【笔记】opencv的python实现·像素处理像素访问 alpha通道

淩亂°似流年 2022-11-02 00:56 390阅读 0赞

## 像素概念 ##

计算机在处理某个图像时，会首先将其划分为一个个小方块，**每个小方块是一个独立的处理单位，成为像素点**

记录一些基础语法:  
，X\[:,0\]就是取矩阵X的所有行的第0列的元素，X\[:,1\] 就是取所有行的第1列的元素  
python中的小括号( )：代表tuple元组数据类型，元组是一种不可变序列。  
python中的中括号\[ \]，代表list列表数据类型  
大括号\{ \}花括号：代表dict字典数据类型

## 彩色图像的读取 ##

RGB模式的彩色图像在读入OPENCV进行处理时会按照行方向依次读取该RGB图像的B通道 G通道 R通道的像素点，并将像素点以行为单位存储在ndarray的列中  
可以用image\[0,0,0\]访问图像image的B通道内第0行第0列上的像素点，第一个索引表示第0行，第二个索引为第0列，第三个索引为颜色通道  
image\[0,0,1\] 访问第0行第0列第一个通道的像素值 如果图像是BGR格式，第一个通道是G通道，第0个通道是B通道

## 使用Numpy生成三维数组，用来观察三个通道值得到变化情况: ##

import numpy as np
    import cv2
    
    blue = np.zeros((300,300,3),dtype=np.uint8)
    blue[:, :, 0] = 255
    print("blue=",blue)
    cv2.imshow("blue",blue)
    
    green = np.zeros((300,300,3),dtype=np.uint8)
    green[:, :, 1] = 255
    print("green=",green)
    cv2.imshow("green",green)
    
    
    red = np.zeros((300,300,3),dtype=np.uint8)
    red[:, :, 2] = 255
    print("red=",red)
    cv2.imshow("red",red)
    cv2.waitKey()

numpy.zeros的官方解释：  
numpy.zeros(shape, dtype=float, order=‘C’, \*, like=None)¶  
Return a new array of given shape and type, filled with zeros.  
可以生成一个元素都是0的数组  
例子：

> np.zeros(5) 
    array([ 0.,  0.,  0.,  0.,  0.]) 
    np.zeros((5,), dtype=int)
    > array([0, 0, 0, 0, 0])

>>>s = (2,2)
    >>>np.zeros(s)
    array([[ 0.,  0.],
           [ 0.,  0.]])

自定义类型：

>>> numpy.zeros((2,), dtype=[('x', 'i4'), ('y', 'i4')])
    array([(0, 0), (0, 0)], dtype=[('x', '<i4'), ('y', '<i4')])

结果：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzU4NTc0_size_16_color_FFFFFF_t_70]

变化一下：

import numpy as np
    import cv2
    
    img = np.zeros((300,300,3),dtype=np.uint8)
    img[:,0:100,0]=255
    img[:,100:200,1]=255
    
    img[:,200:300,2]=255
    
    cv2.imshow("red",img)
    cv2.waitKey()

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzU4NTc0_size_16_color_FFFFFF_t_70 1]  
img\[:,0:100,0\] 其中冒号表示范围 即0到第100列

img=np.zeros((2,4,3),dtype=np.unit8) 生成一个2*4*3大小的数组，对应一个2行4列3个通道的BGR图像 img\[0,3\]：会访问第0行第3列位置上的B通道G通道R通道三个像素点 img\[1,2,2\]访问第1行第2列第2个通道的像素点  
执行下面语句：

img[0,0] = 244
    img[0:100,0:100,2] = 78
    print(img[0,0])

输出\[244 244 78\]

## 像素访问 ##

numpy.array提供了item()和itemset()函数来访问和修改像素值，item可以更加高效地访问图像的像素点，itemset:修改像素值，语法格式为itemset(索引值，新值)  
函数item访问RGB模式图像的像素时，语法格式为item(行，列，通道） 通道不能省略  
随机生成一副彩色图像:

import numpy as np
    import cv2
    
    img = np.random.randint(0,256,size=[256,256,3],dtype=np.uint8)
    cv2.imshow("img",img)
    cv2.waitKey()

其中size是图像的尺寸，修改之后图像的大小发生变化，3即三个色彩通道  
randint中0，256值随机生成的范围  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzU4NTc0_size_16_color_FFFFFF_t_70 2]  
访问彩色图像并对像素进行修改访问:

for i in range(0,100):
     for j in range(0,100):
      for k in range(0,3):
       img.itemset((i,j,k),255)

## ROI感兴趣区域 ##

获取局部区域:

import cv2
    import numpy as np
    a = cv2.imread("hammer.png",,cv2.IMREAD_UNCHANGED)
    face = a[100:600,100:350]
    cv2.imshow("face",face)
    cv2.waitKey()

## 通道拆分 ##

通过索引的方式，可以直接将各个通道从图像内提取出来，演示通道拆分的代码:

import cv2
    
    img = cv2.imread("p7.jpg",cv2.IMREAD_UNCHANGED)
    a = img[:,:,0]
    b = img[:,:,1]
    c = img[:,:,2]
    cv2.imshow("a",a)
    cv2.imshow("b",b)
    cv2.imshow("c",c)
    img[:,:,0] = 0
    cv2.imshow("ii",img)
    img[:,:,1] = 0
    cv2.imshow("i2",img)
    img[:,:,2] = 0
    cv2.imshow("i3",img)
    cv2.waitKey()

结果：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzU4NTc0_size_16_color_FFFFFF_t_70 3]  
通过函数拆分:  
cv2.split函数可以拆分图像的通道，如：  
b,g,r = cv2.split(img)  
通过函数合并:  
cv2.merge()可以合并三个通道为一副彩色图像，其中合并顺序对图像效果有影响

b,g,r = cv2.split(img)
    bgr = cv2.merge([b,g,r])
    rgb = cv2.merge([r,g,b])

将BGR图像转化为HSV类型的图像并获得卡通效果:  
代码

img = cv2.imread("p7.jpg",cv2.IMREAD_UNCHANGED)
    hsv = cv2.cvtColor(img,cv2.COLOR_BGR2HSV)
    h,s,v = cv2.split(hsv)
    v[:,:] = 255
    newhsv = cv2.merge([h,s,v])
    cv2.imshow("new",newhsv)
    cv2.waitKey()

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzU4NTc0_size_16_color_FFFFFF_t_70 4]  
改变了V通道的值。HSV模式中S V通道的取值一般是\[100,255\]

## alpha通道 ##

RGB色彩空间三个通道的基础上还可以加一个A通道，表示透明度，这种四个通道的色彩空间被称为RGBA色彩空间，PNG是一种典型的4通道图像。alpha通道的赋值范围是\[0,1\]或者\[0,255\]表示从透明到不透明。  
（img,cv2.COLOR\_BGR2BGRA）将img从BGR色彩空间转换到BGRA色彩空间。在转换后的BGRA色彩空间中，A是alpha通道，默认值为255。

bgra = cv2.cvtColor(img,cv2.COLOR_BGR2BGRA)
    b,g,r,a = cv2.split(bgra)
    a[:,:]=125
    bgra = cv2.merge([b,g,r,a])
    cv2.imshow("bgra",bgra)

注意bgra = cv2.merge(\[b,g,r,a\])中的括号不能省略  
看上去的图像跟原图无差别  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzU4NTc0_size_16_color_FFFFFF_t_70 5]

## 一些图像属性： ##

shape :如果是彩色图像，则返回包含行 列 通道数的数组，如果是二值图像或者灰度图像，则仅仅返回行列数，这个可以判断一个图像是彩色图像还是灰度图像  
size:返回图像的像素数目

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzU4NTc0_size_16_color_FFFFFF_t_70]: /images/20221024/49f03851c45642aa91b5c2c6671a6173.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzU4NTc0_size_16_color_FFFFFF_t_70 1]: /images/20221024/0bfa1ed46a044409b613016886673486.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzU4NTc0_size_16_color_FFFFFF_t_70 2]: /images/20221024/7e8c7e7d450a492582dfb1660f9dc78a.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzU4NTc0_size_16_color_FFFFFF_t_70 3]: /images/20221024/ca8a1c1bc32440d1bf41fbc6919fbda1.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzU4NTc0_size_16_color_FFFFFF_t_70 4]: /images/20221024/7a4bc7451d3f45e6ae0df2692e47a80a.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzU4NTc0_size_16_color_FFFFFF_t_70 5]: /images/20221024/1f1439a8bb344ea68eba4737719591a8.png