本系列專欄寫作將采用首創(chuàng)的問答式寫作形式，快速讓你學(xué)習(xí)到 OpenCV 的初級、中級、高級知識(shí)。

本篇博客的目標(biāo)將為你解釋一幅圖像的拆解，包括圖像像素的說明，圖像屬性信息的獲取與修改，圖像目標(biāo)區(qū)域 ROI 相關(guān)內(nèi)容，以及圖像通道的知識(shí)（包括拆分通道和合并通道）

這些內(nèi)容在知識(shí)結(jié)構(gòu)上與 numpy 庫十分緊密，如果從學(xué)習(xí)的角度出發(fā)，建議你儲(chǔ)備一下 numpy 相關(guān)知識(shí)。

在之前的博客中，我們已經(jīng)學(xué)到了如何讀取一幅圖像，使用 cv2.imread 函數(shù)即可，并且掌握了該函數(shù)的兩個(gè)關(guān)鍵參數(shù)。

讀取圖片之后，我們可以直接使用操作數(shù)組的方式獲取圖像任意位置的顏色，一般這個(gè)顏色的默認(rèn)順序是 BGR。

測試代碼如下：

import cv2import matplotlib.pyplot as pltsrc = cv2.imread('./6_test.jpg')# 獲取 100 x 100 位置的像素值print(src[100, 100])cv2.imshow('src', src)cv2.waitKey()

這里首先獲取 100 x 100 位置的像素值。src[100,100]會(huì)獲取到三個(gè)值，分別對應(yīng)的 BGR 通道的值。我們在圖片上標(biāo)記一個(gè)像素點(diǎn)，rows = 250,cols=470 ，接下來修改上述代碼，看獲取到的 BGR 值。

import cv2import matplotlib.pyplot as pltsrc = cv2.imread('./6_test.jpg')# 注意獲取像素值的格式為 [cols,rows]print(src[250, 470])cv2.imshow('src', src)cv2.waitKey()

上文特別注意的就是，獲取像素值的格式為 [cols,rows]，列在前，行在后。

以上獲取到的是 BGR 值，也可以只獲取單個(gè)通道的值，對應(yīng)的代碼是 [cols,rows,channel]，對應(yīng)到代碼部分，如下所示：

# 獲取藍(lán)色通道值print(src[250, 470, 0])

藍(lán)色通道對應(yīng) 0，綠色通道為 1，紅色通道為 2，超出以上三個(gè)值，就會(huì)出現(xiàn)如下錯(cuò)誤：

IndexError: index 3 is out of bounds for axis 2 with size 3

當(dāng)前如果你直接讀取了灰度圖，例如下述代碼，三個(gè)通道的值是相同的。

import cv2import matplotlib.pyplot as pltsrc = cv2.imread('./6_test.jpg', 0)# 注意獲取像素值的格式為 [cols,rows]print(src[250, 470])cv2.imshow('src', src)cv2.waitKey()

這個(gè)地方還有一個(gè)編碼上存在的潛在問題，如果讀取的是四通道圖片，即圖片有透明度，那數(shù)組的索引值可以讀取到 3，也就是下述代碼是正確的。

import cv2import matplotlib.pyplot as pltsrc = cv2.imread('./test.jpg', -1)# 注意獲取像素值的格式為 [cols,rows]print(src[250, 470, 3])cv2.imshow('src', src)cv2.waitKey()

src[250, 470, 3] 成功讀取到了透明通道的值。

我們可以針對特定的像素點(diǎn)進(jìn)行值的修改，例如下述代碼

import cv2import matplotlib.pyplot as pltsrc = cv2.imread('./6_test.jpg')# 注意獲取像素值的格式為 [cols,rows]src[250, 470] = [255, 255, 255]cv2.imshow('src', src)cv2.waitKey()

注意下圖的紅色箭頭指向的位置，出現(xiàn)一個(gè)白色亮點(diǎn)，使用該辦法，可以制造出一個(gè)【椒鹽圖片】。

這個(gè)地方需要注意的一個(gè)潛在 BUG，讀取圖片的通道數(shù)，決定了你復(fù)制時(shí)數(shù)組元素個(gè)數(shù)，例如下述代碼將會(huì)報(bào)錯(cuò)。

import cv2import matplotlib.pyplot as pltsrc = cv2.imread('./6_test.jpg')# 注意獲取像素值的格式為 [cols,rows]src[250, 470] = [255, 255, 255, 255]cv2.imshow('src', src)cv2.waitKey()

錯(cuò)誤信息都是類似的，提示數(shù)組維度不同。

ValueError: cannot copy sequence with size 4 to array axis with dimension 3

最后一點(diǎn)使用以上方式操作圖像的像素點(diǎn)，非常耗時(shí)，因?yàn)橐粡垐D片的像素點(diǎn)數(shù)據(jù)是非常大的，一般情況下能用 numpy 集成好的方法，就不要用這種最笨拙的方式。

使用 numpy 獲取通道值，注意該方式獲取的是標(biāo)量，如果你想獲得所有 BGR 的值，你需要使用 array.item() 依次獲取。

import cv2import numpy as npsrc = cv2.imread('./6_test.jpg')print(src[100, 100])b = src.item(100, 100, 0)g = src.item(100, 100, 1)r = src.item(100, 100, 2)print(b, g, r)cv2.imshow('src', src)cv2.waitKey()

如果希望設(shè)置該值，直接使用 itemset 函數(shù)即可。

src.itemset((100, 100, 0), 200)print(src[100, 100])

可以任意尋找一張圖片進(jìn)行對應(yīng)的測試，運(yùn)行效果如下：

[ 31 68 118]31 68 118[200 68 118]

對于一幅圖像，除了像素矩陣以外，還有一個(gè)非常重要的內(nèi)容，是圖像的屬性，這些包括行、列、通道、數(shù)據(jù)類型，像素?cái)?shù)量、圖像形狀等內(nèi)容。

例如，我們經(jīng)常使用 img.shape 去獲取圖像的形狀，尤其注意的是，返回的內(nèi)容是行數(shù)（rows），列數(shù)（cols），以及通道數(shù)（channels），并且返回值類型是一個(gè)元組。

如果你讀取圖像的時(shí)候，設(shè)置緊讀取灰度圖，那只會(huì)返回行數(shù)和列數(shù)，相應(yīng)的通過這個(gè)值很容易能判斷出你加載的圖像類型。

例如下述代碼，通過不同的方式讀取同一張圖片，輸出圖像的不同形狀。

import cv2import numpy as np# 選擇一個(gè) jpg 圖片，可以讀取到不同的通道src1 = cv2.imread('./test.jpg', -1)src2 = cv2.imread('./test.jpg', 0)src3 = cv2.imread('./test.jpg')# 四通道，包含透明通道print(src1.shape)# 灰度圖print(src2.shape)# 三通道print(src3.shape)

輸出結(jié)果可以快速的讀取出圖像是彩色圖像還是灰度圖像。

(397, 595, 4)(397, 595)(397, 595, 3)

使用 img.size 可以快速返回圖像中像素的合計(jì)數(shù)目，測試代碼如下：

# 選擇一個(gè) jpg 圖片，可以讀取到不同的通道src1 = cv2.imread('./test.jpg', -1)src2 = cv2.imread('./test.jpg', 0)src3 = cv2.imread('./test.jpg')# 四通道，包含透明通道print(src1.shape)print(src1.size)# 灰度圖print(src2.shape)print(src2.size)# 三通道print(src3.shape)print(src3.size)

我們依舊三種不同的讀取方式，讀取到的像素?cái)?shù)分別如下：

(397, 595, 4)944860(397, 595)236215(397, 595, 3)708645

注意，灰度圖像和彩色圖像的像素?cái)?shù)不同，它們之前存在如下關(guān)系。

灰度圖像的像素?cái)?shù) = 行數(shù) x 列數(shù) = 397 x 595 = 236215

彩色圖像的像素?cái)?shù) = 行數(shù) x 列數(shù) x 通道數(shù) = 944860 （四通道）/ 708645（三通道）

使用 img.dtype 屬性可以獲取到圖像的類型，具體如下：

print(src1.dtype)

這里讀取到的值，都是相同的 uint8 表示 8 位圖像，這里可以記住只要是 uint8 格式，那對應(yīng)的 BGR 值的范圍就是在 [0,255] 之間。

在操作上述屬性值的時(shí)候，會(huì)出現(xiàn)如下 BUG，該 BUG 的通用解決方案是排查圖片是否正常讀取，需要特別注意下：

AttributeError: ’NoneType’ object has no attribute ’shape’

print(src1.dtype)

這里讀取到的值，都是相同的 uint8 表示 8 位圖像，這里可以記住只要是 uint8 格式，那對應(yīng)的 BGR 值的范圍就是在 [0,255] 之間。

在操作上述屬性值的時(shí)候，會(huì)出現(xiàn)如下 BUG，該 BUG 的通用解決方案是排查圖片是否正常讀取，需要特別注意下：

AttributeError: ’NoneType’ object has no attribute ’shape’

到此這篇關(guān)于Python OpenCV 針對圖像細(xì)節(jié)的不同操作的文章就介紹到這了,更多相關(guān)Python OpenCV圖像內(nèi)容請搜索好吧啦網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持好吧啦網(wǎng)！