既然我們是面向Python的OpenCV（OpenCV for Python）那我們就必須要熟悉Numpy這個庫，尤其是其中的數組的庫，Python是沒有數組的，唯有借助他庫才有所實現想要的目的。

# 老三樣庫--事先導入
import numpy as np
import cv2 as cv
import matplotlib.pyplot as plt

二、圖像的認識

2.1圖像的表示

2.1.1 單通道__二值圖像

二值圖像是指僅僅包含黑色和白色兩種顏色的圖像。

白色像素點（白色小方塊區(qū)域）處理為“1”，將黑色像素點（黑色小方塊區(qū)域）處理為“0”，以方便進行后續(xù)的存儲和處理等操作

例如：二維碼和條形碼就是簡單的二值

2.1.2 單通道__灰度圖像

二值圖像表示起來簡單方便，但是因為其僅有黑白兩種顏色，所表示的圖像不夠細膩。如果想要表現更多的細節(jié)，就需要使用更多的顏色。能夠表示的信息更多了

 256 個灰度級，用數值區(qū)間[0, 255]來表示,中，
 數值“255”表示純白色，數值“0”表示純黑色.

# 處理圖像
import numpy as np
import cv2 as cv
import matplotlib.pyplot as plt

img =np.zeros((256,256,3),np.uint8)
plt.imshow(img[:,:,::-1])

隨機抓取一點看：

x=np.random.randint(0,256)
y=np.random.randint(0,256)
img[x,y],x,y

再次隨機

2.1.3 多通道__RGB彩色圖像

自然界：紅色、綠色和藍色，即三基色（按照一定的比例混合構成。）
要區(qū)別于美術中的三原色：紅黃藍

色彩空間：
從光學角度出發(fā)可以將顏色解析為主波長，純度，明度等，
從心理學角度和視覺角度出發(fā)可以將顏色解析為色調，飽和度，亮度等，我們將這些采用不同方式表達顏色的模式稱為色彩空間。

RGB三個通道，每個通道取值[0,255]之間，組合表示顏色。共可以調配出所有常見的 256×256×256=16,777,216種顏色。

RGB=(R*65536)+(G*256)+B

以#FFF為例子

#FFF是#FFFFFF的簡稱

其他顏色

區(qū)別于OpenCV的通道

在RGB的色彩空間之中是以R,G,B的順序存儲的，然而在OpenCV中的通道是B，G，R
即：在處理圖像的時候，需要對指定的圖像通道順序進行轉換。除此以外，還可以根據需要對不同色彩空間的圖像進行類型轉換（灰度圖像處理為二值圖像，將彩色圖像處理灰度圖）

比方說，掃描二維碼的時候，我們需要01的黑白畫面就可以，不需要[0,255]的復雜

2.2 逐點處理（逐像素）并操作

像素的一格一格的小點來描述圖像，現在有numpy和matplotlib.pyplot就相當于在二位的直角坐標系中的第二象限，就能夠通過索引的形式對我們設定的圖像或者導入的圖像進行操作，訪問。

img[1,1]=(0,0,255)
plt.imshow(img[:,:,::-1])

2.2.1 灰度圖像

首先使用 Numpy 庫來生成一個 n×m 大小的數組，用來模擬一個黑色圖像.

使用 Numpy 庫中的函數 zeros()可以生成一個元素值都是 0 的數組
img=np.zeros((n,m),dtype=np.uint8

二維數組與圖像之間存在對應關系。

（1）如何證明plt和cv2的的灰度圖是一樣的

import cv2
import numpy as np
import matplotlib.pyplot as plt

# 讀取圖像
img = cv2.imread("./Pic/f2e919585490afd1bebd313257e7ad9.jpg", 0)

# # 使用cv2.imwrite將OpenCV數組圖像保存為圖像文件
# cv2.imwrite('./Pic/f2e919585490afd1bebd313257e7ad9.jpg', img)

# 如果你想要讀取并顯示保存后的圖像，可以執(zhí)行以下代碼
saved_img = cv2.imread('./Pic/f2e919585490afd1bebd313257e7ad9.jpg', 0)
plt.imshow(saved_img, cmap='gray')
plt.title('Saved Image')
print(img==saved_img)

（2）避免錯誤：TypeError: unsupported operand type(s) for -: 'AxesImage' and 'int'

即：不可直接比較，需要將周圖像的信息轉換為數組的形式，一一對比。[軸圖像無法和numpy數組]

軸圖像轉換為數組形式plt.imread或plt.imsave

import matplotlib.pyplot as plt

# 讀取Matplotlib圖像并將其轉換為數組
image_plt = plt.imread('your_image_path.jpg')

# 現在，image_plt是一個包含圖像像素數據的NumPy數組
# 你可以對它進行處理或進行其他操作

或者，如果你要保存Matplotlib圖像到文件中，你可以使用plt.imsave函數：

import matplotlib.pyplot as plt

# 創(chuàng)建一個示例圖像（這是一個例子，你可以替換它為你自己的圖像數據）
image_data = ...  # 這里應該是一個NumPy數組

# 使用plt.imsave保存NumPy數組為圖像文件
plt.imsave('output_image.jpg', image_data)

通過這兩種方法，你可以在Matplotlib圖像和NumPy數組之間進行相互轉換。注意，如果你使用了一些Matplotlib特定的繪圖函數來創(chuàng)建圖像，你可以使用plt.gcf()獲取當前的圖形對象，然后使用savefig方法將其保存為圖像文件。

（3）plt就顯示是正常的顏色。參數 cmap

在使用 Matplotlib 繪制圖像時，可以使用不同的 colormap（顏色映射）來表示單通道圖像，例如使用 cmap=‘gray’ 來顯示灰度圖像。對于四通道的圖像，Matplotlib 也可以正確地顯示透明度（Alpha）通道。

這是由于plt的映射到在灰度圖像中，你只有一個通道，表示亮度值，但你可以使用不同的 Colormap 來表示這些亮度值。

cool 包含青綠色和品紅色的陰影色。從青綠色平滑變化到品紅色。
gray 返回線性灰度色圖。
bone 具有較高的藍色成分的灰度色圖。該色圖用于對灰度圖添加電子的視圖。

opencv是BGR通道，plt默認RGB通道，若使用cv2.imread()讀入圖像，用plt.imshow()展示原始圖像或者展示對讀入圖像進行一系列操作后的圖像時，需要進行通道轉換。

顯示灰度圖像：

import matplotlib.pyplot as plt
import cv2

# 讀取灰度圖像
gray_image = cv2.imread('gray_image.png', cv2.IMREAD_GRAYSCALE)

# 顯示灰度圖像
plt.imshow(gray_image, cmap='gray')
plt.show()

顯示四通道圖像（RGBA）：

import matplotlib.pyplot as plt
import cv2

# 讀取四通道圖像
rgba_image = cv2.imread('rgba_image.png', cv2.IMREAD_UNCHANGED)

# 顯示四通道圖像，包括透明度通道
plt.imshow(rgba_image)
plt.show()

cmap 是 Matplotlib 中的參數，用于指定顏色映射（Colormap），它決定了如何將數據值映射到顏色。Colormap 是一種顏色表，可以將數值數據映射到對應的顏色。它在繪制單通道圖像或圖表時非常有用，以幫助可視化數據。

Colormap 并不是通道的意思，而是指定如何將單一通道的數值映射到顏色的規(guī)則。在灰度圖像中，你只有一個通道，表示亮度值，但你可以使用不同的 Colormap 來表示這些亮度值。

Matplotlib 提供了多種內置的 Colormap，一些常見的包括：

1. 'viridis'：從紫色到黃綠色的顏色映射，用于表示數據值的連續(xù)變化。
2. 'jet'：經典的彩虹顏色映射。
3. 'gray'：灰度顏色映射，用于表示單通道圖像，將較暗的值映射為黑色，較亮的值映射為白色。
4. 'copper'：銅色顏色映射，常用于表示表面溫度。

你可以在 Matplotlib 中使用 cmap 參數來指定所使用的顏色映射。例如：

import matplotlib.pyplot as plt
import numpy as np

# 創(chuàng)建一個示例的單通道數據
data = np.random.random((10, 10))

# 使用'viridis' Colormap來繪制數據
plt.imshow(data, cmap='viridis')
plt.colorbar()  # 顯示顏色條
plt.show()

這將使用 ‘viridis’ Colormap 來表示數據中不同值的顏色。你可以根據你的需求選擇合適的 Colormap 來更好地可視化你的數據。不同的 Colormap 可以傳達不同的信息和情感。

(4)避免少cmap的參數出現的問題

import cv2
import numpy as np
import matplotlib.pyplot as plt
img=np.ones((200,800,3),dtype=np.uint8)
img[:] = 255

cv2.imshow("this",img)
plt.imshow(img, cmap='gray')
cv2.waitKey(0)

cv2.destroyAllWindows()
img

(5)修改像素點

函數 item()能夠更加高效地訪問圖像的像素點，該函數的語法格式為：
item(行,列)
函數 itemset()可以用來修改像素值，其語法格式為：
itemset(索引值,新值

import numpy as np
img=np.random.randint(10,99,size=[5,5],dtype=np.uint8)
print("img=\n",img)
print("讀取像素點 img.item(3,2)=",img.item(3,2))
img.itemset((3,2),255)
print("修改后 img=\n",img)
print("修改后像素點 img.item(3,2)=",img.item(3,2))

隨機生成一張灰度圖

img=np.random.randint(0,256,size=[256,256],dtype=np.uint8)
cv2.imshow("demo",img)
 cv2.waitKey() 
 cv2.destroyAllWindows()

**
**

2.2.2 彩色圖像

RGB 模式的彩色圖像在讀入 OpenCV 內進行處理時，會反向的讀取圖像像素BGR，并存儲在ndarray中。其中的BGR為三維數組

import numpy as np
import cv2
#-----------藍色通道值--------------
blue=np.zeros((300,300,3),dtype=np.uint8)
blue[:,:,0]=255
print("blue=\n",blue)
cv2.imshow("blue",blue)
#-----------綠色通道值--------------
green=np.zeros((300,300,3),dtype=np.uint8)
green[:,:,1]=255
print("green=\n",green)
cv2.imshow("green",green)
#-----------紅色通道值--------------
red=np.zeros((300,300,3),dtype=np.uint8)
red[:,:,2]=255
print("red=\n",red)
cv2.imshow("red",red)
#-----------釋放窗口--------------
cv2.waitKey()
cv2.destroyAllWindows()

修改像素點

函數 item()訪問 RGB 模式圖像的像素值時，其語法格式為：
item(行,列,通道)
函數 itemset()修改（設置）RGB 模式圖像的像素值時，其語法格式為：
itemset(三元組索引值,新值)
需要注意，針對 RGB 圖像的訪問，必須同時指定行、列以及行列索引（通道），例如
img.item(a,b,c)。僅僅指定行和列是不可以的

import numpy as np
img=np.random.randint(10,99,size=[2,4,3],dtype=np.uint8)
print("img=\n",img)
print("讀取像素點 img[1,2,0]=",img.item(1,2,0))
print("讀取像素點 img[0,2,1]=",img.item(0,2,1))
print("讀取像素點 img[1,0,2]=",img.item(1,0,2))
img.itemset((1,2,0),255)
img.itemset((0,2,1),255)
img.itemset((1,0,2),255)
print("修改后 img=\n",img)
第 2 章 圖像處理基礎
27
print("修改后像素點 img[1,2,0]=",img.item(1,2,0))
print("修改后像素點 img[0,2,1]=",img.item(0,2,1))
print("修改后像素點 img[1,0,2]=",img.item(1,0,2))

生成一幅彩色圖像，讓其中的像素值均為隨機數。 根據題目要求，編寫代碼如下： import cv2

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

2.2.3 感興趣區(qū)域（ROI）【待處理】

ROI（region of interest），感興趣區(qū)域。機器視覺、圖像處理中，從被處理的圖像以方框、圓、橢圓、不規(guī)則多邊形等方式勾勒出需要處理的區(qū)域，稱為感興趣區(qū)域，ROI。在Halcon、OpenCV、Matlab等機器視覺軟件上常用到各種算子（Operator）和函數來求得感興趣區(qū)域ROI，并進行圖像的下一步處理。

import cv2
img-cv2.imread（圖像名稱）x=img[200:400,200:400]

從被處理的圖像以方框、圓、橢圓、不規(guī)則多邊形等方式勾勒出需要處理的區(qū)域。
可以通過各種算子（Operator）和函數來求得感興趣區(qū)域ROI，并進行圖像的下一步處理。

2.3 圖像的屬性

圖像的屬性
、
屬性— API
形狀 img.shape
圖像大小 img.size
數據類型 img.dtype

? shape：如果是彩色圖像，則返回包含行數、列數、通道數的數組；如果是二值圖像或者灰度圖像，則僅返回行數和列數。通過該屬性的返回值是否包含通道數，可以判斷一幅圖像是灰度圖像（或二值圖像）還是彩色圖像。

? size：返回圖像的像素數目。其值為“行×列×通道數”，灰度圖像或者二值圖像的通道數為 1。

? dtype：返回圖像的數據類型

2.4 通道的操作

針對 OpenCV 內的 BGR
圖像 img，如下語句分別從中提取了 B 通道、G 通道、R 通道。

b = img[ : , : , 0 ]
g = img[ : , : , 1 ]
r = img[ : , : , 2 ]

2.4.1 cv2.split()能夠拆分圖像的通道

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

#通道拆分
b,g,r=cv.split(newimg)

拆分后就是單通道，需要灰度圖

plt.imshow(b,cmap=plt.cm.gray)

2.4.2 cv2.merge()可以實現圖像通道的合并

newimg=cv2.merge([b,g,r])

2.5 色彩轉變

2.5.1 色彩空間轉換

gray=cv.cvtColor(newimg,cv.COLOR_BGR2GRAY)
# plt.imshow(gray)

要以灰度圖顯示

plt.imshow(gray,cmap=plt.cm.gray)

轉換為HSV

hsv=cv.cvtColor(newimg,cv.COLOR_BGR2HSV)
plt.imshow(hsv)

文章來源地址http://www.zghlxwxcb.cn/news/detail-742095.html

到了這里，關于我在Vscode學OpenCV 處理圖像的文章就介紹完了。如果您還想了解更多內容，請在右上角搜索TOY模板網以前的文章或繼續(xù)瀏覽下面的相關文章，希望大家以后多多支持TOY模板網！