opencv入門系列教學（五）圖像的基本操作（像素值、屬性、ROI和邊框）

0.序言

每個圖像是由一個個點組成的，而這些點可以表示為像素值的形式。

這篇博客里我們將學會：

• 訪問像素值並修改它們 。
• 訪問圖像屬性 。
• 設置感興趣區域(ROI) 。
• 分割和合並圖像。

對於圖像的基本操作我們需要對numpy知識的了解，不需要很多，只知道基本用法即可。這里暫不贅述，讀者可查閱其余資料進行學習。

1.訪問和修改像素值

讓我們先加載彩色圖像：

import numpy as np
import cv2 as cv

img = cv.imread('cat.jpg')

我們可以通過行和列坐標來訪問像素值。對於 BGR 圖像，它返回一個由藍色、綠色和紅色值組成的數組。而如果是灰度圖像的話，它只返回相應的灰度。我們也可以用相同的方式來對像素值進行修改。

# 通過行和列坐標來訪問像素值
>>> px = img[100,100]
>>> print( px )
[157 166 200]

# 修改像素值
>>> img[100,100] = [255,255,255]
>>> print( img[100,100] )
[255 255 255]

 

Numpy是用於快速數組計算的優化庫。因此，簡單地訪問每個像素值並對其進行修改將非常慢，因此不建議使用。對於單個像素訪問，Numpy數組方法array.item()和array.itemset())被認為更好，但是它們始終返回標量。如果要訪問所有B，G，R值，則需要分別調用所有的array.item()。

比如我們可以用下面的方法來進行像素的訪問和編輯：

# 訪問 RED 值
>>> img.item(10,10,2)
59

# 修改 RED 值
>>> img.itemset((10,10,2),100)
>>> img.item(10,10,2)
100

2.訪問圖像屬性

圖像屬性包括行數，列數，通道數，圖像數據類型，像素數等等。
圖像的形狀可通過 img.shape 訪問。它返回行，列和通道數的元組（如果圖像是彩色的）

注意：如果圖像是灰度的，則返回的元組僅包含行數和列數，因此這是檢查加載的圖像是灰度還是彩色的好方法。

>>> print( img.shape )
(342, 548, 3)

像素總數可通過訪問 img.size ：

>>> print( img.size )
562248

圖像數據類型通過 img.dtype 獲得：

>>> print( img.dtype )
uint8

注意：img.dtype在調試時非常重要，因為OpenCV-Python代碼中的大量錯誤是由無效的數據類型引起的。

3.圖像感興趣區域ROI

有時候，我們不得不處理一些特定區域的圖像。比如對於圖像中的眼睛檢測，首先對整個圖像進行人臉檢測。在獲取人臉圖像時，我們只選擇人臉區域，搜索其中的眼睛，而不是搜索整個圖像。它提高了准確性和性能。

這里我們直接使用numpy的切片即可，比如：

>>> ROI = img[280:340, 330:390]

不規則形狀的ROI區域的設置，我們將在以后的文章里再詳細闡述。 

4.拆分和合並圖像通道

有時我們需要分別處理圖像的B，G，R通道。在這種情況下，我們需要將BGR圖像拆分為單個通道。我們可以這樣做：

>>> b,g,r = cv.split(img) >>> img = cv.merge((b,g,r))

但是cv.split() 是一項耗時的操作（就時間而言）。因此，僅在必要時才這樣做。我們一般采用Numpy索引的方法。比如我們要將所有的紅色像素都設置為0：

>>> img [:, :, 2] = 0

5.為圖像設置邊框

如果我們要在圖像周圍創建邊框（如相框），那可以使用 cv.copyMakeBorder() 。它在以后對圖像進行高級處理的時候，比如卷積運算，零填充等方面將有更多應用。此函數采用以下參數：

• src - 輸入圖像
• top，bottom，left，right 邊界寬度（以相應方向上的像素數為單位）
• borderType - 定義要添加哪種邊框的標志。它可以是以下類型：
• cv.BORDER_CONSTANT - 添加恆定的彩色邊框。該值應作為下一個參數給出。
• cv.BORDER_REFLECT - 邊框將是邊框元素的鏡像，如下所示： fedcba | abcdefgh hgfedcb
• **cv.BORDER_REFLECT_101**或 **cv.BORDER_DEFAULT**與上述相同，但略有變化，例如： gfedcb | abcdefgh | gfedcba
• **cv.BORDER_REPLICATE**最后一個元素被復制，像這樣： aaaaaa | abcdefgh | hhhhhhh
• **cv.BORDER_WRAP**看起來像這樣： cdefgh | abcdefgh | abcdefg
• value -邊框的顏色，如果邊框類型為**cv.BORDER_CONSTANT**

下面我們來看一下各個邊框類型在圖片顯示上的結果。注意因為圖像是基於matplotlib一起顯示的。所以紅色和藍色通道將會互換。

import cv2 as cv
import numpy as np
from matplotlib import pyplot as plt
BLUE = [255,0,0]
img1 = cv.imread('opencv-logo.png')
replicate = cv.copyMakeBorder(img1,10,10,10,10,cv.BORDER_REPLICATE)
reflect = cv.copyMakeBorder(img1,10,10,10,10,cv.BORDER_REFLECT)
reflect101 = cv.copyMakeBorder(img1,10,10,10,10,cv.BORDER_REFLECT_101)
wrap = cv.copyMakeBorder(img1,10,10,10,10,cv.BORDER_WRAP)
constant= cv.copyMakeBorder(img1,10,10,10,10,cv.BORDER_CONSTANT,value=BLUE)
plt.subplot(231),plt.imshow(img1,'gray'),plt.title('ORIGINAL')
plt.subplot(232),plt.imshow(replicate,'gray'),plt.title('REPLICATE')
plt.subplot(233),plt.imshow(reflect,'gray'),plt.title('REFLECT')
plt.subplot(234),plt.imshow(reflect101,'gray'),plt.title('REFLECT_101')
plt.subplot(235),plt.imshow(wrap,'gray'),plt.title('WRAP')
plt.subplot(236),plt.imshow(constant,'gray'),plt.title('CONSTANT')
plt.show()

結果如下：

 

 

 

 

 

​