您现在的位置是：首页 > 其他

当前栏目

Python-OpenCV教程-4

教程

2023-03-02 11:48:10 时间

# [Python-OpenCV教程-4 ][Python-OpenCV_-4] #

2014-10-08 11:26  1050人阅读 [评论][Link 1](0) 收藏 [举报][Link 2]

本文章已收录于：

![category_icon.jpg][] 分类：

python*（11）* ![arrow_triangle_20_down.jpg][] ![arrow_triangle_up.jpg][]

[作者同类文章][Link 3] *X*

[OpenCV][]版本要求在2.3.1以上

本文主要介绍OpenCV中对图像的基本操作和基本[算法][Link 4]

1.基本操作

在[Python][]环境下，我们有两种方式来操作图像——通过OpenCV提供的函数来操作图像或者是通过Numpy来直接修改图像的数组。这里，我们推荐使用Numpy的方式，应为它清晰并且高效。

首先我们读取一幅图像：

**\[python\]** [ view plain][view plain] [ copy][view plain] [ print][view plain] [?][view plain]

1. <span style="font-size:14px;">>>> import cv2  
2. >>> import numpy as np  
3.   
4. >>> img = cv2.imread('messi5.jpg')

![save_snippets.png][]

>>> import cv2
 >>> import numpy as np
 
 >>> img = cv2.imread('messi5.jpg')

然后，我们可以直接通过行列坐标来访问这个像素的BGR值。对于灰度图像，则是访问它的灰度值。

**\[python\]** [ view plain][view plain] [ copy][view plain] [ print][view plain] [?][view plain]

1.  >>> px = img\[100,100\]  
2.  >>> print px  
3.  \[157 166 200\]  
4.    
5.  \# accessing only blue pixel  
6.  >>> blue = img\[100,100,0\]  
7.  >>> print blue  
8.  157

![save_snippets.png][]

>>> px = img[100,100]
    >>> print px
    [157 166 200]
    
    # accessing only blue pixel
    >>> blue = img[100,100,0]
    >>> print blue
    157

然后通过这种方式也可以修改像素的值：

**\[python\]** [ view plain][view plain] [ copy][view plain] [ print][view plain] [?][view plain]

1.  >>> img\[100,100\] = \[255,255,255\]  
2.  >>> print img\[100,100\]  
3.  \[255 255 255\]

![save_snippets.png][]

>>> img[100,100] = [255,255,255]
    >>> print img[100,100]
    [255 255 255]

但是，以上这种读取像素值的方式非常缓慢。因此，我们耿推荐使用Numpy的函数——array.item()和array.itemset()来访问。

以下是推荐的访问和修改方式：

**\[python\]** [ view plain][view plain] [ copy][view plain] [ print][view plain] [?][view plain]

1.  \# accessing RED value  
2.  >>> img.item(10,10,2)  
3.  59  
4.    
5.  \# modifying RED value  
6.  >>> img.itemset((10,10,2),100)  
7.  >>> img.item(10,10,2)  
8.  100

![save_snippets.png][]

# accessing RED value
    >>> img.item(10,10,2)
    59
    
    # modifying RED value
    >>> img.itemset((10,10,2),100)
    >>> img.item(10,10,2)
    100

除了访问图像的像素值，我们还能获取图像的属性——行数、列数、通道数、图像的数据类型以及像素点的数量等。

通过img.shape这个属性，我们可以得到一个记录了图像行数、列数和通道数的元组(灰度图像则只返回行列数，通过这个可以区分图像是彩色的还是灰度的)。

像素点的数量可以通过img.size这个函数获得，图像的数据类型可以通过img.dtype来获得：

**\[python\]** [ view plain][view plain] [ copy][view plain] [ print][view plain] [?][view plain]

1.  >>> print img.shape  
2.  (342, 548, 3)  
3.  >>> print img.size  
4.  562248  
5.  >>> print img.dtype  
6.  uint8

![save_snippets.png][]

>>> print img.shape
    (342, 548, 3)
    >>> print img.size
    562248
    >>> print img.dtype
    uint8

有时，我们会经常对一幅图像的特定区域进行操作。比如我们要对一幅图像进行人眼检测，那么一般会先去检测人脸，然后在人脸的区域内去检测眼睛。这样做即提高的精度(因为眼睛总是长在脸上 : D)，又提高了速度(搜索区域变小了)。

我们把这种特定区域的操作叫做ROI(region of image)，下面的代码中，我们把图中的球复制到另一区域：

**\[python\]** [ view plain][view plain] [ copy][view plain] [ print][view plain] [?][view plain]

1.  >>> ball = img\[280:340, 330:390\]  
2.  >>> img\[273:333, 100:160\] = ball

![save_snippets.png][]

>>> ball = img[280:340, 330:390]
    >>> img[273:333, 100:160] = ball

效果如下：

![Image ROI][]

有时我们还需要把图形的RGB通道分离，或者是把分离的三个通道合成成一幅RGB图像：

**\[python\]** [ view plain][view plain] [ copy][view plain] [ print][view plain] [?][view plain]

1.  >>> b,g,r = cv2.split(img)  
2.  >>> img = cv2.merge((b,g,r))

![save_snippets.png][]

>>> b,g,r = cv2.split(img)
    >>> img = cv2.merge((b,g,r))

或者

**\[python\]** [ view plain][view plain] [ copy][view plain] [ print][view plain] [?][view plain]

1.  >>> b = img\[:,:,0\]

![save_snippets.png][]

>>> b = img[:,:,0]

假设你想要把所有红色像素的值置为0：

**\[python\]** [ view plain][view plain] [ copy][view plain] [ print][view plain] [?][view plain]

1.  >>> img\[:,:,2\] = 0

![save_snippets.png][]

>>> img[:,:,2] = 0

另外，cv2.split()函数运行非常消耗时间，所以在不必要的情况下最好别用。因此，我们更即推荐第二种方法。  
最后，再介绍一个基本操作——边界填补(Padding)

在卷积计算、零点补偿等领域内，Padding有非常大的用处。Padding主要使用cv2.copyMakeBorder()这个函数，它需要的参数如下：

src：输入的图片

top,bottom,left,right：上下左右边界的宽度。

borderType：请参考英文页面

下面的代码显示了所有不同类型的边界：

**\[python\]** [ view plain][view plain] [ copy][view plain] [ print][view plain] [?][view plain]

1.  import cv2  
2.  import numpy as np  
3.  from matplotlib import pyplot as plt  
4.    
5.  BLUE = \[255,0,0\]  
6.    
7.  img1 = cv2.imread('opencv\_logo.png')  
8.    
9.  replicate = cv2.copyMakeBorder(img1,10,10,10,10,cv2.BORDER\_REPLICATE)  
10. reflect = cv2.copyMakeBorder(img1,10,10,10,10,cv2.BORDER\_REFLECT)  
11. reflect101 = cv2.copyMakeBorder(img1,10,10,10,10,cv2.BORDER\_REFLECT\_101)  
12. wrap = cv2.copyMakeBorder(img1,10,10,10,10,cv2.BORDER\_WRAP)  
13. constant= cv2.copyMakeBorder(img1,10,10,10,10,cv2.BORDER\_CONSTANT,value=BLUE)  
14.   
15. plt.subplot(231),plt.imshow(img1,'gray'),plt.title('ORIGINAL')  
16. plt.subplot(232),plt.imshow(replicate,'gray'),plt.title('REPLICATE')  
17. plt.subplot(233),plt.imshow(reflect,'gray'),plt.title('REFLECT')  
18. plt.subplot(234),plt.imshow(reflect101,'gray'),plt.title('REFLECT\_101')  
19. plt.subplot(235),plt.imshow(wrap,'gray'),plt.title('WRAP')  
20. plt.subplot(236),plt.imshow(constant,'gray'),plt.title('CONSTANT')  
21.   
22. plt.show()

![save_snippets.png][]

import cv2
    import numpy as np
    from matplotlib import pyplot as plt
    
    BLUE = [255,0,0]
    
    img1 = cv2.imread('opencv_logo.png')
    
    replicate = cv2.copyMakeBorder(img1,10,10,10,10,cv2.BORDER_REPLICATE)
    reflect = cv2.copyMakeBorder(img1,10,10,10,10,cv2.BORDER_REFLECT)
    reflect101 = cv2.copyMakeBorder(img1,10,10,10,10,cv2.BORDER_REFLECT_101)
    wrap = cv2.copyMakeBorder(img1,10,10,10,10,cv2.BORDER_WRAP)
    constant= cv2.copyMakeBorder(img1,10,10,10,10,cv2.BORDER_CONSTANT,value=BLUE)
    
    plt.subplot(231),plt.imshow(img1,'gray'),plt.title('ORIGINAL')
    plt.subplot(232),plt.imshow(replicate,'gray'),plt.title('REPLICATE')
    plt.subplot(233),plt.imshow(reflect,'gray'),plt.title('REFLECT')
    plt.subplot(234),plt.imshow(reflect101,'gray'),plt.title('REFLECT_101')
    plt.subplot(235),plt.imshow(wrap,'gray'),plt.title('WRAP')
    plt.subplot(236),plt.imshow(constant,'gray'),plt.title('CONSTANT')
    
    plt.show()

![Border Types][Image ROI]  
  
翻译自http://docs.opencv.org/trunk/doc/py\_tutorials/py\_core/py\_basic\_ops/py\_basic\_ops.html\#basic-ops

2.基本算法

我们可以通过cv2.add()函数或者是numpy的运算res=img1+img2来相加两幅图片。需要说明的是add()函数两个数相加如果大于255则结果就是255，而直接相加的会如果大于255则会把结果对255取模。

**\[python\]** [ view plain][view plain] [ copy][view plain] [ print][view plain] [?][view plain]

1.  >>> x = np.uint8(\[250\])  
2.  >>> y = np.uint8(\[10\])  
3.    
4.  >>> print cv2.add(x,y) \# 250+10 = 260 => 255  
5.  \[\[255\]\]  
6.    
7.  >>> print x+y          \# 250+10 = 260 % 256 = 4  
8.  \[4\]

![save_snippets.png][]

>>> x = np.uint8([250])
    >>> y = np.uint8([10])
    
    >>> print cv2.add(x,y) # 250+10 = 260 => 255
    [[255]]
    
    >>> print x+y          # 250+10 = 260 % 256 = 4
    [4]

除了简单相加两幅图像，我们还能按比重去混合两幅图像，混合时按照以下公式：

![g(x) = (1 - \\alpha)f\_\{0\}(x) + \\alpha f\_\{1\}(x)][Image ROI]

把![\\alpha][Image ROI]从![0 \\rightarrow 1][Image ROI]调整，我们能看到从一幅图像慢慢变为另一副图像，cv2.addWeighted()按照以下公式来混合两幅图像：

![dst = \\alpha \\cdot img1 + \\beta \\cdot img2 + \\gamma][Image ROI]

**\[python\]** [ view plain][view plain] [ copy][view plain] [ print][view plain] [?][view plain]

1. <span style="font-size:18px;">img1 = cv2.imread('ml.png')  
2. img2 = cv2.imread('opencv\_logo.jpg')  
3.   
4. dst = cv2.addWeighted(img1,0.7,img2,0.3,0)  
5.   
6. cv2.imshow('dst',dst)  
7. cv2.waitKey(0)  
8. cv2.destroyAllWindows()

![save_snippets.png][]

img1 = cv2.imread('ml.png')
 img2 = cv2.imread('opencv_logo.jpg')
 
 dst = cv2.addWeighted(img1,0.7,img2,0.3,0)
 
 cv2.imshow('dst',dst)
 cv2.waitKey(0)
 cv2.destroyAllWindows()

效果如下：

![Image Blending][Image ROI]

另外OpenCV还支持对象素点的位运算(与或非和亦或)。这些运算方法在提取图片的非矩形区域时，能发挥意想不到的作用。

比如我想把上面的OpenCV的logo给抠下来放到另一张图片里去，如果之家吧两幅图片相加，那么颜色就会改变，如果混合两幅图片，则会造成透明的效果，这时就可以巧妙地运用为运算来解决这个问题：

**\[python\]** [ view plain][view plain] [ copy][view plain] [ print][view plain] [?][view plain]

1.  \# Load two images  
2.  img1 = cv2.imread('messi5.jpg')  
3.  img2 = cv2.imread('opencv\_logo.png')  
4.    
5.  \# I want to put logo on top-left corner, So I create a ROI  
6.  rows,cols,channels = img2.shape  
7.  roi = img1\[0:rows, 0:cols \]  
8.    
9.  \# Now create a mask of logo and create its inverse mask also  
10. img2gray = cv2.cvtColor(img2,cv2.COLOR\_BGR2GRAY)  
11. ret, mask = cv2.threshold(img2gray, 10, 255, cv2.THRESH\_BINARY)  
12. mask\_inv = cv2.bitwise\_not(mask)  
13.   
14. \# Now black-out the area of logo in ROI  
15. img1\_bg = cv2.bitwise\_and(roi,roi,mask = mask\_inv)  
16.   
17. \# Take only region of logo from logo image.  
18. img2\_fg = cv2.bitwise\_and(img2,img2,mask = mask)  
19.   
20. \# Put logo in ROI and modify the main image  
21. dst = cv2.add(img1\_bg,img2\_fg)  
22. img1\[0:rows, 0:cols \] = dst  
23.   
24. cv2.imshow('res',img1)  
25. cv2.waitKey(0)  
26. cv2.destroyAllWindows()

![save_snippets.png][]

# Load two images
    img1 = cv2.imread('messi5.jpg')
    img2 = cv2.imread('opencv_logo.png')
    
    # I want to put logo on top-left corner, So I create a ROI
    rows,cols,channels = img2.shape
    roi = img1[0:rows, 0:cols ]
    
    # Now create a mask of logo and create its inverse mask also
    img2gray = cv2.cvtColor(img2,cv2.COLOR_BGR2GRAY)
    ret, mask = cv2.threshold(img2gray, 10, 255, cv2.THRESH_BINARY)
    mask_inv = cv2.bitwise_not(mask)
    
    # Now black-out the area of logo in ROI
    img1_bg = cv2.bitwise_and(roi,roi,mask = mask_inv)
    
    # Take only region of logo from logo image.
    img2_fg = cv2.bitwise_and(img2,img2,mask = mask)
    
    # Put logo in ROI and modify the main image
    dst = cv2.add(img1_bg,img2_fg)
    img1[0:rows, 0:cols ] = dst
    
    cv2.imshow('res',img1)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

![Otsu's Thresholding][Image ROI]  
左图是mask的图像，右图是最后的结果。

这个程序要求logo必须是黑底的，它先用cvtColor把原图转换成灰度图，然后用threshold函数，根据灰度把图像分成了两部分——logo部分和背景部分，其中logo的灰度值为255(白色)，背景为0(黑色)，这就是mask图像。然后，对mask取反，让logo为0，背景为255，得到mask\_inv图像。然后让messi5的左上角和它自身以mask\_inv为掩码做与运算——即掩码为0，则结果得0，掩码大于0，则结果不变(这就在messi5上用黑色抠了一个logo，接下来要上色了)。再接着，让logo和它自身以mask为掩码做与运算(把有颜色的部分抠出来)。最后使用add函数把两个图片相加就得到了右图(这里用到了黑色是(0,0,0)，它加上什么颜色就是什么颜色这个特性)。

翻译自http://docs.opencv.org/trunk/doc/py\_tutorials/py\_core/py\_image\_arithmetics/py\_image\_arithmetics.html\#image-arithmetics

顶

踩

*  上一篇[Python-OpenCV教程-3][Python-OpenCV_-3]
 *  下一篇[Python-OpenCV教程-5][Python-OpenCV_-5]

[Python-OpenCV_-4]: http://blog.csdn.net/poi7777/article/details/39891407
[Link 1]: http://blog.csdn.net/poi7777/article/details/39891407#comments
[Link 2]: http://blog.csdn.net/poi7777/article/details/39891407#report
[category_icon.jpg]: /images/20220714/5b202f0ec69b4b9b967353962da09fa5.png
[arrow_triangle_20_down.jpg]: http://static.blog.csdn.net/images/arrow_triangle%20_down.jpg
[arrow_triangle_up.jpg]: /images/20220714/71dd1284afed45c69df1b68a5ecb1a6f.png
[Link 3]: http://blog.csdn.net/poi7777/article/category/2128433
[OpenCV]: http://lib.csdn.net/base/opencv
[Link 4]: http://lib.csdn.net/base/datastructure
[Python]: http://lib.csdn.net/base/python
[view plain]: http://blog.csdn.net/poi7777/article/details/39891407#
[save_snippets.png]: /images/20220714/d8d13ee0d1b84413b75cf5a55d45e661.png
[Image ROI]: 
[Python-OpenCV_-3]: http://blog.csdn.net/poi7777/article/details/39854187
[Python-OpenCV_-5]: http://blog.csdn.net/poi7777/article/details/39937091

猜你喜欢

最长无重复子串
写技术博客的一些心得分享
Java 多线程（七）：线程池
Java 多线程（五）：锁（三）
Java 多线程（四）：锁（二）
Java 多线程（三）：锁（一）
Java 多线程（二）：并发编程的三大特性
线性时间非比较类排序
Java 多线程（一）：基础
合并k个已排序的链表
HDFS 高可用分布式环境搭建
合并两个有序数组
连续子数组的最大和
HDFS 分布式环境搭建
容器盛水问题
大数加法
HDFS 伪分布式环境搭建
设计LRU缓存结构
两数之和
使用单调栈来解决的一些问题

zl程序教程

当前栏目

Python-OpenCV教程-4

相关文章