opencv图像识别基础知识（opencv与numpy的图像基本操作）

opencv图像识别基础知识

opencv与numpy的图像基本操作

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。

?

1 2 3

>>> import cv2 >>> import numpy as np >>> img = cv2.imread('messi5.jpg" alt="opencv图像识别基础知识（opencv与numpy的图像基本操作）" border="0" />)

?

1 2 3 4 5 6 7

>>> 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

?

1 2 3

>>> 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

?

1 2 3 4 5 6 7

# 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)

?

1 2	>>> print( img.shape ) (342, 548, 3)

读取像素大小， 行 列 通道数

?

1 2	>>> print( img.size ) 562248

像素数据类型

?

1 2	>>> 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

?

1 2 3 4 5 6 7 8

import cv2 import numpy as np img = cv2.imread("test.jpg" alt="opencv图像识别基础知识（opencv与numpy的图像基本操作）" border="0" />) 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

?

1 2	>>> b,g,r = cv2.split(img) >>> img = cv2.merge((b,g,r))

或者

?

1	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

?

1 2 3 4 5 6 7 8 9 10 11

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 )

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

blue = [255, 0, 0]  img1 = cv2.imread("test.jpg" alt="opencv图像识别基础知识（opencv与numpy的图像基本操作）" border="0" />)  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

?

1 2 3 4 5 6

>>> 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

?

1 2 3 4 5 6 7

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

?

1 2 3 4 5 6

img1 = cv2.imread('ml.jpg" alt="opencv图像识别基础知识（opencv与numpy的图像基本操作）" border="0" />) img2 = cv2.imread('opencv-logo.jpg" alt="opencv图像识别基础知识（opencv与numpy的图像基本操作）" border="0" />) 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。

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持开心学习网。

原文链接：https://www.zoucz.com/blog/2019/03/07/50ef43b0-40a5-11e9-9947-3d7b79f522a2/