Opencv学习四：图像处理基础

一、图像的基本表示方法

本文要熟练掌握Numpy库，尤其是Numpy.arry库，是python处理图像的基础

vs2017+python+opencv配置：https://blog.youkuaiyun.com/qq_43440703/article/details/88375609

1.二值图像

二值图像是指仅仅包含黑色和白色两种颜色的图像。

2.灰度图像

二值图像虽然表示起来简单方便，但是因为仅有两种颜色，所以表示起来不够细腻，如果用灰度图像，就采用了更多的数值体现不同的颜色，因此图像细节信息更加丰富。

通常，计算机会将灰度图像处理为256个灰度集，用数值[0，255]来表示。其中，数值“255”表示纯白色，数值“0”表示纯黑色，其余的数值表示从纯白到纯黑之间不同级别的灰度。

3.彩色图像（RGB）

相比二值图像和灰度图像，彩色图像是很常见的，它可以表现更丰富的细节信息。

在RGB色彩空间中，存在R（red，红色）通道,G（green，绿色）通道和B（blue，蓝色）通道，共三个通道。每个彩色通道值的范围都在[0,255]之间，我们用这三个色彩通道的组合表示颜色。

一般来说，在RGB色彩空间中，图像通道的顺序是R→G→B;在opencv中，通道的顺序是B→G→R。我们在处理图像是需要将图像进行类型转换，比如|：将灰度图像处理为二值图像，将彩色图像处理为灰度图像等。

二、像素处理

像素是图像构成的基本单位。

1.二值图像及灰度图像

在Opencv中，最小的数据类型是无符号的8位数，因此，Opencv中并没有二值图像这种类型，二值图像通常是通过处理后得到的，0表示黑色，255表示白色。

可以将二值图像理解为特殊的灰度图像，在面向Python的Opencv中，图像就是Numpy库中的数组。例如image[0,0]访问图像image第0行第0列位置上的像素点。

例如，读取一个灰度图像，对其像素进行访问、修改，具体代码如下：

import cv2
img = cv2.imread("C:\\Users\\asus\\Desktop\\lena.bmp",0)
cv2.imshow("before",img)
for i in range(10,100):
    for j in range(80,100):
        img[i,j]=255              #将10~99行与80~99列交叉区域的像素值设置为255
cv2.imshow("after",img)
cv2.waitKey(0)
cv2.destroyAllWindows()

2.彩色图像

RGB模式的彩色图像读入Opencv中进行处理时，会依次读取BGR通道的像素点。例如，可以使用image[0,0,0]访问图像image的B通道内的第0行第0列上的像素点，式中：

• 第1个索引表示第0行。
• 第2个索引表示第0列。
• 第3个索引表示第0个颜色通道。

例如，使用Numpy生成一个三维数组，用来观察三个通道值的变化情况。

import numpy as np
import cv2
img=np.zeros((300,300,3),dtype=np.uint8)
img[:,0:100,0]=255
img[:,100:200,1]=255
img[:,200:300,2]=255
print("img=\n",img)
cv2.imshow("img",img)
cv2.waitKey()
cv2.destroyAllWindows()

读取一副彩色图像，并对其像素进行访问、修改，具体代码如下：

import cv2
img = cv2.imread("C:\\Users\\asus\\Desktop\\logo.png")
cv2.imshow("before",img)
print("访问 img[0,0]=",img[0,0])#访问img上第0行第0列位置BGR三个像素点
print("访问 img[0,0,0]=",img[0,0,0])#
print("访问 img[0,0,1]=",img[0,0,1])
print("访问 img[0,0,2]=",img[0,0,2])
print("访问 img[50,0]=",img[50,0])
print("访问 img[100,0]=",img[100,0])
#区域一
for i in range(0,50):          #宽度
    for j in range(0,100):     #长度
        for k in range(0,3):
            img[i,j,k]=255

# 区域二
for i in range(50, 100):
    for j in range(0, 100):
            img[i, j] = [128,128,128]

# 区域三
for i in range(100, 150):
    for j in range(0, 100):
            img[i, j] = 0

cv2.imshow("after",img)
print("修改后 img[0,0]=",img[0,0])
print("修改后 img[0,0,0]=",img[0,0,0])
print("修改后 img[0,0,1]=",img[0,0,1])
print("修改后 img[0,0,2]=",img[0,0,2])
print("修改后 img[50,0]=",img[50,0])
print("修改后 img[100,0]=",img[100,0])
cv2.waitKey()
cv2.destroyAllWindows()

三、使用numpy.array访问像素

1.二值图像及灰度图像

上文我们说过，可以将二值图像理解为特殊的灰度图像，所以下面我们仅讨论灰度图像。

读取一副灰度图像，并对其像素值进行访问和修改，代码如下：

import cv2
img = cv2.imread("C:\\Users\\asus\\Desktop\\lena.bmp",0)
print("读取像素点img.item(3,2)=",img.item(3,2))
img.itemset((3,2),255)          #修改第三行第二列的像素值为255
print("修改后像素点img.item(3,2)=",img.item(3,2))
cv2.imshow("before",img)
for i in range(10,100):
    for j in range(80,100):
        img.itemset((i,j),255)
cv2.imshow("after",img)
cv2.waitKey()
cv2.destroyAllWindows()

2.彩色图像

接下来我们处理彩色图像，对它的像素进行访问和修改，代码如下：

import cv2
import numpy as np
img = cv2.imread("C:\\Users\\asus\\Desktop\\logo.png")
cv2.imshow("before",img)
print("访问像素点img.item(0,0,0)=",img.item(0,0,0))
print("访问像素点img.item(0,0,1)=",img.item(0,0,1))
print("访问像素点img.item(0,0,2)=",img.item(0,0,2))
for i in range(0,50):
    for j in range(0,100):
        for k in range(0,3):
            img.itemset((i,j,k),255)
cv2.imshow("after",img)
print("修改后像素点img.item(0,0,0)=",img.item(0,0,0))
print("修改后像素点img.item(0,0,1)=",img.item(0,0,1))
print("修改后像素点img.item(0,0,2)=",img.item(0,0,2))
cv2.waitKey()
cv2.destroyAllWindows()

四、感兴趣区域（ROI）

在对图像处理过程中，我们可能会对图像的某一个特定区域感兴趣，这个区域被称为感情去区域（ROI）。在设定感兴趣区域后，可以对这个区域进行整体操作。

获取图像的脸部信息。并且显示出来，代码如下：

#灰度图像
import cv2
a = cv2.imread("C:\\Users\\asus\\Desktop\\lena.bmp",cv2.IMREAD_UNCHANGED)
face = a[220:400,250:350]
cv2.imshow("original",a)
cv2.imshow("face",face)
cv2.waitKey(0)
cv2.destroyAllWindows()

#RGB图像
import cv2
import numpy as np
a = cv2.imread("C:\\Users\\asus\\Desktop\\logo.png",cv2.IMREAD_UNCHANGED)
face = np.ones((101,101,3))
face = a[220:400,250:350]
cv2.imshow("original",a)
cv2.imshow("face",face)
cv2.waitKey(0)
cv2.destroyAllWindows()

如果我们想把上面的ROI复制到另一张图要怎么做呢？

import cv2
import numpy as np
lena = cv2.imread("C:\\Users\\asus\\Desktop\\logo.png")
songyi = cv2.imread("C:\\Users\\asus\\Desktop\\songyi.png")
cv2.imshow("lena",lena)
cv2.imshow("songyi",songyi)
face = np.ones((101,101,3))
face = lena[220:400,250:350]
songyi[160:340,200:300]=face
cv2.imshow("result",songyi)
cv2.waitKey(0)
cv2.destroyAllWindows()

五、通道操作

1.通过cv2.split()函数来拆分图像的通道后合并

import cv2
lena=cv2.imread("C:\\Users\\asus\\Desktop\\logo.png")
b,g,r=cv2.split(lena)
cv2.imshow("B",b)
cv2.imshow("G",g)
cv2.imshow("R",r)
cv2.waitKey()
cv2.destroyAllWindows()

2.通道合并

将三个灰度图像构成一幅彩色图像，用cv2.merge（）函数实现

import cv2
import numpy as np
a=cv2.imread("C:\\Users\\asus\\Desktop\\logo.png")
rows,cols,chn=a.shape#求a通道有多少行多少列
b=cv2.split(a)[1]
g=np.zeros((rows,cols),a.dtype)
r=np.zeros((rows,cols),a.dtype)
m=cv2.merge([b,g,r])
cv2.imshow("merge",m)
cv2.waitKey()
cv2.destroyAllWindows()

六、获取图像属性

• shape：如果是彩色图像，则返回包含行数、列数、通道数的数组；二值或灰度图像仅返回行、列数。
• size：返回乳香的像素数目。其值为“行X列X通道数”，灰度图像或者二值图像的通道数为1。
• dtype：返回图像的数据类型。

下面我们编写程序来观察图像的常用属性值：

import cv2
a = cv2.imread("C:\\Users\\asus\\Desktop\\lena.bmp",cv2.IMREAD_UNCHANGED)
b = cv2.imread("C:\\Users\\asus\\Desktop\\logo.png",cv2.IMREAD_UNCHANGED)
print("图像gary属性：")
print("gary.shape=",a.shape)
print("gary.size=",a.size)
print("gary.dtype=",a.dtype)
print("图像color属性：")
print("color.shape=",b.shape)
print("color.size=",b.size)
print("color.dtype=",b.dtype)

输出结果：

图像gary属性：
gary.shape= (512, 512, 3)
gary.size= 786432
gary.dtype= uint8
图像color属性：
color.shape= (512, 512, 3)
color.size= 786432
color.dtype= uint8