利用numpy實現多維數組操作圖片

        1、上次介紹了一點點numpy的操作，今天我們來介紹它如何用多維數組操作圖片，這之前我們要了解一下色彩是由blue ,green ,red 三種顏色混合而成，0：表示黑色 ，127：灰色 ，255：白色   ；接下來我們還是來看代碼：

    

import cv2 as cv
import numpy as np


def access_piexls(image):
    print(image.shape)  #獲取圖像的形狀大小
    height=image.shape[0] #圖像的第一維度高度
    width=image.shape[1] #圖像的第二維度寬度
    channels=image.shape[2] #圖像的第三維度通道數
    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] #一個三維數組，來獲取每個維度的值
                image[row,col,c]=255-pv  #修改它的顏色顯示
    cv.imshow("hhhh",image)
src=cv.imread("D:\hh.JPG")   #blue green red 色彩通道，這是基本的色彩構成，后面會學到  0：表示黑色   255：表示白色

cv.namedWindow('input image',0)
cv.imshow('input image',src)
t1=cv.getTickCount() #獲取當前cpu轉動的時間
22  access_piexls(src)
24 t2=cv.getTickCount()
print("time : %s ms" %((t2-t1)/cv.getTickFrequency()*1000))  #計算走了多少秒
cv.waitKey(-1)
cv.destoryAllWindows()

 最終實現的效果如下（我們可以看到cpu 顯示這這張修改后的照片時間是9秒左右，同時照片的顏色也被改變了）：

     

  2、接下來我們我可以在這個基礎上創建出一張新的照片來：

              

import cv2 as cv
import numpy as np


def access_piexls(image):
    print(image.shape)  #獲取圖像的形狀大小
    height=image.shape[0] #圖像的第一維度高度
    width=image.shape[1] #圖像的第二維度寬度
    channels=image.shape[2] #圖像的第三維度通道數
    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] #一個三維數組，來獲取每個維度的值
                image[row,col,c]=255-pv  #修改它的顏色顯示
    cv.imshow("hhhh",image)
def creat_image():
    img = np.zeros([400,400,3],np.uint8)  #全zeros時 創建一個圖片，高為400，寬為400，三個色彩通道矩陣圖像    類型為uint8，這個時候我們還沒有對圖片進行顏色改變
    cv.imshow("new_img", img)


src=cv.imread("D:\hh.JPG")   #blue green red 色彩通道，這是基本的色彩構成，后面會學到  0：表示黑色   255：表示白色

cv.namedWindow('input image',0)
cv.imshow('input image',src)
t1=cv.getTickCount() #獲取當前cpu轉動的時間
#access_piexls(src)
creat_image()
t2=cv.getTickCount()
print("time : %s ms" %((t2-t1)/cv.getTickFrequency()*1000))  #計算走了多少秒
cv.waitKey(-1)
cv.destoryAllWindows()

最終效果是一張黑色的照片：

       

   3、接下來我們把這張新建的黑色照片，對它進行顏色操作，把它改成blue,也就是對顏色第一顏色通道進行多維數組操作（當然你也可以對其兩個顏色通道進行修改）：

    

import cv2 as cv
import numpy as np


def access_piexls(image):
    print(image.shape)  #獲取圖像的形狀大小
    height=image.shape[0] #圖像的第一維度高度
    width=image.shape[1] #圖像的第二維度寬度
    channels=image.shape[2] #圖像的第三維度通道數
    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] #一個三維數組，來獲取每個維度的值
                image[row,col,c]=255-pv  #修改它的顏色顯示
    cv.imshow("hhhh",image)
def creat_image():
    img = np.zeros([400,400,3],np.uint8)  #全zeros時 創建一個圖片，高為400，寬為400，三個色彩通道矩陣圖像    類型為uint8，這個時候我們還沒有對圖片進行顏色改變
    img[: , : , 0]=np.ones([400,400])*255  #修改第一通道的顏色為blue  對第一個顏色通道操作
    cv.imshow("new_img", img)


src=cv.imread("D:\hh.JPG")   #blue green red 色彩通道，這是基本的色彩構成，后面會學到  0：表示黑色   255：表示白色

cv.namedWindow('input image',0)
cv.imshow('input image',src)
t1=cv.getTickCount() #獲取當前cpu轉動的時間
#access_piexls(src)
creat_image()
t2=cv.getTickCount()
print("time : %s ms" %((t2-t1)/cv.getTickFrequency()*1000))  #計算走了多少秒
cv.waitKey(-1)
cv.destoryAllWindows()

    

      4、單通道操作，更加簡單：

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（當我們把創建的圖片大小取小一點的話，我可以用fill(進行填充操作）：

        

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])  #把一行分為9列
    print(m2)





src=cv.imread("D:\hh.JPG")   #blue green red 色彩通道，這是基本的色彩構成，后面會學到  0：表示黑色   255：表示白色

cv.namedWindow('input image',0)
cv.imshow('input image',src)
t1=cv.getTickCount() #獲取當前cpu轉動的時間
#access_piexls(src)
creat_image()
t2=cv.getTickCount()
print("time : %s ms" %((t2-t1)/cv.getTickFrequency()*1000))  #計算走了多少秒
cv.waitKey(-1)
cv.destoryAllWindows()

   6、接下來用bitwise_not()函數實現像素取反，這樣操作后讀取照片的時間就非常快了：

    

import cv2 as cv
import numpy as np
#進行像素取反操作，可以使讀取照片的速度加快

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，這是基本的色彩構成，后面會學到  0：表示黑色   255：表示白色

cv.namedWindow('input image',0)
cv.imshow('input image',src)
t1=cv.getTickCount() #獲取當前cpu轉動的時間
#access_piexls(src)
inverse(src)
t2=cv.getTickCount()
print("time : %s ms" %((t2-t1)/cv.getTickFrequency()*1000))  #計算走了多少秒
cv.waitKey(-1)
cv.destoryAllWindows()

    以上就是今天所學的東西了，就分享到這里了，睡覺了，現在是凌晨12:36,。