OpenCV学习笔记(3)——图像的基本操作
- 获取图像的像素值并修改
- 获取图像的属性(信息)
- 图像的ROI()
- 图像通道的拆分及合并
1.获取并修改像素值
先读入图像装入一个图像实体,然后该实体相当于一个多维list,可以直接用数组操作提取像素信息,像素信息为按照BGR顺序排列(灰度图像会返回其灰度值)的一个list,也可以用list操作提取其单个值
import numpy as np
import cv2 img = cv2.imread('2.jpg')
px = img[100,100]
print(px)
blue = img[100,100,0]
print(blue)
##[215 218 222]
##215
还可以通过直接给像素赋值的方式来改变像素值
img[100,100] = [255,255,255]
结合Numpy库的操作会获得更好的获取像素值方法
import numpy as np
import cv2 img = cv2.imread('2.jpg')
px = img.item(10,10,2)%获取像素值
print(px)
img.itemset((10,10,2),100)%修改像素值
print(img.item(10,10,2))
#211
#100
这个方法只能获取到标量值,即无法用img.item(10,10)这样的操作获取一个list,只能通过输入一个3维坐标获取单个值
2.获取图像属性
图像属性包括:行列,通道(色彩),图像数据类型,像素数目等
img.shape可以获取图像的形状,其返回值是一个包括行数,列数,通道数的元组。
import numpy as np
import cv2
img = cv2.imread('2.jpg')
print(img.shape)
#(300, 450, 3)
如果读入的图是一个灰度图,则不返回通道数,此时若调取第3个值会报错。可以通过检查返回值就可以知道加载图像是灰度图还是彩图。
img.size会返回图像的像素数
img.dtype返回的是图像的数据类型(一般是uint8),该步在debug时很重要,因为在OpenCV-Python代码中经常出现数据类型不一致的情况
3、图像ROI
即提取图像的特点区域,通过切片方式来实现
import numpy as np
import cv2
img = cv2.imread('2.jpg')
eye = img[160:180,140:150]
img[0:20,0:10] = eye
4.拆分及合并图像通道
即将BGR三个通道拆分分别进行操作,或将三个通道合并形成BGR图像
import numpy as np
import cv2
img = cv2.imread('2.jpg')
b,g,r = cv2.split(img) #可以把图像分成三个通道
# img = cv2.merge(b,g,r) 教程上说可以这样用,但输入后会提示只能输入两个值
cv2.imshow('img',r) #在尝试中发现imshow能显示的图像必须有1或3或4条信道
cv2.waitKey(0)
cv2.destroyAllWindows()
但是cv2.split操作较耗时,一般还是用切片方法
b = img[:,:,0]
同理,若要使所有红色通道均为0,可以
img[:,:,2] =
5.为图像扩边(填充)
如果想在图像周围创建一个边,就想相框一样,可以使用cv2.copyMakeBorder()函数。他经常在卷积运算或0填充时被用到。它包括以下几个参数:
- src输入图像
- top,bottom,left,right对应边界的像素数目
- borderType要添加那种类型的边界,类型有
– cv2.BORDER_CONSTANT 添加有颜色的常数值边界,还需要下一个参数(value)。
– cv2.BORDER_REFLECT 边界元素的镜像。比如: fedcba|abcdefgh|hgfedcb
– cv2.BORDER_REFLECT_101 or cv2.BORDER_DEFAULT跟上面一样,但稍作改动。例如: gfedcb|abcdefgh|gfedcba
– cv2.BORDER_REPLICATE 重复最后一个元素。例如: aaaaaa|abcdefgh|hhhhhhh
– cv2.BORDER_WRAP 不知道怎么说了, 就像这样: cdefgh|abcdefgh|abcdefg
- value边界颜色,当边界类型为cv2.BORDER_CONSTANT
OpenCV学习笔记(3)——图像的基本操作的更多相关文章
- [OpenCV学习笔记3][图像的加载+修改+显示+保存]
正式进入OpenCV学习了,前面开始的都是一些环境搭建和准备工作,对一些数据结构的认识主要是Mat类的认识: [1.学习目标] 图像的加载:imread() 图像的修改:cvtColor() 图像的显 ...
- OpenCV学习笔记(10)——图像梯度
学习图像梯度,图像边界等 梯度简单来说就是求导. OpenCV提供了三种不同的梯度滤波器,或者说高通滤波器:Sobel,Scharr和Lapacian.Sobel,Scharr其实就是求一阶或二阶导. ...
- OpenCV学习笔记(7)——图像阈值
简单阈值,自适应阈值,Otsu's二值化等 1.简单阈值 当像素值高于阈值时,我们给这个像素赋予一个新值,否则给他赋予另一个值.这个函数就是cv2.threshhold().这个函数的第一个参数就是原 ...
- opencv学习笔记(七)---图像金字塔
图像金字塔指的是同一图像不同分辨率的子图的集合,有向下取样金字塔,向上取样金字塔,拉普拉斯金字塔....它是图像多尺度表达的一种,最主要的是用于图像的分割 向下取样金字塔指高分辨率图像向低分辨率图像的 ...
- opencv学习笔记(六)---图像梯度
图像梯度的算法有很多方法:sabel算子,scharr算子,laplacian算子,sanny边缘检测(下个随笔)... 这些算子的原理可参考:https://blog.csdn.net/poem_q ...
- opencv学习笔记(五)----图像的形态学操作
图像的形态学操作有基本的腐蚀和膨胀操作和其余扩展形态学变换操作(高级操作)-----开运算,闭运算,礼帽(顶帽)操作,黑帽操作...(主要也是为了去噪声,改善图像) 形态学操作都是用于处理二值图像(其 ...
- opencv学习笔记3——图像缩放,翻转和阈值分割
#图像的缩放操作 #cv.resize(src,dsize,dst=None,,fx=None,fy=None,interpolation=None) #src->原图像,dsize->目 ...
- (转) OpenCV学习笔记大集锦 与 图像视觉博客资源2之MIT斯坦福CMU
首页 视界智尚 算法技术 每日技术 来打我呀 注册 OpenCV学习笔记大集锦 整理了我所了解的有关OpenCV的学习笔记.原理分析.使用例程等相关的博文.排序不分先后,随机整理的 ...
- OpenCV 学习笔记 02 使用opencv处理图像
1 不同色彩空间的转换 opencv 中有数百种关于不同色彩空间的转换方法,但常用的有三种色彩空间:灰度.BRG.HSV(Hue-Saturation-Value) 灰度 - 灰度色彩空间是通过去除彩 ...
随机推荐
- win7-32位安装mysql-5.7.27
下载 https://dev.mysql.com/downloads/mysql/5.7.html#downloads 参考链接 https://blog.csdn.net/qq_41307443/a ...
- CDH5.16.1升级kafka0.10到1.0.1
激活1.0.1的包
- concurrent.futures:线程池,让你更加高效、并发的处理任务
并发任务池 concurrent.futures模块提供了使用工作线程或进程池运行任务的接口. 线程池和进程池的API是一致的,所以应用只需要做最小的修改就可以在线程和进程之间进行切换 这个模块提供了 ...
- swoole如何在后台运行
swoole如何在后台运行 nohup php server.php &
- iptables 设置指定IP客户端访问服务器redis端口
一.需求描述 服务器172.28.18.75开放了6379redis端口,由于没有设置登录密码,所以需要防火墙设置只能指定的IP地址172.28.5.125客户端访问redis端口 二.查看172.2 ...
- server version for the right syntax to use near 'USING BTREE 数据库文件版本不合导致的错误
MySQL 返回:#1064 - You have an error in your SQL syntax; check the manual that corresponds to your MyS ...
- zencart根据configuration_id cID查找站点配置
admin/configuration.php?gID=6&cID=1075 zencart根据configuration_id cID查找站点配置 ; zencart根据configurat ...
- UVA - 1640 The Counting Problem (数位dp)
题意:统计l-r中每种数字出现的次数 很明显的数位dp问题,虽然有更简洁的做法但某人已经习惯了数位dp的风格所以还是选择扬长避短吧(说白了就是菜啊) 从高位向低位走,设状态$(u,lim,ze)$表示 ...
- 【CF1181D】Irrigation
题目大意:给定 M 个城市,每年会选出一个城市举办比赛,现给出前 N 年城市举办比赛的情况.在接下来的年份中,每年会在举办比赛次数最小的城市举办比赛,如果有很多城市举办次数均为最小值,则在编号最小的城 ...
- Web前端经典面试试题(一)
本篇收录了一些面试中经常会遇到的经典面试题,并且都给出了我在网上收集的答案.眼看新的一年马上就要开始了,相信很多的前端开发者会有一些跳槽的悸动,通过对本篇知识的整理以及经验的总结,希望能帮到更多的前端 ...