图像的基础操作

标签：种类型   print   索引   例子   style   imp   ems   需要   嵌套   

1、先读取一个图片

import cv2

import numpy as np

img = cv2.imread(‘test.jpg‘)

我们可以获取该图像的属性：行，列，通道，图像数据类型，像素数目等，具体如下。

img.shape：获取图像的形状，返回值是一个包含行数，列数，通道数的元组

img.size：图像的像素数目，长乘以宽乘以通道数。

img.dtype：图像的数据类型

img[xp, yp] = [B, G. R]，应该是这种形式了，想要更改该像素值，

直接给该坐标上面赋值BGR通道的值即可，当然，也可以分开赋值。如下：

img[xp, yp, 0] = B

img[xp, yp, 1] = G

img[xp, yp, 2] = R

其他方法：

对于OpenCV的图像数据结构，我们通常使用 array.item() 来获取某一范围的像素内容并使用array.itemset()设置该像素的信息，比较列表嵌套并使用for循环遍历，是非常高效的。而且，程序的可读性会更好。我们来看下面的例子。

import cv2import numpy as np

img=cv2.imread(‘test.jpg‘)

# 打印像素点(10,10)的R通道值

print(img.item(10,10,2))

# 设置像素点(10,10)的R通道为110

img.itemset((10,10,2),110)

# 打印像素点(10,10)的R通道值

print(img.item(10,10,2))

2、图像ROI

 图像的数据量还是比较大的，对整张图片进行处理会影响我们的处理效率，

因此常常只对图像中我们需要的部分进行处理，也就是感兴趣区域ROI。

使用numpy索引来获得

import cv2
import numpy as np
img=cv2.imread(‘xxx.jpg‘)
ball=img[280:340,330:390]
img[273:333,100:160]=ball

3、拆分及合并图像通道

分别对BGR三个通道操作，有时候需要把独立通道的图片合成一个BGR图像。

import cv2
import numpy as np
img=cv2.imread(‘/home/duan/workspace/opencv/images/roi.jpg‘) b,g,r=cv2.split(img)
img=cv2.merge(b,g,r)

或者
import cv2
import numpy as np
img=cv2.imread(‘/home/duan/workspace/opencv/images/roi.jpg‘) b=img[:,:,0]

import cv2
import numpy as np
img=cv2.imread(‘/home/duan/workspace/opencv/images/roi.jpg‘)
img[:,:,2]=0

图像的基础操作

标签：种类型   print   索引   例子   style   imp   ems   需要   嵌套   

原文地址：https://www.cnblogs.com/h694879357/p/12271329.html