Python OpenCV 針對圖像細節的不同操作技巧

本系列專欄寫作將采用首創的問答式寫作形式，快速讓你學習到 OpenCV 的初級、中級、高級知識。

本篇博客的目標將為你解釋一幅圖像的拆解，包括圖像像素的說明，圖像屬性信息的獲取與修改，圖像目標區域 ROI 相關內容，以及圖像通道的知識（包括拆分通道和合并通道）

這些內容在知識結構上與 numpy 庫十分緊密，如果從學習的角度出發，建議你儲備一下 numpy 相關知識。

在之前的博客中，我們已經學到了如何讀取一幅圖像，使用 cv2.imread 函數即可，并且掌握了該函數的兩個關鍵參數。

讀取圖片之后，我們可以直接使用操作數組的方式獲取圖像任意位置的顏色，一般這個顏色的默認順序是 BGR。

測試代碼如下：

import cv2import matplotlib.pyplot as pltsrc = cv2.imread('./6_test.jpg')# 獲取 100 x 100 位置的像素值print(src[100, 100])cv2.imshow('src', src)cv2.waitKey()

這里首先獲取 100 x 100 位置的像素值。src[100,100]會獲取到三個值，分別對應的 BGR 通道的值。我們在圖片上標記一個像素點，rows = 250,cols=470 ，接下來修改上述代碼，看獲取到的 BGR 值。

import cv2import matplotlib.pyplot as pltsrc = cv2.imread('./6_test.jpg')# 注意獲取像素值的格式為 [cols,rows]print(src[250, 470])cv2.imshow('src', src)cv2.waitKey()

上文特別注意的就是，獲取像素值的格式為 [cols,rows]，列在前，行在后。

以上獲取到的是 BGR 值，也可以只獲取單個通道的值，對應的代碼是 [cols,rows,channel]，對應到代碼部分，如下所示：

# 獲取藍色通道值print(src[250, 470, 0])

藍色通道對應 0，綠色通道為 1，紅色通道為 2，超出以上三個值，就會出現如下錯誤：

IndexError: index 3 is out of bounds for axis 2 with size 3

當前如果你直接讀取了灰度圖，例如下述代碼，三個通道的值是相同的。

import cv2import matplotlib.pyplot as pltsrc = cv2.imread('./6_test.jpg', 0)# 注意獲取像素值的格式為 [cols,rows]print(src[250, 470])cv2.imshow('src', src)cv2.waitKey()

這個地方還有一個編碼上存在的潛在問題，如果讀取的是四通道圖片，即圖片有透明度，那數組的索引值可以讀取到 3，也就是下述代碼是正確的。

import cv2import matplotlib.pyplot as pltsrc = cv2.imread('./test.jpg', -1)# 注意獲取像素值的格式為 [cols,rows]print(src[250, 470, 3])cv2.imshow('src', src)cv2.waitKey()

src[250, 470, 3] 成功讀取到了透明通道的值。

我們可以針對特定的像素點進行值的修改，例如下述代碼

import cv2import matplotlib.pyplot as pltsrc = cv2.imread('./6_test.jpg')# 注意獲取像素值的格式為 [cols,rows]src[250, 470] = [255, 255, 255]cv2.imshow('src', src)cv2.waitKey()

注意下圖的紅色箭頭指向的位置，出現一個白色亮點，使用該辦法，可以制造出一個【椒鹽圖片】。

這個地方需要注意的一個潛在 BUG，讀取圖片的通道數，決定了你復制時數組元素個數，例如下述代碼將會報錯。

import cv2import matplotlib.pyplot as pltsrc = cv2.imread('./6_test.jpg')# 注意獲取像素值的格式為 [cols,rows]src[250, 470] = [255, 255, 255, 255]cv2.imshow('src', src)cv2.waitKey()

錯誤信息都是類似的，提示數組維度不同。

ValueError: cannot copy sequence with size 4 to array axis with dimension 3

最后一點使用以上方式操作圖像的像素點，非常耗時，因為一張圖片的像素點數據是非常大的，一般情況下能用 numpy 集成好的方法，就不要用這種最笨拙的方式。

使用 numpy 獲取通道值，注意該方式獲取的是標量，如果你想獲得所有 BGR 的值，你需要使用 array.item() 依次獲取。

import cv2import numpy as npsrc = cv2.imread('./6_test.jpg')print(src[100, 100])b = src.item(100, 100, 0)g = src.item(100, 100, 1)r = src.item(100, 100, 2)print(b, g, r)cv2.imshow('src', src)cv2.waitKey()

如果希望設置該值，直接使用 itemset 函數即可。

src.itemset((100, 100, 0), 200)print(src[100, 100])

可以任意尋找一張圖片進行對應的測試，運行效果如下：

[ 31 68 118]31 68 118[200 68 118]

對于一幅圖像，除了像素矩陣以外，還有一個非常重要的內容，是圖像的屬性，這些包括行、列、通道、數據類型，像素數量、圖像形狀等內容。

例如，我們經常使用 img.shape 去獲取圖像的形狀，尤其注意的是，返回的內容是行數（rows），列數（cols），以及通道數（channels），并且返回值類型是一個元組。

如果你讀取圖像的時候，設置緊讀取灰度圖，那只會返回行數和列數，相應的通過這個值很容易能判斷出你加載的圖像類型。

例如下述代碼，通過不同的方式讀取同一張圖片，輸出圖像的不同形狀。

import cv2import numpy as np# 選擇一個 jpg 圖片，可以讀取到不同的通道src1 = cv2.imread('./test.jpg', -1)src2 = cv2.imread('./test.jpg', 0)src3 = cv2.imread('./test.jpg')# 四通道，包含透明通道print(src1.shape)# 灰度圖print(src2.shape)# 三通道print(src3.shape)

輸出結果可以快速的讀取出圖像是彩色圖像還是灰度圖像。

(397, 595, 4)(397, 595)(397, 595, 3)

使用 img.size 可以快速返回圖像中像素的合計數目，測試代碼如下：

# 選擇一個 jpg 圖片，可以讀取到不同的通道src1 = cv2.imread('./test.jpg', -1)src2 = cv2.imread('./test.jpg', 0)src3 = cv2.imread('./test.jpg')# 四通道，包含透明通道print(src1.shape)print(src1.size)# 灰度圖print(src2.shape)print(src2.size)# 三通道print(src3.shape)print(src3.size)

我們依舊三種不同的讀取方式，讀取到的像素數分別如下：

(397, 595, 4)944860(397, 595)236215(397, 595, 3)708645

注意，灰度圖像和彩色圖像的像素數不同，它們之前存在如下關系。

灰度圖像的像素數 = 行數 x 列數 = 397 x 595 = 236215

彩色圖像的像素數 = 行數 x 列數 x 通道數 = 944860 （四通道）/ 708645（三通道）

使用 img.dtype 屬性可以獲取到圖像的類型，具體如下：

print(src1.dtype)

這里讀取到的值，都是相同的 uint8 表示 8 位圖像，這里可以記住只要是 uint8 格式，那對應的 BGR 值的范圍就是在 [0,255] 之間。

在操作上述屬性值的時候，會出現如下 BUG，該 BUG 的通用解決方案是排查圖片是否正常讀取，需要特別注意下：

AttributeError: ’NoneType’ object has no attribute ’shape’

print(src1.dtype)

這里讀取到的值，都是相同的 uint8 表示 8 位圖像，這里可以記住只要是 uint8 格式，那對應的 BGR 值的范圍就是在 [0,255] 之間。

在操作上述屬性值的時候，會出現如下 BUG，該 BUG 的通用解決方案是排查圖片是否正常讀取，需要特別注意下：

AttributeError: ’NoneType’ object has no attribute ’shape’

到此這篇關于Python OpenCV 針對圖像細節的不同操作的文章就介紹到這了,更多相關Python OpenCV圖像內容請搜索好吧啦網以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持好吧啦網！