目標
- 訪問和修改圖片像素點的值
- 獲取圖片的寬、高、通道數等屬性
- 瞭解感興趣區域ROI
- 分離和合並圖像通道
教程
獲取和修改像素點值
我們先讀入一張圖片：
import cv2
img = cv2.imread('lena.jpg')
通過行列的座標來獲取某像素點的值，對於彩色圖，這個值是B,G,R三個值的列表，對於灰度圖，只有一個值：
px = img[100, 100]
print(px) # [119 108 201]
# 只獲取藍色blue通道的值
px_blue = img[100, 100, 0]
print(px_blue) # 119
經驗之談：還記得嗎？行對應的是y，列對應的是x，所以其實是
img[y, x]，需要注意噢(●ˇ∀ˇ●)
修改像素的值也是同樣的方式：
img[100, 100] = [255, 255, 255]
print(img[100, 100]) # [255 255 255]
經驗之談：還有一種性能更好的方式，獲取：
img.item(100,100,0)，修改：img.itemset((100,100,0),255)，但這種方式只能B,G,R逐一進行
圖片屬性
img.shape獲取圖像的形狀，圖片是彩色的話，返回一個包含高度、寬度和通道數的元組，灰度圖只返回高度和寬度：
print(img.shape) # (263, 263, 3)
# 形狀中包括高度、寬度和通道數
height, width, channels = img.shape
# img是灰度圖的話：height, width = img.shape
img.dtype獲取圖像數據類型：
print(img.dtype) # uint8
經驗之談：很多錯誤都是因爲數據類型不對導致的，所以健壯的代碼需要對這個屬性加以判斷
img.size獲取圖像總像素數：
print(img.size) # 263*263*3=207507
ROI
ROI：region of interest，感興趣區域。什麼意思呢？比如我們要檢測眼睛，因爲眼睛肯定在臉上，所以我們感興趣的只有臉這部分，其他不需要關注，這樣就可以大大節省計算量，提高運行速度。
只關注臉( ╯□╰ )
截取ROI非常簡單，指定圖片的範圍即可：
# 截取臉部ROI
face = img[100:200, 115:188]
cv2.imshow('face', face)
cv2.waitKey(0)
通道分割與合併
彩色圖的BGR三個通道是可以分開單獨訪問的，也可以將單獨的三個通道合併成一副圖像。分別使用cv2.split()和cv2.merge()：
b, g, r = cv2.split(img)
img = cv2.merge((b, g, r))
split()函數比較耗時，更高效的方式是用numpy的索引，如提取B通道：
b = img[:, :, 0]
cv2.imshow('blue', b)
cv2.waitKey(0)
小結
- img[y,x]獲取/設置像素點值，img.shape：圖片的形狀（高度、寬度、通道數）,img.dtype：圖像的數據類型
- img[y1:y2,x1:x2]進行ROI截取，cv2.split()/cv2.merge()通道分割/合併。更推薦的獲取單通道方式：b = img[:, :, 0]
作者：ex2tron
鏈接：https://www.jianshu.com/p/907f69b00f5b
來源：簡書
著作權歸作者所有。商業轉載請聯繫作者獲得授權，非商業轉載請註明出處。