OpenCV3 for python3 学习笔记2

　　1、安装

　　　　如果你是第一次使用OpenCV Python开发包，想要安装OpenCV Python只要执行如下命令行即可：

　　　 pip install opencv-python

　　　如果你还想使用OpenCV Python的扩展模块，执行如下命令行即可：

　　　 pip install opencv-contrib-python

　　　如果你已经安装了OpenCV以前的3.x版本只需要执行对应的升级安装命令行如下（假设你已经安装opencv-python 3.x）

　　　 pip install –upgrade opencv-python

　　　如果在安装的时候遇到python命令不识别或者pip命令行不识别，请执行如下的命令行实现安装：

　　　 python –m pip install opencv-python
　　　　或者
　　　　python –m pip install opencv-contrib-python

　　2、图像与原始字节之间的转换

　　　　从概念上讲，一个字节能表示0到255的整数。目前，对于多有的实时图像应用而言，虽然有其他的表示形式，但一个像素通常由每个通道的一个字节表示。

　　　　一个OpenCV图像是.array类型的二维或三维数组。8位的灰度图像是一个含有字节值的二维数组。一个24位的BGR图像是一个三维数组，它也包含了字节值。

　　可使用表达式访问这些值，如image[0,0]或image[0,0,0]。第一个值代表像素的y坐标啊或行，0表示顶部；第二个值是像素的x坐标或列，0表示最左边；

　　　　第三个值（如果可用的话）表示颜色通道。如，对于一个左上角有白色像素的8位灰度图像而言，image[0,0]的值为255. 对于一个左上角有蓝色像素的24位BGR图像而言，image[0,0]是[255,0,0]。

　　　　可以用另外一个表示，如image[0,0]或image[0,0]=128，还可表示成image.item((0,0))或image.setitem((0,0),128)。对于单像素操作，第二种表示方式更有效。

　　　　若一幅图像的每个通道为8位，则可将其显示转换为标准的一维Python bytearray格式：byteArray = bytearray(image)

　　　　反之，bytearray含有恰当顺序的字节，可以通过显示转换和重构，得到numpy.array形式的图像：

　　　　garyImage = numpy.array(garyByteArray ).reshape(height, width)

　　　　bgrImage = numpy.array(bgrByteArray ).reshape(height, width, 3)

　　　　下面介绍将含有随机字节的bytearray转换为灰度图像和BGR图像：

import cv2

import numpy as np

import os

# 创建一个120000个随机字节的数组

randomByteArray = bytearray(os.urandom(120000))  #os.urandom(n) 返回n个随机byte值的string，作为加密使用

flatNumpyArray = np.array(randomByteArray)

# 将数组转换为400 x 300的灰度图像

garyImage = flatNumpyArray.reshape(300, 400)

cv2.imwrite('randomGary.png', garyImage)

# 将数组转换为400 x 300的彩色图像

bgrImage = flatNumpyArray.reshape(100, 400, 3)

cv2.imwrite('randomColor.png', bgrImage)

　　　运行该程序，将会在程序所在目录中生成两张灰度图像（如下所示）。尺寸分别为400 x 100，400 x 400

　　　　使用Python标准的os.urandom()函数可随机生成原始字节，随后会把该字节转换为NumPy数组。需要注意的是，诸如numpy.random.randint(0, 256, 120000).reshape(400, 300)

　　语句也能直接（并且更高效地）随机生成NumPy数组。使用os.urandom()函数的原因是该语句有助于展示原始字节的转换。

　　3、使用numpy.array访问图像数据

　　　　加载OpenCV图像最简单的方式是使用imread()函数，该函数会返回一幅图像，这幅图像是一个数组（根据imread()函数输入参数的不同，该图像可能是二维数组，也可能是三维数组）。

　　　　y.array结构针对数组操作有很好的优化，它允许某些块(bulk)操作，这些操作在通常的Python中不可用这些特定的.array操作在OpenCV的图像处理中会很方便。利用numpy.array

　　函数来转换数组比用普通的Python数组转换要快得多。

　　　　waitKey()的参数为等待键盘触发的时间，单位为毫秒，其返回值为-1（表示没有键被按下）

img = cv2.imread('flower.png')

img[0,0] = [255, 255, 255]

cv2.imshow('flower', img)

cv2.waitKey()

　　　　在图像左上方会出现一个白点。

　　　　假设想要改变一个特定像素的蓝色值，numpy.array提供了item()方法。该函数有3个参数：x（或左）位置，y（或顶部）位置以及（x,y）位置的数组索引（注意，

　　在BGR图像中，某一位置的数据是按B,G,R的顺序保存的三元数组），该函数能返回索引函数的值。另一个方法是通过itemset()函数可设置指定像素在指定通道的值（

　　itemset()有两个参数：一个三元组(x,y和索引）和要设定的值）。如下例子将坐标（150,120）的当前蓝色值127变为255

img = cv2.imread('flower.png')

print(img.item(150, 120, 0))  # 206 打印当前坐标点的蓝色值

img.itemset((150, 120, 0), 255)

print(img.item(150, 120, 0)) #

　　　　建议使用内置的滤波器和方法来处理整个图像，上述方法只适合于处理特定的小区域。

　　　　下面介绍操作通道：将指定通道（B,G,R）的所有值置为0.（注：通过循环来处理Python数组的效率非常低，应该尽量避免这样的操作。使用数组索引可以高效地操作像素。

　　　　像素操作是一个高代价的低效操作，特别是在视频数据处理时，会发现要等很久才能得到结果。可用索引(indexing)来解决该问题）

　　　　以下代码可将图像所有的G（绿色）值设为0

　　　　通过NumPy数组的索引访问原始像素，还可设定感兴趣区域(Region Of Interest, ROI)。一旦设定了该区域，就可以执行许多操作，例如，将该区域与变量绑定，

　　然后设定第二个区域，并将第一个区域的值分配给第二个区域（将图像的一部分拷贝到该图像的另一个位置）：

　　　　此外，还可使用numpy.array来获得图像其他属性。

　　　　shape：NumPy返回包含宽度、高度和通道数（如果图像是彩色的）数组，这在调试图像类型时很有用；如果图像是单色或灰度的，将不包含通道值；

　　　　size：该属性是指图像像素的大小；

　　　　datatype：该属性会得到图像的数据类型（通常为一个无符号整数类型的变量和该类型占的位数，比如unit8类型）

img = cv2.imread('flower.png')

print(img.shape)

print(img.size)

print(img.dtype)

　　　　运行结果：

　　　　(332, 332, 3)

　　　　330672
　　　　uint8

　参考：https://www.cnblogs.com/xiaotongtt/p/6601951.html