歡迎大家來到“Python從零到壹”，在這里我將分享約200篇Python系列文章，帶大家一起去學習和玩耍，看看Python這個有趣的世界，所有文章都將結合案例、代碼和作者的經驗講解，真心想把自己近十年的編程經驗分享給大家，希望對您有所幫助，文章中不足之處也請海涵，Python系列整體框架包括基礎語法10篇、網路爬蟲30篇、可視化分析10篇、機器學習20篇、大資料分析20篇、影像識別30篇、人工智能40篇、Python安全20篇、其他技巧10篇，您的關注、點贊和轉發就是對秀璋最大的支持，知識無價人有情，希望我們都能在人生路上開心快樂、共同成長，

該系列文章主要講解Python OpenCV影像處理和影像識別知識，前期主要講解影像處理基礎知識、OpenCV基礎用法、常用影像繪制方法、影像幾何變換等，中期講解影像處理的各種運算，包括影像點運算、形態學處理、影像銳化、影像增強、影像平滑等，后期研究影像識別、影像分割、影像分類、影像特效處理以及影像處理相關應用，

上一篇文章介紹了影像演算法運算與邏輯運算，包括影像加法、影像減法、影像與運算、影像或運算、影像非運算與影像異或運算，這篇文章將詳細講解影像融合處理和ROI區域繪制，同時補充影像屬性、通道和型別轉換，希望文章對您有所幫助，如果有不足之處，還請海涵，

文章目錄

一.影像融合
二.影像ROI區域定位
三.影像屬性
四.影像通道分離及合并
五.影像型別轉換
六.總結

下載地址：

https://github.com/eastmountyxz/Python-zero2one

前文賞析：

第一部分基礎語法

[Python從零到壹] 一.為什么我們要學Python及基礎語法詳解
[Python從零到壹] 二.語法基礎之條件陳述句、回圈陳述句和函式
[Python從零到壹] 三.語法基礎之檔案操作、CSV檔案讀寫及面向物件

第二部分網路爬蟲

[Python從零到壹] 四.網路爬蟲之入門基礎及正則運算式抓取博客案例
[Python從零到壹] 五.網路爬蟲之BeautifulSoup基礎語法萬字詳解
[Python從零到壹] 六.網路爬蟲之BeautifulSoup爬取豆瓣TOP250電影詳解
[Python從零到壹] 七.網路爬蟲之Requests爬取豆瓣電影TOP250及CSV存盤
[Python從零到壹] 八.資料庫之MySQL基礎知識及操作萬字詳解
[Python從零到壹] 九.網路爬蟲之Selenium基礎技術萬字詳解（定位元素、常用方法、鍵盤滑鼠操作）
[Python從零到壹] 十.網路爬蟲之Selenium爬取在線百科知識萬字詳解（NLP語料構造必備技能）

第三部分資料分析和機器學習

[Python從零到壹] 十一.資料分析之Numpy、Pandas、Matplotlib和Sklearn入門知識萬字詳解(1)
[Python從零到壹] 十二.機器學習之回歸分析萬字總結全網首發（線性回歸、多項式回歸、邏輯回歸）
[Python從零到壹] 十三.機器學習之聚類分析萬字總結全網首發（K-Means、BIRCH、層次聚類、樹狀聚類）
[Python從零到壹] 十四.機器學習之分類演算法三萬字總結全網首發（決策樹、KNN、SVM、分類演算法對比）
[Python從零到壹] 十五.文本挖掘之資料預處理、Jieba工具和文本聚類萬字詳解
[Python從零到壹] 十六.文本挖掘之詞云熱點與LDA主題分布分析萬字詳解
[Python從零到壹] 十七.可視化分析之Matplotlib、Pandas、Echarts入門萬字詳解
[Python從零到壹] 十八.可視化分析之Basemap地圖包入門詳解
[Python從零到壹] 十九.可視化分析之熱力圖和箱圖繪制及應用詳解
[Python從零到壹] 二十.可視化分析之Seaborn繪圖萬字詳解
[Python從零到壹] 二十一.可視化分析之Pyechart繪圖萬字詳解
[Python從零到壹] 二十二.可視化分析之OpenGL繪圖萬字詳解
[Python從零到壹] 二十三.十大機器學習演算法之決策樹分類分析詳解(1)
[Python從零到壹] 二十四.十大機器學習演算法之KMeans聚類分析詳解(2)
[Python從零到壹] 二十五.十大機器學習演算法之KNN演算法及影像分類詳解(3)
[Python從零到壹] 二十六.十大機器學習演算法之樸素貝葉斯演算法及文本分類詳解(4)
[Python從零到壹] 二十七.十大機器學習演算法之線性回歸演算法分析詳解(5)
[Python從零到壹] 二十八.十大機器學習演算法之SVM演算法分析詳解(6)
[Python從零到壹] 二十九.十大機器學習演算法之隨機森林演算法分析詳解(7)
[Python從零到壹] 三十.十大機器學習演算法之邏輯回歸演算法及惡意請求檢測應用詳解(8)
[Python從零到壹] 三十一.十大機器學習演算法之Boosting和AdaBoost應用詳解(9)
[Python從零到壹] 三十二.十大機器學習演算法之層次聚類和樹狀圖聚類應用詳解(10)

第四部分 Python影像處理基礎

[Python從零到壹] 三十三.影像處理基礎篇之什么是影像處理和OpenCV配置
[Python從零到壹] 三十四.OpenCV入門詳解——顯示讀取修改及保存影像
[Python從零到壹] 三十五.影像處理基礎篇之OpenCV繪制各類幾何圖形
[Python從零到壹] 三十六.影像處理基礎篇之影像算術與邏輯運算詳解
[Python從零到壹] 三十七.影像處理基礎篇之影像融合處理和ROI區域繪制

第五部分 Python影像運算和影像增強

第六部分 Python影像識別和影像處理經典案例

第七部分 NLP與文本挖掘

第八部分人工智能入門知識

第九部分網路攻防與AI安全

第十部分知識圖譜構建實戰

擴展部分人工智能高級案例

作者新開的“娜璋AI安全之家”將專注于Python和安全技術，主要分享Web滲透、系統安全、人工智能、大資料分析、影像識別、惡意代碼檢測、CVE復現、威脅情報分析等文章，雖然作者是一名技術小白，但會保證每一篇文章都會很用心地撰寫，希望這些基礎性文章對你有所幫助，在Python和安全路上與大家一起進步，

一.影像融合

影像融合通常是指多張影像的資訊進行融合，從而獲得資訊更豐富的結果，能夠幫助人們觀察或計算機處理，圖5-1是將兩張不清晰的影像融合得到更清晰的效果圖，

在這里插入圖片描述

影像融合是在影像加法的基礎上增加了系數和亮度調節量，它與影像的主要區別如下[1-3]：

影像加法：目標影像 = 影像1 + 影像2
影像融合：目標影像 = 影像1 × 系數1 + 影像2 × 系數2 + 亮度調節量

在OpenCV中，影像融合主要呼叫addWeighted()函式實作，其原型如下，需要注意的是，兩張融合影像的像素大小必須一致，引數gamma不能省略，

dst = cv2.addWeighted(scr1, alpha, src2, beta, gamma)
dst = src1 * alpha + src2 * beta + gamma

下面的代碼是將兩張圖片進行影像融合，兩張圖片的系數均為1，

#coding:utf-8
# By：Eastmount
import cv2  
import numpy as np  
import matplotlib.pyplot as plt
 
#讀取圖片
src1 = cv2.imread('lena.png')
src2 = cv2.imread('luo.png')

#影像融合
result = cv2.addWeighted(src1, 1, src2, 1, 0)

#顯示影像
cv2.imshow("src1", src1)
cv2.imshow("src2", src2)
cv2.imshow("result", result)

#等待顯示
cv2.waitKey(0)
cv2.destroyAllWindows()

輸出結果如圖5-2所示，它將src1影像和src2影像按比例系數進行了融合，生成目標結果圖result，

在這里插入圖片描述

同樣可以設定不同的融合比例，圖5-3是下面核心函式的效果圖，

cv2.addWeighted(src1, 0.6, src2, 0.8, 10)

在這里插入圖片描述

二.影像ROI區域定位

ROI（Region of Interest）表示感興趣區域，是指從被處理影像以方框、圓形、橢圓、不規則多邊形等方式勾勒出需要處理的區域，可以通過各種算子（Operator）和函式求得感興趣ROI區域，被廣泛應用于熱點地圖、人臉識別、影像分割等領域，如圖5-4獲取Lena圖的臉部輪廓[4]，

在這里插入圖片描述

通過像素矩陣可以直接獲取ROI區域，如img[200:400, 200:400]，下面的代碼是獲取臉部ROI區域并顯示，

# -*- coding:utf-8 -*-
# By：Eastmount
import cv2
import numpy as np

#讀取圖片
img = cv2.imread("lena.png")

#定義200×200矩陣 3對應BGR
face = np.ones((200, 200, 3))

#顯示原始影像
cv2.imshow("Demo", img)

#顯示ROI區域
face = img[150:350, 150:350]
cv2.imshow("face", face)

#等待顯示
cv2.waitKey(0)
cv2.destroyAllWindows()

輸出結果如圖5-5所示，它將Lena原圖的臉部提取出來，

在這里插入圖片描述

同樣，如果想將提取的ROI區域融合至其他圖片，則使用賦值陳述句即可，下面代碼是將提取的Lena頭部輪廓融合至一幅新的影像中，

# -*- coding:utf-8 -*-
# By：Eastmount
import cv2
import numpy as np

#讀取圖片
img = cv2.imread("Lena.png")
test = cv2.imread("luo.png",)

#定義150×150矩陣 3對應BGR
face = np.ones((150, 150, 3))

#顯示原始影像
cv2.imshow("Demo", img)

#顯示ROI區域
face = img[200:350, 200:350]
test[250:400, 250:400] = face
cv2.imshow("Result", test)

#等待顯示
cv2.waitKey(0)
cv2.destroyAllWindows()

運行結果如圖5-6所示，它將提取的150×150臉部輪廓融合至新的影像[250:400, 250:400] 區域，

在這里插入圖片描述

三.影像屬性

前面一篇文章中我們已經看到了size、shape等關鍵字，這篇文章就對影像中最常見的三個屬性進行介紹，它們分別是影像形狀（shape）、像素大小（size）和影像型別（dtype），

（1）shape
通過shape關鍵字獲取影像的形狀，回傳包含行數、列數、通道數的元組，其中灰度影像回傳行數和列數，彩色影像回傳行數、列數和通道數，

# -*- coding:utf-8 -*-
# By：Eastmount
import cv2
import numpy

#讀取圖片
img = cv2.imread("luo.png")

#獲取影像形狀
print(img.shape)

#顯示影像
cv2.imshow("Demo", img)

#等待顯示
cv2.waitKey(0)
cv2.destroyAllWindows()

最終輸出結果如圖5-7所示，（412，412，3），它表示該影像共412行、412列像素，包括3個通道，

在這里插入圖片描述

（2）size
通過size關鍵字獲取影像的像素數目，其中灰度影像回傳行數×列數，彩色影像回傳行數×列數×通道數，下述代碼就是獲取“luo.png”影像的大小，

# -*- coding:utf-8 -*-
# By：Eastmount
import cv2
import numpy

#讀取圖片
img = cv2.imread("luo.png")

#獲取影像形狀
print(img.shape)

#獲取像素數目
print(img.size)

輸出結果如下所示，包含510468個像素，即為413×412×3，

(412, 412, 3)
509232

（3）dtype
通過dtype關鍵字獲取影像的資料型別，通常回傳uint8，

# -*- coding:utf-8 -*-
# By：Eastmount
import cv2
import numpy

#讀取圖片
img = cv2.imread("Lena.png")

#獲取影像形狀
print(img.shape)

#獲取像素數目
print(img.size)

#獲取影像資料型別
print(img.dtype)

四.影像通道分離及合并

OpenCV通過split()函式和merge()函式實作對影像通道的處理，包括通道分離和通道合并，

（1）split()函式
OpenCV讀取的彩色影像由藍色（B）、綠色（G）、紅色（R）三原色組成，每一種顏色可以認為是一個通道分量[4]，如圖5-8所示，

在這里插入圖片描述

split()函式用于將一個多通道陣列分量成三個單通道，其函式原型如下所示：

mv = split(m[, mv])
– m表示輸入的多通道陣列
– mv表示輸出的陣列或vector容器

下面的代碼是獲取彩色“小珞珞”影像三個顏色通道并分別顯示，

# -*- coding:utf-8 -*-
# By：Eastmount
import cv2
import numpy

#讀取圖片
img = cv2.imread("luo.png")

#拆分通道
b, g, r = cv2.split(img)

#顯示原始影像
cv2.imshow("B", b)
cv2.imshow("G", g)
cv2.imshow("R", r)

#等待顯示
cv2.waitKey(0)
cv2.destroyAllWindows()

顯示結果如圖5-9所示，它展示了B、G、R三個通道的顏色分量，

在這里插入圖片描述

同時，可以獲取不同通道顏色，核心代碼為：

b = cv2.split(a)[0]
g = cv2.split(a)[1]
r = cv2.split(a)[2]

（2）merge()函式
該函式是split()函式的逆向操作，將多個陣列合成一個通道的陣列，從而實作影像通道的合并，其函式原型如下：

dst = merge(mv[, dst])
– mv表示輸入的需要合并的陣列，所有矩陣必須有相同的大小和深度
– dst表示輸出具有與mv相同大小和深度的陣列

實作影像三個顏色通道融合的代碼如下：

# -*- coding:utf-8 -*-
# By：Eastmount
import cv2
import numpy as np

#讀取圖片
img = cv2.imread("luo.png")

#拆分通道
b, g, r = cv2.split(img)

#合并通道
m = cv2.merge([b, g, r])
cv2.imshow("Merge", m)
           
#等待顯示
cv2.waitKey(0)
cv2.destroyAllWindows()

顯示結果如圖5-10所示，它將拆分的B、G、R三個通道的顏色分量進行了合并，接著顯示合并后的影像，

在這里插入圖片描述

同時，可以呼叫該函式提取影像的不同顏色，比如提取B顏色通道，G、B通道設定為0，代碼如下所示：

# -*- coding:utf-8 -*-
# By：Eastmount
import cv2
import numpy as np

#讀取圖片
img = cv2.imread("luo.png")
rows, cols, chn = img.shape

#拆分通道
b = cv2.split(img)[0]

#設定g、r通道為0
g = np.zeros((rows,cols), dtype=img.dtype)
r = np.zeros((rows,cols), dtype=img.dtype)

#合并通道
m = cv2.merge([b, g, r])
cv2.imshow("Merge", m)
           
#等待顯示
cv2.waitKey(0)
cv2.destroyAllWindows()

此時顯示的影像為藍色通道，如圖5-11所示，其他顏色的通道方法也類似，

在這里插入圖片描述

五.影像型別轉換

在日常生活中，我們看到的大多數彩色影像都是RGB型別，但是在影像處理程序中，常常需要用到灰度影像、二值影像、HSV、HSI等顏色，影像型別轉換是指將一種型別轉換為另一種型別，比如彩色影像轉換為灰度影像、BGR影像轉換為RGB影像，OpenCV提供了200多種不同型別之間的轉換，其中最常用的包括3類，如下：

cv2.COLOR_BGR2GRAY
cv2.COLOR_BGR2RGB
cv2.COLOR_GRAY2BGR

OpenCV提供了cvtColor()函式實作這些功能，其函式原型如下所示：

dst = cv2.cvtColor(src, code[, dst[, dstCn]])
– src表示輸入影像，需要進行顏色空間變換的原影像
– dst表示輸出影像，其大小和深度與src一致
– code表示轉換的代碼或標識
– dstCn表示目標影像通道數，其值為0時，則有src和code決定

該函式的作用是將一個影像從一個顏色空間轉換到另一個顏色空間，其中，RGB是指Red、Green和Blue，一副影像由這三個通道（channel）構成；Gray表示只有灰度值一個通道；HSV包含Hue（色調）、Saturation（飽和度）和Value（亮度）三個通道，在OpenCV中，常見的顏色空間轉換標識包括CV_BGR2BGRA、CV_RGB2GRAY、CV_GRAY2RGB、CV_BGR2HSV、CV_BGR2XYZ、CV_BGR2HLS[3]，

下面是呼叫cvtColor()函式將影像進行灰度化處理的代碼，

# -*- coding:utf-8 -*-
# By：Eastmount
import cv2  
import numpy as np  
import matplotlib.pyplot as plt
 
#讀取圖片
src = cv2.imread('luo.png')

#影像型別轉換
result = cv2.cvtColor(src, cv2.COLOR_BGR2GRAY)

#顯示影像
cv2.imshow("src", src)
cv2.imshow("result", result)

#等待顯示
cv2.waitKey(0)
cv2.destroyAllWindows()

輸出結果如圖5-12所示，它將左邊的彩色影像轉換為右邊的灰度影像，更多灰度轉化演算法將在后面的文章詳細介紹，

在這里插入圖片描述

同樣，可以呼叫下列核心代碼將彩色影像轉換為HSV顏色空間，如圖5-13所示，

grayImage = cv2.cvtColor(src, cv2.COLOR_BGR2HSV)

在這里插入圖片描述

下面代碼對比了九種常見的顏色空間，包括BGR、RGB、GRAY、HSV、YCrCb、HLS、XYZ、LAB和YUV，并回圈顯示處理后的影像，

# -*- coding:utf-8 -*-
# By：Eastmount
import cv2  
import numpy as np  
import matplotlib.pyplot as plt

#讀取原始影像
img_BGR = cv2.imread('luo.png')

#BGR轉換為RGB
img_RGB = cv2.cvtColor(img_BGR, cv2.COLOR_BGR2RGB)

#灰度化處理
img_GRAY = cv2.cvtColor(img_BGR, cv2.COLOR_BGR2GRAY)

#BGR轉HSV
img_HSV = cv2.cvtColor(img_BGR, cv2.COLOR_BGR2HSV)

#BGR轉YCrCb
img_YCrCb = cv2.cvtColor(img_BGR, cv2.COLOR_BGR2YCrCb)

#BGR轉HLS
img_HLS = cv2.cvtColor(img_BGR, cv2.COLOR_BGR2HLS)

#BGR轉XYZ
img_XYZ = cv2.cvtColor(img_BGR, cv2.COLOR_BGR2XYZ)

#BGR轉LAB
img_LAB = cv2.cvtColor(img_BGR, cv2.COLOR_BGR2LAB)

#BGR轉YUV
img_YUV = cv2.cvtColor(img_BGR, cv2.COLOR_BGR2YUV)

#呼叫matplotlib顯示處理結果
titles = ['BGR', 'RGB', 'GRAY', 'HSV', 'YCrCb', 'HLS', 'XYZ', 'LAB', 'YUV']  
images = [img_BGR, img_RGB, img_GRAY, img_HSV, img_YCrCb,
          img_HLS, img_XYZ, img_LAB, img_YUV]  
for i in range(9):  
   plt.subplot(3, 3, i+1), plt.imshow(images[i], 'gray')  
   plt.title(titles[i])  
   plt.xticks([]),plt.yticks([])  
plt.show()

其運行結果如圖5-14所示：

在這里插入圖片描述

六.總結

本章主要講解Python和OpenCV的影像基礎處理，從讀取顯示影像到讀取修改像素，從創建、復制、保存影像到獲取影像屬性合通道，再詳細講解了影像算數與邏輯運算，包括影像加法、減法、與運算、或運算、異或運算、非運算，最后講解了影像融合和獲取影像ROI區域及影像型別轉換，本章知識為后續的影像處理、影像識別、影像變換打下扎實基礎，

最近寒假日更，為了感謝讀者，同時感謝在求學路上的同行者，不負遇見，勿忘初心，影像處理系列主要包括三部分，分別是：

在這里插入圖片描述

請添加圖片描述

這周的留言感慨～

十二年CSDN的博客分享，如果要說分享最讓我開心的是什么？不是傳道，不是授業，也不是解惑，而是接下來這類事，這些年已經陸續鼓勵了一些朋友當老師，而昨天得知這一位博友真的去到新疆南疆成為了一名小學老師，我很是感動，是真的感動，六年前我曾鼓勵他如果想，就放棄高額工資的互聯網大廠，去做自己想做的，沒想到已經當了四年老師，又當爹又當媽，國語普及，文化教育，這里面的艱辛不是一兩句道得清，除了佩服就是鼓勵，
正如你說的一樣，“一輩子總得做點有意義的事情，生命實在太短暫，一定要活得積極、正面”，或許，這也是我在CSDN分享博客的最大意義，再比如云南那位老友的留言，“農村的孩子下雨沒有傘，只能拼命奔跑”，希望你以后也能成為一名教師，感恩有你們，感謝有你們，我也希望自己早日畢業回到家鄉，花上三四十年做好兩件事，一是認真教書，二是將少數民族文物搶救和文字語音保護做好，也鼓勵更多人一起加入進來，自己雖然很菜吧，但還是有一些喜歡的事，尤其陪伴愛的人，挺好，愛你們喔，2022年繼續加油，在CSDN分享更高質量的博客和專欄，

(By:娜璋之家 Eastmount 2022-01-26 夜于貴陽 https://blog.csdn.net/Eastmount )

參考文獻：

[1]岡薩雷斯. 數字影像處理（第3版）[M]. 北京：電子工業出版社, 2013.
[2]毛星云, 冷雪飛. OpenCV3編程入門[M]. 北京：電子工業出版社, 2015.
[3]Eastmount. [Python影像處理] 五.影像融合、加法運算及影像型別轉換[EB/OL]. (2018-09-03). https://blog.csdn.net/Eastmount/article/details/82347501.
[4]Eastmount. [Python影像處理] 三.獲取影像屬性、興趣ROI區域及通道處理[EB/OL]. (2018-08-29). https://blog.csdn.net/Eastmount/article/details/82177300.

轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/421849.html

標籤：AI

上一篇：構建VisualStudio2019+OpenCV4.3的C++ windows編譯環境

下一篇：《動手學深度學習》pytorch版第二章練習

[Python從零到壹] 三十七.影像處理基礎篇之影像融合處理和ROI區域繪制

文章目錄

一.影像融合

二.影像ROI區域定位

三.影像屬性

四.影像通道分離及合并

五.影像型別轉換

六.總結