OpenCV-----Numpy数组

Nunmpy数组包含:

• 强大的N维数组对象

• 复杂的（广播）功能

• 集成C / C ++和Fortran代码的工具

• 有用的线性代数，傅立叶变换和随机数功能

遍历与修改数组中的所有像素点

 #对所有像素进行循环
 def access_pixels(image):
     print(image.shape)
     height = image.shape[0]     #高度
     width = image.shape[1]      #宽度
     channels = image.shape[2]   #通道数
     print("width : %s, height : %s, channels : %s"%(width, height, channels))
     for row in range(height):               #循环获取每一个像素点
         for col in range(width):
             for c in range(channels):
                 pv = image[row, col, c]         #维度
                 image[row, col, c] = 255 - pv
     cv.imshow("pixels_demo",image)

创建新图像

创建新图像:

 np.zeros([400, 400, 3], np.uint8)        #形状、类型

代码：

 #通过Numpy对一个数组指定维数赋值
 def create_image():
     '''
     #(创建一个新三通道的图像)
     #多通道常见为RGB图像
     # img = np.zeros([400, 400, 3], np.uint8)
     # img[: ,: ,0] = np.ones([400, 400])*255      #0表示第一通道Blue;1表示第二通道Green;3表示第三通道Read

     #单通道常见为灰度图像
     # img = np.zeros([400, 400, 1], np.uint8)       #创建新的图像
     # img[:, :, 0] = np.ones([400, 400]) * 127
     img = np.ones([400, 400, 1], np.uint8)
     img =img*127
     cv.imshow("new image", img)     #窗口显示
     cv.imwrite("C:/Users/shinelon/Desktop/DL/001.png")   #将图像保存
     '''

     #初始化二维,打印像素点
     m1 = np.ones([3, 3], np.float32)
     m1.fill(222.388)
     print(m1)

     m2 = m1.reshape([1,9])      #改变其在空间的形状
     print(m2)

其他知识点

获取当前CPU时钟:

 t1 = cv.getTickCount()                  #获取当前CPU时间

完整代码

 import cv2 as cv
 import numpy as np

 #对所有像素进行循环;解释执行速度较慢
 def access_pixels(image):
     print(image.shape)
     height = image.shape[0]     #高度
     width = image.shape[1]      #宽度
     channels = image.shape[2]   #通道数
     print("width : %s, height : %s, channels : %s"%(width, height, channels))
     for row in range(height):               #循环获取每一个像素点
         for col in range(width):
             for c in range(channels):
                 pv = image[row, col, c]         #维度
                 image[row, col, c] = 255 - pv
     cv.imshow("pixels_demo",image)

 def inverse(image):
     dest = cv.bitwise_not(image)    #像素取反,依靠C的代码
     cv.imshow("inverse",dest)

 #通过Numpy对一个数组指定维数赋值
 def create_image():
     '''
     #(创建一个新三通道的图像)
     #多通道常见为RGB图像
     # img = np.zeros([400, 400, 3], np.uint8)
     # img[: ,: ,0] = np.ones([400, 400])*255      #0表示第一通道Blue;1表示第二通道Green;3表示第三通道Read

     #单通道常见为灰度图像
     # img = np.zeros([400, 400, 1], np.uint8)       #创建新的图像
     # img[:, :, 0] = np.ones([400, 400]) * 127
     img = np.ones([400, 400, 1], np.uint8)
     img =img*127
     cv.imshow("new image", img)     #窗口显示
     cv.imwrite("C:/Users/shinelon/Desktop/DL/001.png")   #将图像保存
     '''

     #初始化二维,打印像素点
     m1 = np.ones([3, 3], np.float32)
     m1.fill(222.388)
     print(m1)

     m2 = m1.reshape([1,9])      #改变其在空间的形状
     print(m2)

     m3 = np.array([[2, 3, 4], [4, 5, 6], [7, 8, 9]], np.int32)      #卷积神经需要
     #m3.fill(9)
     print(m3)

 print("------Python OpenCV Tutorial-----")
 src = cv.imread("C:/Users/shinelon/Desktop/DL/12.png")      #括号类为图片的绝对路径
 cv.namedWindow("input image",cv.WINDOW_AUTOSIZE)
 cv.imshow("input image",src)            #将图片在Windows窗口显示
 t1 = cv.getTickCount()                  #获取当前CPU时间
 create_image()
 #access_pixels(src)      #时间比较长
 inverse(src)            #优化,时间较短
 t2 = cv.getTickCount()
 time = (t2 - t1)/cv.getTickFrequency()      #运行的时间ms
 print("time : %s ms"%(time*1000))
 cv.waitKey(0)

 cv.destroyAllWindows()