0.序言

每個影象是由一個個點組成的，而這些點可以表示為畫素值的形式。

這篇部落格裡我們將學會：

• 訪問畫素值並修改它們 。
• 訪問影象屬性 。
• 設定感興趣區域(ROI) 。
• 分割和合並影象。

對於影象的基本操作我們需要對numpy知識的瞭解，不需要很多，只知道基本用法即可。這裡暫不贅述，讀者可查閱其餘資料進行學習。

1.訪問和修改畫素值

讓我們先載入彩色影象：

import numpy as np
import cv2 as cv

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

我們可以通過行和列座標來訪問畫素值。對於 BGR 影象，它返回一個由藍色、綠色和紅色值組成的陣列。而如果是灰度影象的話，它只返回相應的灰度。我們也可以用相同的方式來對畫素值進行修改。

# 通過行和列座標來訪問畫素值
>>> px = img[100,100]
>>> print( px )
[157 166 200]

# 修改畫素值
>>> img[100,100] = [255,255,255]
>>> print( img[100,100] )
[255 255 255]

Numpy是用於快速陣列計算的優化庫。因此，簡單地訪問每個畫素值並對其進行修改將非常慢，因此不建議使用。對於單個畫素訪問，Numpy陣列方法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，則需要分別呼叫所有的array.item()。

比如我們可以用下面的方法來進行畫素的訪問和編輯：

# 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.訪問影象屬性

影象屬性包括行數，列數，通道數，影象資料型別，畫素數等等。
影象的形狀可通過 img.shape 訪問。它返回行，列和通道數的元組（如果影象是彩色的）

注意：如果影象是灰度的，則返回的元組僅包含行數和列數，因此這是檢查載入的影象是灰度還是彩色的好方法。

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

畫素總數可通過訪問 img.size ：

>>> print( img.size )
562248

影象資料型別通過 img.dtype 獲得：

>>> print( img.dtype )
uint8

注意：img.dtype在除錯時非常重要，因為OpenCV-Python程式碼中的大量錯誤是由無效的資料型別引起的。

3.影象感興趣區域ROI

有時候，我們不得不處理一些特定區域的影象。比如對於影象中的眼睛檢測，首先對整個影象進行人臉檢測。在獲取人臉影象時，我們只選擇人臉區域，搜尋其中的眼睛，而不是搜尋整個影象。它提高了準確性和效能。

這裡我們直接使用numpy的切片即可，比如：

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

不規則形狀的ROI區域的設定，我們將在以後的文章裡再詳細闡述。

4.拆分和合並影象通道

有時我們需要分別處理影象的B，G，R通道。在這種情況下，我們需要將BGR影象拆分為單個通道。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。我們一般採用Numpy索引的方法。比如我們要將所有的紅色畫素都設定為0：

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

5.為影象設定邊框

如果我們要在影象周圍建立邊框（如相框），那可以使用 cv.copyMakeBorder() 。它在以後對影象進行高階處理的時候，比如卷積運算，零填充等方面將有更多應用。此函式採用以下引數：

• src - 輸入影象
• top，bottom，left，right 邊界寬度（以相應方向上的畫素數為單位）
• borderType - 定義要新增哪種邊框的標誌。它可以是以下型別：
• cv.BORDER_CONSTANT - 新增恆定的彩色邊框。該值應作為下一個引數給出。
• cv.BORDER_REFLECT - 邊框將是邊框元素的映象，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**最後一個元素被複制，像這樣： aaaaaa | abcdefgh | hhhhhhh
• **cv.BORDER_WRAP**看起來像這樣： cdefgh | abcdefgh | abcdefg
• value -邊框的顏色，如果邊框型別為**cv.BORDER_CONSTANT**

下面我們來看一下各個邊框型別在圖片顯示上的結果。注意因為影象是基於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：

​