In [2]:
import cv2
import numpy as np
In [3]:
img = cv2.imread('/data/cvdata/messi5.jpg')
可以通过像素的行坐标和列坐标来访问像素值。对于BGR图像，它返回一个蓝色、绿色、红色值的数组。对于灰度图像，只返回相应的强度。
In [4]:
px = img[100,100]
px
Out[4]:
array([157, 166, 200], dtype=uint8)
In [5]:
blue = img[100,100,0]
blue
Out[5]:
np.uint8(157)
以相同的方式修改像素值。
In [6]:
img[100,100] = [255,255,255]
img[100,100]
Out[6]:
array([255, 255, 255], dtype=uint8)
警告： Numpy是一个用于快速数组计算的优化库。因此，简单地访问每个像素值并对其进行修改将非常缓慢，这是不可取的。
注意：
上述方法通常用于选择数组的一个区域，比如前5行和后3列。
对于单个像素访问，Numpy数组方法、array.item()和array.itemset() 被认为更好。
但它总是返回标量。因此，如果想访问所有B、G、R值，需要分别为所有值调用array.item()。
更好的像素访问和编辑方法：
In [7]:
# accessing RED value
In [8]:
img.item(10,10,2)
Out[8]:
59
In [9]:
img[10,10,2] = 100
img.item(10,10,2)
Out[9]:
100
In [10]:
img.shape
Out[10]:
(342, 548, 3)
注意： 若图像是灰度的，返回的元组只包含行数和列数。因此，检查加载的图像是灰度图像还是彩色图像是一种很好的方法。
通过img.size访问的总像素数：
In [11]:
img.size
Out[11]:
562248
图像数据类型通过img.dtype方式获得 :
In [12]:
img.dtype
Out[12]:
dtype('uint8')
In [13]:
ball = img[280:340, 330:390]
img[273:333, 100:160] = ball
In [14]:
%matplotlib inline
import matplotlib.pyplot as plt
In [15]:
img_2 = img[:,:,[2,1,0]]
In [16]:
plt.imshow(img)
Out[16]:
<matplotlib.image.AxesImage at 0x7f00fe93a810>
In [17]:
plt.imshow(img_2)
Out[17]:
<matplotlib.image.AxesImage at 0x7f00fe9b0080>
In [18]:
plt.imshow(img[:,:,[2,1,0]])
Out[18]:
<matplotlib.image.AxesImage at 0x7f00fe979d30>
In [19]:
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB) # 注意这行。
In [20]:
plt.imshow(img)
Out[20]:
<matplotlib.image.AxesImage at 0x7f00fea15ca0>
In [21]:
cv2.imwrite('xx_lena_opencv_red.jpg', img)
Out[21]:
True
In [22]:
b,g,r = cv2.split(img)
img = cv2.merge((b,g,r))
或
b = img\[:,:,0\]假设想把所有红色像素都设为零，不需要像这样分割并将其设为零。 可以简单地使用更快的Numpy索引即可。
In [23]:
img[:,:,2] = 0
警告：
cv2.split()是一个代价高昂的操作（就时间而言），因此只在必要时使用它。Numpy索引更有效，如果可能的话应该使用。
为图像制作边框（填充）
如果想在图像周围创建一个边框，比如相框，可以使用cv2.copyMakeBorder()函数。
但它在卷积运算、零填充等方面有更多的应用。此函数接受以下参数：
src：输入图像top,bottom,left,right: 相应方向上的像素数边框宽度borderType: 定义要添加哪种边框的标志。它可以是以下类型：cv2.BORDER_CONSTANT: 添加恒定的彩色边框。该值应作为下一个参数给出。cv2.BORDER_REFLECT: 边框将是边框元素的镜像反射，如下所示：fedcbahgfedcbcv2.BORDER_REFLECT_101或cv2.BOLDER_DEFAULT: 与上述相同，但略有变化，如下所示：gfedcbgfedcbacv2.BORDER_REPLICATE: 最后一个元素被复制，如下所示：aaaaaa hhhhhhcv2.BORDER_WRAP: 无法解释，它看起来像这样：cdefghabcdefg
- value: 如果边框类型为
cv2.border_CONSTANT的边框颜色
下面是一个示例代码，演示了所有这些边框类型，以便更好地理解：
In [24]:
import cv2
import numpy as np
from matplotlib import pyplot as plt
BLUE = [255,0,0]
img1 = cv2.imread('/data/cvdata/opencv-logo.png')
replicate = cv2.copyMakeBorder(img1,10,10,10,10,cv2.BORDER_REPLICATE)
reflect = cv2.copyMakeBorder(img1,10,10,10,10,cv2.BORDER_REFLECT)
reflect101 = cv2.copyMakeBorder(img1,10,10,10,10,cv2.BORDER_REFLECT_101)
wrap = cv2.copyMakeBorder(img1,10,10,10,10,cv2.BORDER_WRAP)
constant= cv2.copyMakeBorder(img1,10,10,10,10,cv2.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()
请参阅下面的结果。（图像用matplotlib显示。因此红色和蓝色平面将互换）：
In [25]:
image = plt.imread('/data/cvdata/opencv-logo.png')
In [26]:
plt.imshow(image)
Out[26]:
<matplotlib.image.AxesImage at 0x7f00ef589d90>
