1. shape函式的回傳值

import cv2 as cv

def get_image_info(image):
    print(image.shape)
    height = image.shape[0]
    width = image.shape[1]
    channels = image.shape[2]
    print("寬度：%d,高度：%d,通道：%d" % (width, height, channels))
img = cv.imread("01.jpg")
get_image_info(img)

(640, 640, 3)
寬度：640,高度：640,通道：3

2. 像素值取反方法

（1）每一個像素取反

該方法是一個一個像素值進行修改，會很慢！

import cv2 as cv

def access_pexels(image):
    height = image.shape[0]
    width = image.shape[1]
    channels = image.shape[2]
    for row in range(width):
        for col in range(height):
            for c in range(channels):
                pv = image[row, col, c]
                image[row, col, c] = 255 - pv;
    cv.imshow("image", image)

img = cv.imread("01.jpg")
cv.imshow("image_", img)
access_pexels(img)
cv.waitKey(0)
cv.destroyAllWindows();

（2）bitwise_not介面

這個函式會比上一個方法運行的更快！

import cv2 as cv


def func(image):
    cv.imshow("image", image)
    image_ = cv.bitwise_not(image)
    cv.imshow("image_", image_)
image = cv.imread("01.jpg")
func(image)
cv.waitKey(0)
cv.destroyAllWindows()

3. getTickCount函式和getTickFrequency函式計算函式運行時間

cv.getTickCount()
cv.getTickFrequency()

• getTickCount獲取從作業系統啟動到呼叫該函式的地方所經歷的計時周期數，可以理解為次數

• getTickFrequency獲取CPU的頻率，單位：次/秒

• 所以：（次數2 - 次數1）/ 頻率 = 秒

樣例

import cv2 as cv

def access_pexels(image):
    height = image.shape[0]
    width = image.shape[1]
    channels = image.shape[2]
    for row in range(width):
        for col in range(height):
            for c in range(channels):
                pv = image[row, col, c]
                image[row, col, c] = 255 - pv;

img = cv.imread("01.jpg")
t1 = cv.getTickCount();
access_pexels(img)
t2 = cv.getTickCount();
running_time = 1000 * (t2 - t1) / cv.getTickFrequency()
print('running time: %s (ms)' % running_time)

running time: 2526.2581 (ms)

4. NumPy模塊中zeros函式和ones函式詳解

import numpy
def zeros(shape, dtype=None, order='C')	# 將值全部初始化為 0
def ones(shape, dtype=None, order='C')  # 將值全部初始化為 1，還可進行乘積運算，修改成不同的值

• shape表示陣列的型別，可以是一維、二維、三維的

• dtype表示其中資料的型別，默認為float64（64位的float型別），也可以指定為np.uint8（無符號8位整型，資料范圍在0~255，正好適合表示圖片的像素值）

• order表示在記憶體中存盤多維陣列的風格，默認為’C’（以行為主順序），也可以填 ‘F’ （以列為主順序）

import numpy as np
import cv2 as cv

def create_image():
    img = np.zeros([300,300,3], np.uint8)   # 創建一個400*400的3通道的圖片，dtype為np.uint8
    cv.imshow("img", img)
    img[:, :, 0] = np.ones([300, 300]) * 255	# 將0號通道的值變成255
    cv.imshow("img_", img)

create_image()
cv.waitKey(0)
cv.destroyAllWindows();

代碼中使用zero函式創建了一個三維陣列，使用這個陣串列示圖片，其中圖片大小為300 * 300，有3個通道，由于陣列中的默認值為0，所以創建出來的圖片是黑色

通過ones函式修改某通道的值，以達到修改像素值，使圖片顏色改變

代碼中將0號通道值全部變為255，所以每一個像素點的值都是(0,0,255)，所以顯示出來是藍色

圖解zero函式和ones函式在上述代碼中的作用

單通道樣例

import numpy as np
import cv2 as cv

def create_image():
    img = np.zeros([300,300,1], np.uint8)
    cv.imshow("img", img)
    img[:, :, 0] = np.ones([300, 300]) * 127
    cv.imshow("img_", img)
 
create_image()
cv.waitKey(0)
cv.destroyAllWindows();

由于只有一個通道，這個通道的值的取值為[0,255]，若是0則代表黑色，若是255則代表白色，中間的是灰色

5. NumPy模塊中常用方法

（1）reshape方法和fill方法

import numpy

array1 = numpy.zeros([3, 3], numpy.uint8) # 創建一個3 * 3的二維陣列，其中資料型別為8位的無符號整型，
print(array1)
array2 = array1.reshape([1, 9]) # 該函式可以將原有的資料個數（9個），變成其他維度的，資料的個數不能改變哦！
print(array2)
array2.fill(256) # 將陣列中填入某個值，如果這個值 大于該型別的最大值，會出現高位截斷
print(array2)

[[0 0 0]
 [0 0 0]
 [0 0 0]]
[[0 0 0 0 0 0 0 0 0]]
[[0 0 0 0 0 0 0 0 0]]

（2）array方法

import numpy

one_dimension = numpy.array([1,2,3], numpy.int32)	# 創建一維陣列
two_dimensions = numpy.array([[1,2,3],[4,5,6]], numpy.int32)	# 創建二維陣列
three_dimensions = numpy.array([[1,2,3],[4,5,6],[7,8,9]], numpy.int32)	# 創建三維陣列
print(one_dimension)
print(two_dimensions)
print(three_dimensions)

[1 2 3]
[[1 2 3]
 [4 5 6]]
[[1 2 3]
 [4 5 6]
 [7 8 9]]

6. 色彩空間

6.1 色彩空間的概念

• 顏色空間通常用三個相對獨立的屬性來描述，三個獨立的變數綜合作用，自然構成一個空間坐標，這就是顏色空間（顏色模型），
• 顏色可以由不同的角度，用三個不同屬性加以描述，就產生了不同的顏色空間，但被描述的顏色物件本身是客觀的，不同顏色空間只是從不同的角度去衡量同一個物件

6.2 常見的色彩空間

(1) RGB

電腦成像利用了影像的三原色的原理，RGB顏色模型即代表了紅綠藍三原色，每種顏色利用兩位十六進制數（八位二進制數）表示該顏色的強度，其中在顏色通道大小為0時色強最弱，大小為255時色強最強，由于在所有影像通道都為0時影像呈白色，所有影像通道值為255時影像呈黑色，所以RGB影像也被稱為灰度影像，

• RGB 色彩空間模型示意圖
  
• RGB 色彩空間 彩色圖
  

(2) HSV

HSV顏色模型，通過色調（H）飽和度（S）明度（V）來表現，色調H由角度表示，取值為0-360°，從紅色開始按逆時針方向計算，紅色為0°，綠色為120°,藍色為240°，它們的補色是：黃色為60°，青色為180°,品紅為300°，飽和度S表示顏色接近光譜色的程度，一種顏色，可以看成是某種光譜色與白色混合的結果，其中光譜色所占的比例愈大，顏色接近光譜色的程度就愈高，顏色的飽和度也就愈高，飽和度高，顏色則深而艷，光譜色的白光成分為0，飽和度達到最高，通常取值范圍為0%～100%，值越大，顏色越飽和，明度表示顏色明亮的程度，對于光源色，明度值與發光體的光亮度有關；對于物體色，此值和物體的透射比或反射比有關，通常取值范圍為0%（黑）到100%（白）

(3) HIS

HIS色彩空間模型示意圖

（4）YUV (YCrCb)

在YUV顏色模型中，“Y”表示明亮度（Luminance或Luma），也就是灰階值；而“U”和“V” 表示的則是色度（Chrominance或Chroma），作用是描述影像色彩及飽和度，用于指定像素的顏色，“亮度”是透過RGB輸入信號來建立的，方法是將RGB信號的特定部分疊加到一起，“色度”則定義了顏色的兩個方面─色調與飽和度，分別用Cr和Cb來表示，其中，Cr反映了RGB輸入信號紅色部分與RGB信號亮度值之間的差異，而Cb反映的是RGB輸入信號藍色部分與RGB信號亮度值之間的差異，
YUV顏色模型解決了彩色影像和黑白影像的兼容問題，如果只有Y信號而沒有U何V信號，那么一幅彩色影像就可以背轉換為黑白影像，
YUV顏色模型可以和RGB顏色模型相互轉換，公式如下：
Y = 0.299R + 0.587G + 0.114B
U = -0.147R - 0.289G + 0.436B
V = 0.615R - 0.515G - 0.100B

6.3 不同的色彩空間之間的相互轉換

def cvtColor(src, code, dst=None, dstCn=None)

• src代表需要轉換的影像
• code代表顏色映射碼

6.3.1 HSV與RGB相互轉換

import cv2 as cv

def color_space_change(image):
    RGB2HSV_img = cv.cvtColor(image, cv.COLOR_RGB2HSV)
    cv.imshow("RGB2HSV_img", RGB2HSV_img)
    HSV2RGB_img = cv.cvtColor(RGB2HSV_img, cv.COLOR_HSV2RGB)
    cv.imshow("HSV2RGB_img", HSV2RGB_img)


img = cv.imread("01.jpg")
color_space_change(img)
cv.waitKey(0)
cv.destroyAllWindows()

6.3.2 YUV與RGB相互轉換

import cv2 as cv

def color_space_change(image):
    RGB2YUV_img = cv.cvtColor(image, cv.COLOR_RGB2YUV)
    cv.imshow("RGB2YUV_img", RGB2YUV_img)
    
    YUV2RGB_img = cv.cvtColor(RGB2YUV_img, cv.COLOR_YUV2RGB)
    cv.imshow("YUV2RGB_img", YUV2RGB_img)


img = cv.imread("01.jpg")
color_space_change(img)
cv.waitKey(0)
cv.destroyAllWindows()