Python-OpenCV教程-4

不念不忘少年蓝@ 2022-07-14 14:14 203阅读 0赞

# [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