番外7. 在 Python OpenCV 尋找目標區域以及邊緣擴展的解決方案

本系列專欄寫作方式

本系列專欄將采用首創的問答式寫作形式，快速讓你學習到 OpenCV 的初級、中級、高級知識，

7. 在 Python OpenCV 尋找目標區域以及邊緣擴展的解決方案

針對影像的特定區域進行操作，在 OpenCV 中被稱作 ROI ，即目標區域或者叫做感興趣區域，在處理影像的時候，可以先定位一個目標區域，然后再在該區域進行細節篩選，這樣可以提高我們程式的速度和準確性，

實作 ROI 操作其實就是采用 numpy 對影像進行操作

例如下述測驗代碼，我們需要尋找影像指定區域

import cv2
import numpy as np

src = cv2.imread("./7_img.jpg")
# cv2.imshow("src",src)
cv2.imshow("src",src)
# 注意后面的串列獲取，格式為 [rows,cols]
roi_img = src[50:150, 100:150]
print(roi_img.shape)
cv2.imshow("roi_img", roi_img)
cv2.waitKey()
cv2.destroyAllWindows()

運行結果如下所示，尤其需要注意的是代碼注釋部分的說明，在做 ROI 的時候，需要篩選的區域用偽代碼表示如下 src[起始行像素:結束行像素,起始列像素:結束列像素]

這個地方經常出現的一個 BUG 如下

error: (-215:Assertion failed) size.width>0 && size.height>0 in function 'cv::imshow'

很多博客中會寫是圖片檔案中文路徑的問題，但是其實這只是一種結果，真正的原因是影像出現了空結構，也就是讀取影像的 shape 屬性如果展示內容為 (0,0,3)，那必然出現上述錯誤，例如下面代碼就存在該問題，

import cv2
import numpy as np

src = cv2.imread("./7_img.jpg")
# cv2.imshow("src",src)

roi_img = src[50:50, 100:100]
print(roi_img.shape)
cv2.imshow("roi_img", roi_img)
cv2.waitKey()
cv2.destroyAllWindows()

確定目標區域，最大的難點就是坐標問題，你可以多次嘗試一下，直到記住目標區域的定位方式，

獲取到 ROI 區域之后，可以對其進行修改，例如，下述代碼將 ROI 區域設定為灰度影像

import cv2
import numpy as np

src = cv2.imread("./7_img.jpg")
# cv2.imshow("src",src)
cv2.imshow("src", src)
# 注意后面的串列獲取，格式為 [rows,cols]
roi_img = src[50:150, 100:150]
gray = cv2.cvtColor(roi_img, cv2.COLOR_BGR2GRAY)

src[50:150, 100:150] = gray
cv2.imshow("src", src)
cv2.waitKey()
cv2.destroyAllWindows()

直接運行該代碼，會出現如下錯誤

ValueError: could not broadcast input array from shape (100,50) into shape (100,50,3)

因為合并的影像通道數不對，接下來你需要做的是將灰度圖擴展為三通道形式，使用下述代碼即可實作，

# 灰度圖擴展到 3 通道
grays = np.stack((gray,)*3, axis=-1)
print(grays)
src[50:150, 100:150] = grays

其中用到了 numpy.stack(arrays, axis=0) 函式，將陣列進行連接，修改代碼之后得到的運行結果如下所示，

OopenCV 影像的拆分與合并

上述案例你已經掌握了影像目標區域獲取的方式，接下來我們對影像進行一下通道的拆分與合并，具體會使用到兩個函式，分別是 cv2.merge 和 cv2.split，

兩個函式的原型可以直接獲取

# splite 函式原型
mv = cv2.split(m[, mv])
# merge 函式原型
dst = cv2.merge(mv[, dst])

下面進行影像的拆分，并通過 matplotlib 庫進行圖片的展示：

import cv2
import numpy as np
import matplotlib.pyplot as plt
src = cv2.imread("7_img.jpg")

b, g, r = cv2.split(src)
plt.subplot(131)
plt.imshow(b, "gray")
plt.title("b")

plt.subplot(132)
plt.imshow(g, "gray")
plt.title("g")

plt.subplot(133)
plt.imshow(r, "gray")
plt.title("r")

plt.show()

運行之后可以獲取每個通道的灰度圖，cv2.split 執行的效率并不高，所以你使用的影像如果過大，記得稍等片刻，

針對每個通道還可以進行拆分賦值，例如，你可以將 BGR 順序顛倒，形成不同色彩的圖片，

## 交換通道順序，進行合并
dst = cv2.merge((r,g,b))
cv2.imshow("dst",dst)

cv2.waitKey()

運行之后，可以得到對應的效果，

cv2.merge 和 cv2.split 函式引數串列，請重點比對原型進行學習，

如果你想要單獨修改某一通道值，可以使用 numpy 進行操作，例如我們將 R 通道的像素值修改為 0，使用下述代碼即可

import cv2
import numpy as np
import matplotlib.pyplot as plt
src = cv2.imread("7_img.jpg")
src[:,:,2] = 0

cv2.imshow("src1",src)
src[:,:,2] = 255

cv2.imshow("src2",src)
cv2.waitKey()

OpenCV 影像邊緣擴展

接下來將要學習的函式是影像擴邊操作，使用 cv2.copyMakeBorder 函式，函式原型如下：

dst = cv2.copyMakeBorder(src, top, bottom, left, right, borderType[, dst[, value]])

先掌握幾個核心引數 src 原影像，top,bottom,left,right分別表示在原圖四周擴充邊緣的大小，

關于 borderType 引數，表示的需要填充的邊界型別，該值有多種取值，建議是自行嘗試，我們采用其中一個優先進行說明，

import cv2
from matplotlib import pyplot as plt

src = cv2.imread("color.jpg")
# 后續繪圖使用 pyplot ，所以切換一下顏色通道的排序，相當于從 BGR 轉換為 RGB
b, g, r = cv2.split(src)
img = cv2.merge([r, g, b])

replicate = cv2.copyMakeBorder(img, 20, 20, 20, 20, cv2.BORDER_REPLICATE)

print("原圖形狀",src.shape)
print("擴充邊界之后的形狀",replicate.shape)

列印結果，注意像素的寬度和高度都擴展了 40，擴展之后的圖片，你可以自行比對，

原圖形狀 (624, 500, 3)
擴充邊界之后的形狀 (664, 540, 3)

影像擴展邊界最后一個引數 borderType 有如下取值

• cv2.BORDER_CONSTANT：固定值填充；
• cv2.BORDER_REFLECT_101 或者 cv2.BORDER_DEFAULT ：取鏡像對稱的像素填充；
• cv2.BORDER_REPLICATE：重復最后一個像素；
• cv2.BORDER_WRAP：取鏡像，

結合上文，可以實作這樣一個效果，找到 ROI 區域，然后對其進行邊緣擴展，

import cv2
from matplotlib import pyplot as plt

src = cv2.imread("7_img.jpg")
# 后續繪圖使用 pyplot ，所以切換一下顏色通道的排序，相當于從 BGR 轉換為 RGB
b, g, r = cv2.split(src)
img = cv2.merge([r, g, b])

roi_img = img[120:170,200:250]

dst = cv2.copyMakeBorder(roi_img, 2, 2, 2, 2, cv2.BORDER_CONSTANT,value=[0,0,255])

img[118:172,198:252] = dst
plt.imshow(img)
plt.title('img')
plt.show()

執行代碼之后，我們在原圖找到某個區域，然后對其進行邊緣擴展，實作了一個矩形的框選操作，效果如下：