计算机视觉：1.3、图像基础

最新推荐文章于 2025-04-16 18:41:32 发布

原创最新推荐文章于 2025-04-16 18:41:32 发布

· 917 阅读

5 ·

版权

文章标签：

#opencv #pytorch #html5

计算机视觉专栏收录该内容

20 篇文章

订阅专栏

计算机视觉：三、图像基础

本文我们将回顾构建图像的基础元素：像素。

什么是像素？

每个图像都由一组像素构成，像素是图像原生的基础构件，没有比像素更好的粒度(granularity)了。

一般来说，我们认为像素是图像中某个给定位置出现的光的"颜色"或者"强度"。

如果我们将图像看成一个网格，网格中的每个方块就包含一个像素。

例如，如果我们有一个分辨率为10*10的图像，这就说明我的图像被表示为一个像素网格,这个网格有10行10列。整体来说，图像中共有10✖️10=100个像素，如图。

当然我们平时所见的图像，远远不止于此，一般普通的图片都在500*300左右。

这样说来，我们的图片能被一个300*500的像素网格所表示，500行300列。总体来看共有150000个像素。

大多数的像素以两种方式来表示：灰度和彩色。灰度图中每个像素的取值范围仅仅是0-255，0对应黑色，255对应白色。0-255中间的数值则对应着灰色。

而彩色像素通常以RGB色彩空间来表示，每个像素分别有R、G、B三个值。这三个颜色分别用0-255区间中的整数来表示，代表着这个颜色的成分有多少。因为取值范围在[0,255]之间，所以通常用8位无符号整数来表示。

然后把这三个值组合成RGB三元组（red,green,blue），以此来表示颜色。

白色：(255, 255, 255)

黑色：(0, 0, 0)

红色：(255, 0, 0)

...

坐标系

如上所述，一副图像可以被表示为一个像素网格。将我们的网格想想为一张图表，图像的左上角对应着点（0， 0），当我们从该点出发向右或者向下移动时，x , y的坐标开始增加。

操纵像素

上篇文章计算机视觉：二、加载、显示与创建图片中的代码仅仅是从磁盘中读取图像、展示图像，并换一种格式保存到指定的目录下，显然还不够有趣。

接下来我们做点更有意思的事情：对图像中的像素进行处理和操作。

上代码：

import cv2
import numpy as np
import argparse


ap = argparse.ArgumentParser()
ap.add_argument("-I", "--image", required=True,
                help="the path to the image")
args = vars(ap.parse_args())

image = cv2.imread(args["image"])
cv2.imshow("origin", image)
cv2.waitKey(0)

和之前一样，读入一张图片并展示。

执行命令

 python manipulatePixel.py --image ~/Desktop/1.jpeg

又看见了这只可爱的小松鼠，那么按照我们之前说的，这幅松鼠的图像在计算机中是用一组像素来表示的，那么我们能否对这组像素做一些操作呢？

显然是可以的，我们通过指定在坐标系中的x和y坐标来确定我们要操作的像素。同时，我们可以通过给定的三元组来表示图像的红、绿和蓝色成分。

但是，我们需要注意的是OpenCV中以相反的顺序来存储RGB通道，也就是说，通常我们说的RGB通道在OpenCV中以蓝、绿、红的顺序来存储。这点需要特别注意以免后面出现混淆。

现在，让我们通过代码来实现对像素的操作吧：

在上面的代码后面追加：

(b, g, r) = image[0, 0]
print("（0，0）处的像素：红色：{},绿色：{}，蓝色：{}".format(r, g, b))

image[0, 0] = (0, 0, 255)
(b, g, r) = image[0, 0]
print("（0，0）处的像素：红色：{},绿色：{}，蓝色：{}".format(r, g, b))

可以看到，我们将图像中的（0，0）坐标处的像素分解成一个三元组(b, g, r)，分别代表该像素的蓝、绿、红三个通道，并将他们分别输出。

然后再将该点处像素三个通道的值改变成(0, 0, 255)后分别输出。

当我们点击展示处的图像，并按下任意键后，输出下列信息。

（0，0）处的像素：红色：41,绿色：64，蓝色：22
（0，0）处的像素：红色：255,绿色：0，蓝色：0

可以看到（0，0）处的像素信息被打印出来，随后该值被改变，又再一次被输出。

我们可以如此简单的读取并操作图片中的像素都是因为NumPy的帮助。

上面的代码只对单个的像素值进行操作，看起来非常简单但如果我们想对图像的某个区域进行操作呢？我们可以利用NumPy的切片能力来完成，我们在上述的代码下追加如下代码：

corner = image[0:100, 0:100]
cv2.imshow("Corner", corner)

image[0:100, 0:100] = (255, 0, 0)

cv2.imshow("changed", image)
cv2.waitKey(0)

我们定义了一个新的数组，这个数组复制了小松鼠图像的左上角x=0到x=100 ，y=0到y=100的矩形的像素信息，将这个矩形定义为变量corner

然后改变了原来的image图像，将原来图像的x=0到x=100 ，y=0到y=100的矩形的像素值改变为(255, 0 , 0)，也就是将图像左上角边长为100像素的矩形的像素改变为蓝色。

执行该程序，效果如下所示：

这里我们注意一下切片的用法：

[x1:x2 , y1:y2]表示数组中从x = x1 到 x = x2 从y = y1 到y = y2的矩形切片。

总结：

今天我们主要学习了图像的基础表示：像素的概念和组成。通过执行x和y坐标来读取和改变单个像素点的信息。然后通过数组切片的来读取和改变图像中某个区域的像素的信息。

参考书籍：Practical Python and OpenCV