本系列專欄寫作將采用首創(chuàng)的問答式寫作形式，快速讓你學習到 OpenCV 的初級、中級、高級知識。
6. 在 Python OpenCV 針對圖像細節(jié)的不同操作
本篇博客的目標將為你解釋一幅圖像的拆解，包括圖像像素的說明，圖像屬性信息的獲取與修改，
圖像目標區(qū)域 ROI 相關內容，以及圖像通道的知識（包括拆分通道和合并通道）
這些內容在知識結構上與 numpy 庫十分緊密，如果從學習的角度出發(fā)，建議你儲備一下 numpy 相關知識。
讀取修改圖像的像素值
在之前的博客中，我們已經學到了如何讀取一幅圖像，使用 cv2.imread 函數即可，并且掌握了該函數的兩個關鍵參數。
讀取圖片之后，我們可以直接使用操作數組的方式獲取圖像任意位置的顏色，一般這個顏色的默認順序是 BGR。
測試代碼如下：
import cv2
import matplotlib.pyplot as plt
src = cv2.imread("./6_test.jpg")
# 獲取 100 x 100 位置的像素值
print(src[100, 100])
cv2.imshow("src", src)
cv2.waitKey()
這里首先獲取 100 x 100 位置的像素值。
src[100,100]會獲取到三個值，分別對應的 BGR 通道的值。我們在圖片上標記一個像素點，rows = 250,cols=470 ，接下來修改上述代碼，看獲取到的 BGR 值。
import cv2
import matplotlib.pyplot as plt
src = cv2.imread("./6_test.jpg")
# 注意獲取像素值的格式為 [cols,rows]
print(src[250, 470])
cv2.imshow("src", src)
cv2.waitKey()
上文特別注意的就是，獲取像素值的格式為 [cols,rows]，列在前，行在后。
以上獲取到的是 BGR 值，也可以只獲取單個通道的值，對應的代碼是 [cols,rows,channel]，對應到代碼部分，如下所示：
# 獲取藍色通道值
print(src[250, 470, 0])
藍色通道對應 0，綠色通道為 1，紅色通道為 2，超出以上三個值，就會出現如下錯誤：
IndexError: index 3 is out of bounds for axis 2 with size 3
當前如果你直接讀取了灰度圖，例如下述代碼，三個通道的值是相同的。
import cv2
import matplotlib.pyplot as plt
src = cv2.imread("./6_test.jpg", 0)
# 注意獲取像素值的格式為 [cols,rows]
print(src[250, 470])
cv2.imshow("src", src)
cv2.waitKey()
這個地方還有一個編碼上存在的潛在問題，如果讀取的是四通道圖片，即圖片有透明度，那數組的索引值可以讀取到 3，也就是下述代碼是正確的。
import cv2
import matplotlib.pyplot as plt
src = cv2.imread("./test.jpg", -1)
# 注意獲取像素值的格式為 [cols,rows]
print(src[250, 470, 3])
cv2.imshow("src", src)
cv2.waitKey()
src[250, 470, 3] 成功讀取到了透明通道的值。
我們可以針對特定的像素點進行值的修改，例如下述代碼
import cv2
import matplotlib.pyplot as plt
src = cv2.imread("./6_test.jpg")
# 注意獲取像素值的格式為 [cols,rows]
src[250, 470] = [255, 255, 255]
cv2.imshow("src", src)
cv2.waitKey()
注意下圖的紅色箭頭指向的位置，出現一個白色亮點，使用該辦法，可以制造出一個【椒鹽圖片】。
這個地方需要注意的一個潛在 BUG，讀取圖片的通道數，決定了你復制時數組元素個數，例如下述代碼將會報錯。
import cv2
import matplotlib.pyplot as plt
src = cv2.imread("./6_test.jpg")
# 注意獲取像素值的格式為 [cols,rows]
src[250, 470] = [255, 255, 255, 255]
cv2.imshow("src", src)
cv2.waitKey()
錯誤信息都是類似的，提示數組維度不同。
ValueError: cannot copy sequence with size 4 to array axis with dimension 3
最后一點使用以上方式操作圖像的像素點，非常耗時，因為一張圖片的像素點數據是非常大的，一般情況下能用 numpy 集成好的方法，就不要用這種最笨拙的方式。
使用 numpy 獲取通道值，注意該方式獲取的是標量，如果你想獲得所有 BGR 的值，你需要使用 array.item() 依次獲取。
import cv2
import numpy as np
src = cv2.imread("./6_test.jpg")
print(src[100, 100])
b = src.item(100, 100, 0)
g = src.item(100, 100, 1)
r = src.item(100, 100, 2)
print(b, g, r)
cv2.imshow("src", src)
cv2.waitKey()
如果希望設置該值，直接使用 itemset 函數即可。
src.itemset((100, 100, 0), 200)
print(src[100, 100])
可以任意尋找一張圖片進行對應的測試，運行效果如下：
[ 31 68 118]
31 68 118
[200 68 118]
OpenCV 中圖像屬性常見問題解析
對于一幅圖像，除了像素矩陣以外，還有一個非常重要的內容，是圖像的屬性，這些包括行、列、通道、數據類型，像素數量、圖像形狀等內容。
例如，我們經常使用 img.shape 去獲取圖像的形狀，尤其注意的是，返回的內容是行數（rows），列數（cols），以及通道數（channels），并且返回值類型是一個元組。
如果你讀取圖像的時候，設置緊讀取灰度圖，那只會返回行數和列數，相應的通過這個值很容易能判斷出你加載的圖像類型。
例如下述代碼，通過不同的方式讀取同一張圖片，輸出圖像的不同形狀。
import cv2
import numpy as np
# 選擇一個 jpg 圖片，可以讀取到不同的通道
src1 = cv2.imread("./test.jpg", -1)
src2 = cv2.imread("./test.jpg", 0)
src3 = cv2.imread("./test.jpg")
# 四通道，包含透明通道
print(src1.shape)
# 灰度圖
print(src2.shape)
# 三通道
print(src3.shape)
輸出結果可以快速的讀取出圖像是彩色圖像還是灰度圖像。
(397, 595, 4)
(397, 595)
(397, 595, 3)
使用 img.size 可以快速返回圖像中像素的合計數目，測試代碼如下：
# 選擇一個 jpg 圖片，可以讀取到不同的通道
src1 = cv2.imread("./test.jpg", -1)
src2 = cv2.imread("./test.jpg", 0)
src3 = cv2.imread("./test.jpg")
# 四通道，包含透明通道
print(src1.shape)
print(src1.size)
# 灰度圖
print(src2.shape)
print(src2.size)
# 三通道
print(src3.shape)
print(src3.size)
我們依舊三種不同的讀取方式，讀取到的像素數分別如下：
(397, 595, 4)
944860
(397, 595)
236215
(397, 595, 3)
708645
注意，灰度圖像和彩色圖像的像素數不同，它們之前存在如下關系。
灰度圖像的像素數 = 行數 x 列數 = 397 x 595 = 236215
彩色圖像的像素數 = 行數 x 列數 x 通道數 = 944860 （四通道）/ 708645（三通道）
使用 img.dtype 屬性可以獲取到圖像的類型，具體如下：
這里讀取到的值，都是相同的 uint8 表示 8 位圖像，這里可以記住只要是 uint8 格式，那對應的 BGR 值的范圍就是在 [0,255] 之間。
在操作上述屬性值的時候，會出現如下 BUG，該 BUG 的通用解決方案是排查圖片是否正常讀取，需要特別注意下：
AttributeError: 'NoneType' object has no attribute 'shape'
這里讀取到的值，都是相同的 uint8 表示 8 位圖像，這里可以記住只要是 uint8 格式，那對應的 BGR 值的范圍就是在 [0,255] 之間。
在操作上述屬性值的時候，會出現如下 BUG，該 BUG 的通用解決方案是排查圖片是否正常讀取，需要特別注意下：
AttributeError: 'NoneType' object has no attribute 'shape'
到此這篇關于Python OpenCV 針對圖像細節(jié)的不同操作的文章就介紹到這了,更多相關Python OpenCV圖像內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！
您可能感興趣的文章:- Python OpenCV中的numpy與圖像類型轉換操作
- Python+OpenCV圖像處理——圖像二值化的實現
- Python+OpenCV圖像處理——實現直線檢測
- OpenCV利用python來實現圖像的直方圖均衡化
- python opencv 實現讀取、顯示、寫入圖像的方法
- Python+OpenCV實現圖像的全景拼接
- Python+OpenCV實現將圖像轉換為二進制格式
