快捷導(dǎo)航

opencv與numpy的圖像基本操作

更新時(shí)間：2019年03月08日 10:34:38 作者：鄒成卓

這篇文章主要介紹了opencv與numpy的圖像基本操作，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧

1. 像素基本操作

1.1 讀取、修改像素

可以通過[行，列]坐標(biāo)來訪問像素點(diǎn)數(shù)據(jù)，對于多通道數(shù)據(jù)，返回一個(gè)數(shù)組，包含所有通道的值，對于單通道數(shù)據(jù)（如gray），返回指定坐標(biāo)的值，也可以通過 [行，列，通道index] 來訪問某坐標(biāo)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

可以直接通過坐標(biāo)修改像素值

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

然而直接像上面這樣去讀取、修改每個(gè)像素的值，效率是比較低的，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 讀取圖像屬性

讀取圖像尺寸，返回一個(gè)元組 (行，列，通道數(shù))

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

讀取像素大小，行列通道數(shù)

>>> print( img.size )
562248

像素?cái)?shù)據(jù)類型

>>> print( img.dtype )
uint8

1.3 圖像ROI操作

可以直接編輯像素區(qū)域，例如把圖像左下角50*50的像素復(fù)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

有些情況下需要對圖像的某一通道數(shù)據(jù)進(jìn)行操作，此時(shí)會用到分割、合并通道數(shù)據(jù)

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

或者

b = img[:,:,0]

假設(shè)想編輯紅色通道的數(shù)據(jù)，全部設(shè)置為0，不需要這樣分割后編輯， img[:,:,2] = 0 這樣即可。cv2.split操作是一個(gè)很耗時(shí)的操作，可以用numpy索引替代的操作，盡量用numpy索引來做。

1.4 生成圖像邊框

使用 cv2.copyMakeBorder 函數(shù)可添加圖像邊框，支持多種邊框算法

void cv::copyMakeBorder ( 
InputArray src, //原圖
//目標(biāo)圖(cpp版本中，若傳入此數(shù)據(jù)且選BORDER_TRANSPARENT，則此數(shù)據(jù)被top/bottom/left/right切出來的roi部分不會被做任何修改，此圖像大小=dst.rows+top+bottom，dst.cols+left+right)
OutputArray dst, 
int top, //top/left/bottom/right 四個(gè)方向上的邊框像素
int bottom,
int left,
int right,
int borderType, //邊框類型見下圖
const Scalar & value = Scalar() //邊框類型為BORDER_CONSTANT時(shí)的邊框像素
)

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()

上面的例子可以比較直觀的看到各種border的效果，同時(shí)也能發(fā)現(xiàn)，python版的api與cpp版本的相比，默認(rèn)初始化了一塊原始圖尺寸+各方向邊框尺寸的圖像內(nèi)存，作為內(nèi)置的dst參數(shù)。

輸出尺寸：(525, 700, 3) (725, 900, 3)

2. 圖像的基本算術(shù)操作

2.1 圖像相加

圖像相加，兩個(gè)圖像應(yīng)該有相同的shape，或者圖像和一個(gè)標(biāo)量相加，或者圖像和一個(gè)與其通道數(shù)相同的一維數(shù)組相加。

opencv的相加與numpy相加時(shí)，在超出數(shù)據(jù)類型范圍時(shí)的處理不同

>>> 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還支持mask等參數(shù)

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

2.2 圖像混合

opencv通過 cv::addWeighted 函數(shù)提供了將兩個(gè)圖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()