Python影象處理：如何獲取影象屬性、興趣ROI區域及通道處理
摘要：本篇文章主要講解Python呼叫OpenCV獲取影象屬性，擷取感興趣ROI區域，處理影象通道。
本文分享自華為雲社群《[Python影象處理] 三.獲取影象屬性、興趣ROI區域及通道處理 | 【生長吧！Python】》，作者：eastmount。
本篇文章主要講解Python呼叫OpenCV獲取影象屬性，擷取感興趣ROI區域，處理影象通道。全文均是基礎知識，希望對您有所幫助。
一.獲取影象屬性
1.形狀-shape
通過shape關鍵字獲取影象的形狀，返回包含行數、列數、通道數的元祖。其中灰度影象返回行數和列數，彩色影象返回行數、列數和通道數。如下圖所示：
# -*- coding:utf-8-*- import cv2 import numpy #讀取圖片 img = cv2.imread("test.jpg", cv2.IMREAD_UNCHANGED) #獲取影象形狀 print(img.shape) #顯示影象 cv2.imshow("Demo", img) #等待顯示 cv2.waitKey(0) cv2.destroyAllWindows()
輸出結果如下圖所示：(445L, 670L, 3L)，該圖共445行、670列畫素，3個通道。
2.畫素數目-size
通過size關鍵字獲取影象的畫素數目，其中灰度影象返回行數 * 列數，彩色影象返回行數 * 列數 * 通道數。程式碼如下：
# -*- coding:utf-8 -*- import cv2 import numpy #讀取圖片 img = cv2.imread("test.jpg", cv2.IMREAD_UNCHANGED) #獲取影象形狀 print(img.shape) #獲取畫素數目 print(img.size)
輸出結果：
(445L, 670L, 3L)
894450
3.影象型別-dtype
通過dtype關鍵字獲取影象的資料型別，通常返回uint8。程式碼如下：
# -*- coding:utf-8 -*- import cv2 import numpy #讀取圖片 img = cv2.imread("test.jpg", cv2.IMREAD_UNCHANGED) #獲取影象形狀 print(img.shape) #獲取畫素數目 print(img.size) #獲取影象型別 print(img.dtype)
輸出結果：
(445L, 670L, 3L)
894450
uint8
二.獲取感興趣ROI區域
ROI（Region of Interest）表示感興趣區域。它是指從被處理影象以方框、圓形、橢圓、不規則多邊形等方式勾勒出需要處理的區域。可以通過各種運算元（Operator）和函式求得感興趣ROI區域，並進行影象的下一步處理，被廣泛應用於熱點地圖、人臉識別、影象分割等領域。
通過畫素矩陣可以直接獲取ROI區域，如img[200:400, 200:400]。
程式碼如下：
# -*- coding:utf-8 -*- import cv2 import numpy as np #讀取圖片 img = cv2.imread("test.jpg", cv2.IMREAD_UNCHANGED) #定義200*100矩陣 3對應BGR face = np.ones((200, 100, 3)) #顯示原始影象 cv2.imshow("Demo", img) #顯示ROI區域 face = img[200:400, 200:300] cv2.imshow("face", face) #等待顯示 cv2.waitKey(0) cv2.destroyAllWindows()
輸出結果如下圖所示：
下面將提取的ROI影象進行融合實驗，程式碼如下：
# -*- coding:utf-8 -*- import cv2 import numpy as np #讀取圖片 img = cv2.imread("test.jpg", cv2.IMREAD_UNCHANGED) #定義300*100矩陣 3對應BGR face = np.ones((200, 200, 3)) #顯示原始影象 cv2.imshow("Demo", img) #顯示ROI區域 face = img[100:300, 150:350] img[0:200,0:200] = face cv2.imshow("face", img) #等待顯示 cv2.waitKey(0) cv2.destroyAllWindows()
將提取的頭部融合至影象左上角部分，如下圖所示：
如果想將兩張影象進行融合，只需再讀取一張影象即可，方法原理類似。 實現程式碼如下：
# -*- coding:utf-8 -*- import cv2 import numpy as np #讀取圖片 img = cv2.imread("test.jpg", cv2.IMREAD_UNCHANGED) test = cv2.imread("test3.jpg", cv2.IMREAD_UNCHANGED) #定義300*100矩陣 3對應BGR face = np.ones((200, 200, 3)) #顯示原始影象 cv2.imshow("Demo", img) #顯示ROI區域 face = img[100:300, 150:350] test[400:600,400:600] = face cv2.imshow("Pic", test) #等待顯示 cv2.waitKey(0) cv2.destroyAllWindows()
輸出結果如下圖所示：
三.影象通道處理
1.通道拆分
OpenCV讀取的彩色影象由B、G、R三原色組成，可以通過下面程式碼獲取不同的通道。
b = img[:, :, 0]
g = img[:, :, 1]
r = img[:, :, 2]
也可以使用split()函式拆分通道，下面是拆分不同通道再顯示的程式碼。
# -*- coding:utf-8 -*- import cv2 import numpy as np #讀取圖片 img = cv2.imread("test.jpg", cv2.IMREAD_UNCHANGED) #拆分通道 b, g, r = cv2.split(img) #顯示原始影象 cv2.imshow("B", b) cv2.imshow("G", g) cv2.imshow("R", r) #等待顯示 cv2.waitKey(0) cv2.destroyAllWindows()
輸出結果如下圖所示：
也可以獲取不同的通道，核心程式碼如下所示： b = cv2.split(a)[0] g = cv2.split(a)[1] r = cv2.split(a)[2]
2.通道合併
影象通道合併主要呼叫merge()函式實現，核心程式碼如下：
m = cv2.merge([b, g, r])
# -*- coding:utf-8 -*- import cv2 import numpy as np #讀取圖片 img = cv2.imread("test.jpg", cv2.IMREAD_UNCHANGED) #拆分通道 b, g, r = cv2.split(img) #合併通道 m = cv2.merge([b, g, r]) cv2.imshow("Merge", m) #等待顯示 cv2.waitKey(0) cv2.destroyAllWindows()
輸出結果如下：
注意，如果是合併[r,g,b]三通道，則顯示如下所示，因OpenCV是按照BGR進行讀取的。
b, g, r = cv2.split(img)
m = cv2.merge([r, g, b])
cv2.imshow(“Merge”, m)
同時，可以提取影象的不同顏色，提取B顏色通道，G、B通道設定為0，則顯示藍色。程式碼如下所示：
# -*- coding:utf-8 -*- import cv2 import numpy as np #讀取圖片 img = cv2.imread("test.jpg", cv2.IMREAD_UNCHANGED) rows, cols, chn = img.shape #拆分通道 b = cv2.split(img)[0] g = np.zeros((rows,cols),dtype=img.dtype) r = np.zeros((rows,cols),dtype=img.dtype) #合併通道 m = cv2.merge([b, g, r]) cv2.imshow("Merge", m) #等待顯示 cv2.waitKey(0) cv2.destroyAllWindows()
藍色通道輸出結果如下所示：
綠色通道核心程式碼及輸出結果如下所示：
rows, cols, chn = img.shape
b = np.zeros((rows,cols),dtype=img.dtype)
g = cv2.split(img)[1]
r = np.zeros((rows,cols),dtype=img.dtype)
m = cv2.merge([b, g, r])
紅色通道修改方法與上面類似。希望文章對大家有所幫助，如果有錯誤或不足之處，還請海涵。
本文摘錄自eastmount X華為雲開發者社群聯合出品的電子書《從零到一 • Python影象處理及識別》。
點選免費下載電子書《從零到一 • Python影象處理及識別》