python有關於圖像的深度和通道

目錄：

（一）圖像的深度和圖像的通道

 （1）圖像的深度

 （2）圖像的通道

（二）自定義一張多通道的圖片

（1）zeros 函數

（2）ones  函數

（三）自定義一張單通道的圖片

（四）像素操作

（1）numpy操作數組

（2）調用庫函數

（五）opnecv 利用getTickCount()和getTickFrequency()計算執行時間

 

 

 

 

 正文：

（一）圖像的深度和圖像的通道

      （1）圖像的深度

               圖像中像素點占得bit位數，就是圖像的深度，比如：

二值圖像：圖像的像素點不是0 就是1 （圖像不是黑色就是白色），圖像像素點占的位數就是 1 位，圖像的深度就是1，也稱作位圖。

灰度圖像：圖像的像素點位於0-255之間，（0：全黑，255代表：全白，在0-255之間插入了255個等級的灰度）。2^8=255，圖像的深度是8。

依次輪推，我們把計算機中存儲單個像素點所用的 bit 位稱為圖像的深度。

     （2）圖像的通道

             有了圖像深度的概念，我們知道如果是24位的圖像，則這個像素點的顏色的取值范圍是：從0到2^24。這個范圍特別大，如果我們知道了某店的像素值怎么判斷像素點的顏色呢？我們知道 RGB是基本的三原色，如果我們用8位代表一種顏色，每種顏色最大是255，這樣每個像素點的顏色值的范圍就是（0-255,0-255,0-255）。這樣圖像的通道就是3。

灰度圖的圖像存儲模型

 

灰度圖像像素點的存儲就是對應的原圖從左到右，從上到下，依次排列，每個點的值就是就是像素點的值，每個點的地址就是像素像素點的地址。

RGB圖的圖像存儲模型

RGB彩色圖像和灰度圖相比，每個像素點都有3個通道。每個通道占的內存空間都是8位。在內存中，RGB 圖像的存儲是以二維數組的形式。

學習圖像的存儲就是為了理解圖像中像素點的存儲情況，有助於我們對每個像素點的操作。

（二）自定義一張多通道的圖片-----用到函數：zeros和ones

（1）zeros 函數

# -*- coding=GBK -*-
import cv2 as cv
import numpy as np
 
 
def create_image():
    img = np.zeros([400, 400, 3], np.uint8)#zeros:double類零矩陣  創建400*400 3個通道的矩陣圖像 參數時classname為uint8
    img[:, :, 0] = np.ones([400, 400])*255#ones([400, 400])是創建一個400*400的全1矩陣，*255即是全255矩陣 並將這個矩陣的值賦給img的第一維
    img[:, :, 1] = np.ones([400, 400])*255#第二維全是255
    img[:, :, 2] = np.ones([400, 400])*255#第三維全是255
    cv.imshow("自制圖片", img)#輸出一張400*400的白色圖片(255 255 255):藍(B)、綠(G)、紅(R)
 
create_image()
cv.waitKey(0)
cv.destroyAllWindows()

（2）ones  函數

# -*- coding=GBK -*-
import cv2 as cv
import numpy as np
 
 
def create_image():
    img = np.ones([400, 400, 3], np.uint8)
    img[:, :, 0] = img[:, :, 0]*255
    img[:, :, 1] = img[:, :, 1]*255
    img[:, :, 2] = img[:, :, 2]*255
    cv.imshow("自制圖片", img)
 
create_image()
cv.waitKey(0)
cv.destroyAllWindows()

第8，9，10行換成

image[:, :, 0] = np.ones([400, 400]) * 255
image[:, :, 1] = np.ones([400, 400]) * 255
image[:, :, 2] = np.ones([400, 400]) * 255
建議 img[:, :, 2] = np.ones([400, 400])*255  這樣賦值

（3）補充

>>>from numpy import *
>>> a=zeros((3,4))
>>> a
array([[ 0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.]])
>>> from numpy import *
>>> a=ones((3,4))
>>> a
array([[ 1.,  1.,  1.,  1.],
       [ 1.,  1.,  1.,  1.],
       [ 1.,  1.,  1.,  1.]])
>>> from numpy import *
>>> a=eye(3)
>>> a
array([[ 1.,  0.,  0.],
       [ 0.,  1.,  0.],
       [ 0.,  0.,  1.]])

（三）自定義一張單通道的圖片

# -*- coding=GBK -*-
import cv2 as cv
import numpy as np
 
 
def create_image():
    img = np.ones([400, 400, 1], np.uint8)
    img = img * 127
    cv.imshow("自制圖片", img)
 
create_image()
cv.waitKey(0)
cv.destroyAllWindows()

（四）像素操作

（1）numpy操作數組

讀取一張圖片，修改顏色通道后輸出，可以得到圖像的：行數,列數,通道數的矩陣,對矩陣進行操作可改變圖像像素

# -*- coding=GBK -*-
import cv2 as cv
import numpy as np
 
 
#numpy數組操作
def access_pixles(image):
    print(image.shape)
    height = image.shape[0]
    width = image.shape[1]
    channel = image.shape[2]
    print("width : %s, height : %s, channel : %s" % (width, height, channel))
    for row in range(height):
        for col in range(width):
            for c in range(channel):
                pv = image[row, col, c]
                image[row, col, c] = 255 - pv
    cv.imshow("修改后", image)
 
 
src = cv.imread("C://1.jpg")
#cv.namedWindow("原來", cv.WINDOW_NORMAL)
cv.imshow("原來", src)
t1 = cv.getTickCount()#毫秒級別的計時函數,記錄了系統啟動以來的時間毫秒
access_pixles(src)
t2 = cv.getTickCount()
time = (t2 - t1)*1000/cv.getTickFrequency()#getTickFrequency用於返回CPU的頻率,就是每秒的計時周期數
print("time: %s" % time)#輸出運行的時間
cv.waitKey(0)
cv.destroyAllWindows()

（2）調用庫函數

# -*- coding=GBK -*-
import cv2 as cv
import numpy as np
 
 
#像素取反
def inverse(image):
    dst = cv.bitwise_not(image)
    cv.imshow("取反", dst)
 
 
src = cv.imread("C://1.jpg")
cv.namedWindow("原來", cv.WINDOW_NORMAL)
cv.imshow("原來", src)
t1 = cv.getTickCount()
inverse(src)
t2 = cv.getTickCount()
time = (t2 - t1)*1000/cv.getTickFrequency()
print("time: %s" % time)
cv.waitKey(0)
cv.destroyAllWindows()

（五）opnecv 利用getTickCount()和getTickFrequency()計算執行時間

t1 = cv.getTickCount()
picture_message(scr)
t2 = cv.getTickCount()
time = 1000*(t2-t1)/cv.getTickFrequency()
print('Time is %s ms'% time)

getTickCount()：用於返回從操作系統啟動到當前所經的計時周期數，看名字也很好理解，get Tick Count(s)。
getTickFrequency()：用於返回CPU的頻率。get Tick Frequency。這里的單位是秒，也就是一秒內重復的次數。

所以剩下的就很清晰了：
總次數/一秒內重復的次數 = 時間(s)
1000 *總次數/一秒內重復的次數= 時間(ms)

這個邏輯很清晰，沒什么問題，但是這里有一個小坑，那就是C版本的cvGetTickFrequency()函數和C++版本的getTickFrequency()的單位不一樣，前者以ms計算頻率，后者以s為單位計算頻率，所以如果使用C版本的cvGetTickFrequency()計算時間的話，應該是：
總次數/一秒內重復的次數*1000 = 時間(ms)
總次數/一秒內重復的次數= 時間(s)

參考：

https://blog.csdn.net/u013355826/article/details/64905921

https://blog.csdn.net/u011321546/article/details/79523115

https://www.cnblogs.com/jczhuang/p/9766950.html