Python+OpenCV教程4：图像基本操作

目标

• 访问和修改图片像素点的值
• 获取图片的宽、高、通道数等属性
• 了解感兴趣区域ROI
• 分离和合并图像通道

教程

获取和修改像素点值

我们先读入一张图片：

 

import cv2

img = cv2.imread('lena.jpg')

通过行列的座标来获取某像素点的值，对于彩色图，这个值是B,G,R三个值的列表，对于灰度图，只有一个值：

 

px = img[100, 100]
print(px)  # [119 108 201]

# 只获取蓝色blue通道的值
px_blue = img[100, 100, 0]
print(px_blue)  # 119

经验之谈：还记得吗？行对应的是y，列对应的是x，所以其实是img[y, x]，需要注意噢(●ˇ∀ˇ●)

修改像素的值也是同样的方式：

 

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

经验之谈：还有一种性能更好的方式，获取：img.item(100,100,0)，修改：img.itemset((100,100,0),255)，但这种方式只能B,G,R逐一进行

图片属性

img.shape获取图像的形状，图片是彩色的话，返回一个包含高度、宽度和通道数的元组，灰度图只返回高度和宽度：

 

print(img.shape)  # (263, 263, 3)
# 形状中包括高度、宽度和通道数
height, width, channels = img.shape
# img是灰度图的话：height, width = img.shape

img.dtype获取图像数据类型：

 

print(img.dtype)  # uint8

经验之谈：很多错误都是因为数据类型不对导致的，所以健壮的代码需要对这个属性加以判断

img.size获取图像总像素数：

 

print(img.size)  # 263*263*3=207507

ROI

ROI：region of interest，感兴趣区域。什么意思呢？比如我们要检测眼睛，因为眼睛肯定在脸上，所以我们感兴趣的只有脸这部分，其他不需要关注，这样就可以大大节省计算量，提高运行速度。

只关注脸( ╯□╰ )

截取ROI非常简单，指定图片的范围即可：

 

# 截取脸部ROI
face = img[100:200, 115:188]
cv2.imshow('face', face)
cv2.waitKey(0)

通道分割与合并

彩色图的BGR三个通道是可以分开单独访问的，也可以将单独的三个通道合并成一副图像。分别使用cv2.split()和cv2.merge()：

 

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

split()函数比较耗时，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)

小结

• img[y,x]获取/设置像素点值，img.shape：图片的形状（高度、宽度、通道数）,img.dtype：图像的数据类型
• img[y1:y2,x1:x2]进行ROI截取，cv2.split()/cv2.merge()通道分割/合并。更推荐的获取单通道方式：b = img[:, :, 0]

作者：ex2tron
链接：https://www.jianshu.com/p/907f69b00f5b
来源：简书
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。