OpenCV是進行影像處理的工具，也是計算機視覺領域近十幾年不斷發展和完善的產物，面對這個已基本成熟的開源庫知識體系，我們新生代有必要不斷地總結、回顧，以新的視角快速融入計算機視覺的奧秘世界，
從這篇隨筆開始，讓我們踏上重新回顧OpenCV進行影像處理的奇妙之旅，
1 影像處理基礎
1.1 影像的讀入、顯示、保存
#影像讀入
import cv2
img1 = cv2.imread(r'E:/python_opencv/tupian.jpg',0)
#影像顯示
cv2.imshow('tupian',img1)
k = cv2.waitKey()
#影像保存
cv2.imwrite('tupian,jpg',img1)
1.2 影像的基本表示方法
分為二值影像、灰度影像、彩色影像 這三種表示方法，
二值影像：0和1表示像素點顏色，0為黑色，1為白色，
灰度影像：256個灰度級，用數值[0,255]表示，0為黑色，1為白色，
彩色影像：RGB色彩空間表示紅、綠、藍三種通道，數值均為[0,255]，但是在opencv中用BGR色彩空間表示，
不同的表示方法和色彩空間之間可以互相轉換，
1.3 像素處理
像素是構成一幅影像的基本組成單位，
二值影像和灰度影像：img[0,2]表示第0行第2列的像素點，
彩色影像：opencv里img[0,2]表示第0行第2列上B、G、R三個通道的像素值，img[0,2,2]表示第0行第2列上第2個通道R的像素值，
注1：可以使用二層或三層回圈嵌套，對某區域內像素值整體修改，如：
for i in range(0,50): #i表示像素的行數
for j in range(0,100): #j表示像素的行數
for k in range(0,3): #k表示通道數
img[i,j,k]=255 #該區域的像素值均修改為255
注2：使用Numpy庫中的zeros()函式可以生成一個元素值都為0的陣列，如：
import numpy as np
img = np.zeros((3,5,3),dtpye=np.uint8)
1.4 使用numpy訪問像素
numpy模塊中提供了item()訪問像素值，itemset()修改像素值
item(i,j)或item(i,j,k)
itemset((i,j),a) 或 itemset((i,j,k),a) i,j為行和列，k為彩色圖片中的通道，a為新值，如：
print('img.item(3,2,2)=',img.item(3,2,2)) #讀取原像素值
img.itemset((3,2,2),255) #將第3行第2列R通道的像素值修改為255
1.5 感興趣區域（Region of Interset, ROI）
如果需要使用一張圖片的某區域，可以將其定為感興趣區域（ROI），然后就能對其整體進行操作，
A = img1[10:30,50:100] #將img1的第10-30行像素、50-100列像素設定為ROI區域
img2[20:40,300:350] = A #將該ROI區域賦給img2的第20-40行像素、300-350列像素
1.6 通道操作
對通道進行操作分為通道拆分和通道合并，
（一）通道拆分：
將BGR影像中的三個通道分別拆分出來，分為索引拆分方法和函式拆分方法，
索引拆分：
#拆分為B、G、R三個通道
B = img[:,:,0]
G = img[:,:,1]
R = img[:,:,2]
函式拆分：
B,G,R = cv2.split(img)
（二）通道合并：
使用cv2.merge()函式將三個通道的灰度影像構成一幅彩色影像，
bgr = cv2.merge([b,g,r])
1.7 獲取影像屬性
獲取影像常用的屬性，如大小、型別等，
shape 回傳影像行數、列數、通道數
size 回傳影像像素數
dtype 回傳影像的資料型別
print('img.shape=',img.shape) #shape 回傳影像行數、列數、通道數
print('img.size=',img.size) #size 回傳影像像素數
print('img.dtype=',img.dtype) #dtype 回傳影像的資料型別
這次內容就分享到這里了，下次繼續更新第2章影像的運算，希望與各位老師和小伙伴們交流學習~
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/264729.html
標籤：其他
下一篇：9. 凱撒加密字符