利用numpy实现多维数组操作图片

1、上次介绍了一点点numpy的操作，今天我们来介绍它如何用多维数组操作图片，这之前我们要了解一下色彩是由blue ,green ,red 三种颜色混合而成，0：表示黑色 ，127：灰色 ，255：白色   ；接下来我们还是来看代码：

 import cv2 as cv
 import numpy as np

 def access_piexls(image):
     print(image.shape)  #获取图像的形状大小
     height=image.shape[0] #图像的第一维度高度
     width=image.shape[1] #图像的第二维度宽度
     channels=image.shape[2] #图像的第三维度通道数
     print("height : %s , width :%s , channels: %s"%(height,width,channels))
     for row in range(height):
         for col in range(width):
             for c in range(channels):
                 pv=image[row,col,c] #一个三维数组，来获取每个维度的值
                 image[row,col,c]=255-pv  #修改它的颜色显示
     cv.imshow("hhhh",image)
 src=cv.imread("D:\hh.JPG")   #blue green red 色彩通道，这是基本的色彩构成，后面会学到  0：表示黑色   255：表示白色

 cv.namedWindow('input image',0)
 cv.imshow('input image',src)
 t1=cv.getTickCount() #获取当前cpu转动的时间
22  access_piexls(src)
  t2=cv.getTickCount()
 print("time : %s ms" %((t2-t1)/cv.getTickFrequency()*1000))  #计算走了多少秒
 cv.waitKey(-1)
 cv.destoryAllWindows()

最终实现的效果如下（我们可以看到cpu 显示这这张修改后的照片时间是9秒左右，同时照片的颜色也被改变了）：

2、接下来我们我可以在这个基础上创建出一张新的照片来：

 import cv2 as cv
 import numpy as np

 def access_piexls(image):
     print(image.shape)  #获取图像的形状大小
     height=image.shape[0] #图像的第一维度高度
     width=image.shape[1] #图像的第二维度宽度
     channels=image.shape[2] #图像的第三维度通道数
     print("height : %s , width :%s , channels: %s"%(height,width,channels))
     for row in range(height):
         for col in range(width):
             for c in range(channels):
                 pv=image[row,col,c] #一个三维数组，来获取每个维度的值
                 image[row,col,c]=255-pv  #修改它的颜色显示
     cv.imshow("hhhh",image)
 def creat_image():
     img = np.zeros([400,400,3],np.uint8)  #全zeros时 创建一个图片，高为400，宽为400，三个色彩通道矩阵图像    类型为uint8，这个时候我们还没有对图片进行颜色改变
     cv.imshow("new_img", img)

 src=cv.imread("D:\hh.JPG")   #blue green red 色彩通道，这是基本的色彩构成，后面会学到  0：表示黑色   255：表示白色

 cv.namedWindow('input image',0)
 cv.imshow('input image',src)
 t1=cv.getTickCount() #获取当前cpu转动的时间
 #access_piexls(src)
 creat_image()
 t2=cv.getTickCount()
 print("time : %s ms" %((t2-t1)/cv.getTickFrequency()*1000))  #计算走了多少秒
 cv.waitKey(-1)
 cv.destoryAllWindows()

最终效果是一张黑色的照片：

3、接下来我们把这张新建的黑色照片，对它进行颜色操作，把它改成blue,也就是对颜色第一颜色通道进行多维数组操作（当然你也可以对其两个颜色通道进行修改）：

 import cv2 as cv
 import numpy as np

 def access_piexls(image):
     print(image.shape)  #获取图像的形状大小
     height=image.shape[0] #图像的第一维度高度
     width=image.shape[1] #图像的第二维度宽度
     channels=image.shape[2] #图像的第三维度通道数
     print("height : %s , width :%s , channels: %s"%(height,width,channels))
     for row in range(height):
         for col in range(width):
             for c in range(channels):
                 pv=image[row,col,c] #一个三维数组，来获取每个维度的值
                 image[row,col,c]=255-pv  #修改它的颜色显示
     cv.imshow("hhhh",image)
 def creat_image():
     img = np.zeros([400,400,3],np.uint8)  #全zeros时 创建一个图片，高为400，宽为400，三个色彩通道矩阵图像    类型为uint8，这个时候我们还没有对图片进行颜色改变
     img[: , : , 0]=np.ones([400,400])*255  #修改第一通道的颜色为blue  对第一个颜色通道操作
     cv.imshow("new_img", img)

 src=cv.imread("D:\hh.JPG")   #blue green red 色彩通道，这是基本的色彩构成，后面会学到  0：表示黑色   255：表示白色

 cv.namedWindow('input image',0)
 cv.imshow('input image',src)
 t1=cv.getTickCount() #获取当前cpu转动的时间
 #access_piexls(src)
 creat_image()
 t2=cv.getTickCount()
 print("time : %s ms" %((t2-t1)/cv.getTickFrequency()*1000))  #计算走了多少秒
 cv.waitKey(-1)
 cv.destoryAllWindows()

4、单通道操作，更加简单：

 import cv2 as cv
 import numpy as np

 def creat_image():
     img = np.ones([400,400,3],np.uint8)
     img=img * 0
     cv.imshow("new_img", img)

 cv.waitKey(-1)
 cv.destoryAllWindows()

5、填充操作（当我们把创建的图片大小取小一点的话，我可以用fill(进行填充操作）：

 import cv2 as cv
 import numpy as np

 def creat_image():
     m1 = np.ones([3,3],np.uint8)
     m1.fill(122)
     print(m1)

     m2=m1.reshape([1,9])  #把一行分为9列
     print(m2)

 src=cv.imread("D:\hh.JPG")   #blue green red 色彩通道，这是基本的色彩构成，后面会学到  0：表示黑色   255：表示白色

 cv.namedWindow('input image',0)
 cv.imshow('input image',src)
 t1=cv.getTickCount() #获取当前cpu转动的时间
 #access_piexls(src)
 creat_image()
 t2=cv.getTickCount()
 print("time : %s ms" %((t2-t1)/cv.getTickFrequency()*1000))  #计算走了多少秒
 cv.waitKey(-1)
 cv.destoryAllWindows()

6、接下来用bitwise_not()函数实现像素取反，这样操作后读取照片的时间就非常快了：

 import cv2 as cv
 import numpy as np
 #进行像素取反操作，可以使读取照片的速度加快

 def inverse(img):
     dst=cv.bitwise_not(img)
     cv.imshow("取反",dst)
 src=cv.imread("D:\hh.JPG")   #blue green red 色彩通道，这是基本的色彩构成，后面会学到  0：表示黑色   255：表示白色

 cv.namedWindow('input image',0)
 cv.imshow('input image',src)
 t1=cv.getTickCount() #获取当前cpu转动的时间
 #access_piexls(src)
 inverse(src)
 t2=cv.getTickCount()
 print("time : %s ms" %((t2-t1)/cv.getTickFrequency()*1000))  #计算走了多少秒
 cv.waitKey(-1)
 cv.destoryAllWindows()

以上就是今天所学的东西了，就分享到这里了，睡觉了，现在是凌晨12:36,。