Python OpenCV 图像处理再循环，第一阶段复盘

梦想橡皮擦

关注

发布于: 1 小时前

Python OpenCV 365 天学习计划，与橡皮擦一起进入图像领域吧。本篇博客是这个系列的第 40 篇。

基础知识铺垫

经过一个阶段的努力，我们已经来到了 Python OpenCV 学习的第二个阶段，本阶段将对之前的学习的内容查漏补缺，再进一步。

图像中的像素

我们在研究一下图像中像素是如何呈现的吧。首先编写一个普普通通的图片展示代码。

import cv2 as cv
image = cv.imread("./test.jpg")cv.imshow("image",image)
# 输出像素print(image.shape)print(image[:5,:])
cv.waitKey(0)cv.destroyAllWindows()

复制代码

输出数据如下，由于是彩色图像，呈现的是一个三维数组。

(640, 640, 3)[[[212 151  87]  [175 104  41]  [231 137  78]  ...  [150 144 145]  [188 186 132]  [196 195 115]]
 [[255 229 160]  [188 118  51]  [196 106  42]  ...  [206 190 178]  [216 200 153]  [199 183 117]]

复制代码

数组与列表的区别，可以仔细观察一下。

通过输出类型，可以获取 image 是 <class 'numpy.ndarray'> 类型的数据。

三维数组最内层的三个数字就是一个像素的取值，分别表示 BGR，取值范围是 0~255 合计 256 种取值。

每个值都表示的是亮度，所以 0 表示最暗，255 表示最亮。

获取单通道数据与像素值的加减操作

采用下述代码，可以获取图像单通道数据

print(image[:5,:,0])

复制代码

得到的数据如下：

[[212 175 231 ... 150 188 196] [255 188 196 ... 206 216 199] [251 180 201 ... 233 236 220] [173 182 232 ... 237 244 236] [187 210 233 ... 255 255 235]]

复制代码

单通道数据，呈现的是一个二维的数组。将单通道图片呈现出来，显示如下，单通道提取的图像为灰度图像。测试代码如下：

import cv2 as cvfrom matplotlib import pyplot as pltimage = cv.imread("./test.jpg")cv.imshow("image", image)
# 输出像素print(image.shape)
image[:, :, 0] = 0image[:, :, 1] = 0r = image[:, :, 2]cv.imshow("dst",image)cv.imshow("r",r)cv.waitKey(0)

复制代码

如果希望获取到的通道呈现出 BGR 中的颜色，只需要设置其他通道值为 0，那获取到的图像依然就是彩色图像。

下述代码将得到偏黄色的图像，因为 G（绿色）+R（红色） = Y（黄色）。

image[:, :, 0] = 0cv.imshow("dst",image)

复制代码

接下来咱可以实现图像的加减操作，具体代码如下：

import cv2 as cvfrom matplotlib import pyplot as pltimage = cv.imread("./test.jpg")cv.imshow("image", image)print(image[:1, :])print("像素值+10")image = image+10print(image[:1, :])cv.imshow("dst", image)
cv.waitKey(0)

复制代码

查看像素的输出，发现每个值都进行了添加操作。

但是当像素值增加之后，超过了 255，结果会对 256 取余，例如 212+50=262 % 256 = 6。

边界填充

今天顺便补充一下边界填充的相关知识，核心用到的函数是 ``cv2.copyMakeBorder` ，函数原型如下：

dst = cv2.copyMakeBorder(src, top, bottom, left, right, borderType[, dst[, value]])

复制代码

其中最重要的参数就是 borderType ，定义要添加边框的类型，其它的只是一些数值。

borderType 具体取值如下：

cv2.BORDER_CONSTANT：添加的边界框像素值为常数（需要额外再给定一个参数，就是 value 参数）；
cv2.BORDER_REFLECT：添加的边框像素将是边界元素的镜面反射，类似于 gfedcb|abcdefgh|gfedcba，注意竖线左右的值即可；
cv2.BORDER_REFLECT_101 or cv2.BORDER_DEFAULT：和上面类似，但是有一些细微的不同，类似于 gfedcb|abcdefgh|gfedcba，注意竖线左右的数值，没有 a；
cv2.BORDER_REPLICATE：使用最边界的像素值代替，类似于 aaaaaa|abcdefgh|hhhhhhh，直接延伸边界像素值；
cv2.BORDER_WRAP：cdefgh|abcdefgh|abcdefg。具体的你可以在官方手册继续学习。最后一个 value 参数：如果 borderType 为 cv2.BORDER_CONSTANT 时需要填充的常数值。

dst：添加完边框的新图像，需要记住图像的新尺寸为 (src.shape[1]+left+right, src.shape[0]+top+bottom)。通过下述代码，进行完成的呈现。

import cv2 as cvfrom matplotlib import pyplot as pltimage = cv.imread("./t1.png")b, g, r = cv.split(image)rgb_img = cv.merge((r, g, b))
replicate = cv.copyMakeBorder(rgb_img, 100, 100, 100, 100, cv.BORDER_REPLICATE)reflect = cv.copyMakeBorder(rgb_img, 100, 100, 100, 100, cv.BORDER_REFLECT)reflect101 = cv.copyMakeBorder(    rgb_img, 100, 100, 100, 100, cv.BORDER_REFLECT_101)wrap = cv.copyMakeBorder(rgb_img, 100, 100, 100, 100, cv.BORDER_WRAP)constant = cv.copyMakeBorder(    rgb_img, 100, 100, 100, 100, cv.BORDER_CONSTANT, value=(0, 255, 0))
plt.subplot(231), plt.imshow(rgb_img), plt.title('ORIGINAL')plt.subplot(232), plt.imshow(replicate), plt.title('REPLICATE')plt.subplot(233), plt.imshow(reflect), plt.title('REFLECT')plt.subplot(234), plt.imshow(reflect101), plt.title('REFLECT_101')plt.subplot(235), plt.imshow(wrap), plt.title('WRAP')plt.subplot(236), plt.imshow(constant), plt.title('CONSTANT')
plt.show()
cv.waitKey(0)

复制代码

运行结果如下图所示，注意 plt 绘图后图片的横纵坐标表示的是图像的像素数量。学习的时候，对比着刚才的字母说明，然后在看着图片学习一下，很容易可以掌握。

橡皮擦的小节

希望今天的 1 个小时你有所收获，我们下篇博客见~

发布于: 1 小时前阅读数: 2

原文链接:【http://xie.infoq.cn/article/f1eb912647d0b08a2a1cfb00b】。文章转载请联系作者。

梦想橡皮擦

关注

爬虫 100 例作者，蓝桥签约作者，博客专家 2021.02.06 加入

6 年产品经理+教学经验，3 年互联网项目管理经验；互联网资深爱好者；沉迷各种技术无法自拔，导致年龄被困在 25 岁； CSDN 爬虫 100 例作者。个人公众号“梦想橡皮擦”。

发布

暂无评论

创作场景

Python OpenCV 图像处理再循环，第一阶段复盘

基础知识铺垫

图像中的像素

获取单通道数据与像素值的加减操作

边界填充

橡皮擦的小节

梦想橡皮擦

评论