split(image)
image=cv.merge(b,r)
要么 b=image[:,:,0] 警告
5、为图像设置边框(也就是padding操作) 如果要在图像周围创建边框(如相框),则可以使用
下面是一个示例代码,演示了所有这些边框类型,以便更好地理解: cv2 as cv from matplotlib pyplot as plt BLUE = [255,0] img1 = cv.imread('opencv-logo.png') replicate = cv.copyMakeBorder(img1,10BLUE) plt.subplot(231),plt.imshow(img1,gray'),plt.title(ORIGINAL) plt.subplot(232),plt.imshow(replicate,1)">REPLICATE) plt.subplot(233),plt.imshow(reflect,1)">REFLECT) plt.subplot(234),plt.imshow(reflect101,1)">REFLECT_101) plt.subplot(235),plt.imshow(wrap,1)">WRAP) plt.subplot(236),plt.imshow(constant,1)">CONSTANT) plt.show() 请参阅下面的结果。(图像与matplotlib一起显示。因此红色和蓝色通道将互换): ? ? 参考:http://woshicver.com/FourthSection/3_1_%E5%9B%BE%E5%83%8F%E7%9A%84%E5%9F%BA%E6%9C%AC%E6%93%8D%E4%BD%9C/? (编辑:李大同) 【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容! |