OpneCV之影象的基本操作:形狀、通道分離/合併、影象混合、相加、位操作——python實現
阿新 • • 發佈:2018-12-25
一、讀入圖片獲得畫素點的畫素值、改變畫素值、改變單個通道畫素值、獲得影象的行、列、影象資料型別、畫素點、ROI區域.
import cv2 import numpy as np #讀取一個彩色影象 img = cv2.imread('C:/Users/NWPU/Desktop/1.jpg') #cv2.imshow('image',img) #獲得某個畫素點的畫素值 px = img[200,200] print(px) #只獲取綠色通道的畫素值 green = img[200,200,1] print(green) #修改畫素值 img[200,200] = [255,255,255] print(img[200,200]) #使用Numpy陣列的處理方法更好的獲取畫素點的值和編輯畫素點的值 #獲得指定畫素點的紅色通道的值 img_r = img.item(100,100,2) print(img_r) #修改指定畫素點的紅色通道的值 img.itemset((100,100,2),100) img_rnew = img.item(100,100,2) print(img_rnew) #獲取圖片的資訊:行數、列數、通道數、影象資料型別、畫素數等 #獲得圖片的形狀 print(img.shape) #(768,1024,3):768*1024大小的影象,彩色影象三通道 #查詢畫素總數 print(img.size) #圖片的資料型別,img.dtype在除錯過程中很重要,因為很多opencv+python程式碼中的問題都是不合法的資料型別造成的 print(img.dtype) #實驗圖片為uint8資料型別 #圖片的ROI:獲得原始圖片的一部分,將此部分複製到圖片的另一個指定區域 img_ROI = img[280:340, 330:390] img[273:333, 100:160] = img_ROI cv2.rectangle(img,(280,330),(340,390),(255,255,255),1) cv2.rectangle(img,(273,100),(333,160),(255,255,255),1) cv2.imshow('image1',img) #OpenCV儲存彩色圖片的格式是BGR模式,下面進行通道分離和合並 #使用split()函式進行通道分離,很耗時 b,g,r = cv2.split(img) #使用merge()函式進行通道合併 img = cv2.merge((b,g,r)) #也可以直接操作Numpy陣列來達到這一目的 b = np.zeros((img.shape[0],img.shape[1]),dtype = img.dtype) g = np.zeros((img.shape[0],img.shape[1]),dtype = img.dtype) r = np.zeros((img.shape[0],img.shape[1]),dtype = img.dtype) b[:,:] = img[:,:,0] g[:,:] = img[:,:,1] r[:,:] = img[:,:,2]
執行結果:
二、影象相加
img1:
img2:
import cv2 import numpy as np img1 = cv2.imread("C:/Users/NWPU/Desktop/1.jpg") img2 = cv2.imread("C:/Users/NWPU/Desktop/2.jpg") #影象相加:cv2.add()函式 rows, cols = img2.shape[:2] #獲取img2的高度和寬度 img1_roi = img1[100:rows+100,100:cols+100] img_plus = cv2.add(img1_roi,img2) img1_copy_plus = img1.copy() img1_copy_plus[100:rows+100,100:cols+100] = img_plus cv2.imshow('img_plus',img1_copy_plus) cv2.waitKey(0)
三、影象混合
import cv2 import numpy as np img1 = cv2.imread("C:/Users/NWPU/Desktop/1.jpg") img2 = cv2.imread("C:/Users/NWPU/Desktop/2.jpg") #影象混合:cv2.addWeighted()函式 rows, cols = img2.shape[:2] #獲取img2的高度和寬度 img1_roi = img1[100:rows+100, 100:cols+100] img_mix = cv2.addWeighted(img1_roi, 0.3, img2, 0.7, 0) img1_copy = img1.copy() img1_copy[100:rows+100, 100:cols+100] = img_mix cv2.imshow('img_mix',img1_copy) cv2.waitKey(0)
結果:
四、影象的位運算
#影象的位操作有與、或、非、異或操作
'''
cv2.bitwise_and
cv2.bitwise_or
cv2.bitwsie_not
cv2.bitwise_xor
'''
import cv2
import numpy as np
img1 = cv2.imread("C:/Users/NWPU/Desktop/1.jpg") #768*1024
img2 = cv2.imread("C:/Users/NWPU/Desktop/2.jpg") #300*450
rows, cols = img2.shape[:2]
img1_roi = img1[100:rows+100, 100:cols+100]
img1_copy = img1.copy()
#與運算
img_add = cv2.bitwise_and(img1_roi,img2)
img1_copy[100:rows+100, 100:cols+100] = img_add
cv2.imshow('img_add', img1_copy)
#或運算
img_or = cv2.bitwise_or(img1_roi,img2)
img1_copy[100:rows+100, 100:cols+100] = img_or
cv2.imshow('img_or', img1_copy)
#非運算
img_not = cv2.bitwise_not(img1_roi,img2)
img1_copy[100:rows+100, 100:cols+100] = img_not
cv2.imshow('img_not', img1_copy)
#異或運算
img_xor = cv2.bitwise_xor(img1_roi,img2)
img1_copy[100:rows+100, 100:cols+100] = img_xor
cv2.imshow('img_xor', img1_copy)
cv2.waitKey(0)
結果:
與:
或:
非:
異或: