Python OpenCV 图像处理再循环，第一阶段复盘

Python OpenCV 365 天学习计划，与橡皮擦一起进入图像领域吧。本篇博客是这个系列的第 40 篇。

该系列文章导航参考：https://blog.csdn.net/hihell/category_10688961.html

基础知识铺垫

经过一个阶段的努力，我们已经来到了 Python OpenCV 学习的第二个阶段，本阶段将对之前的学习的内容查漏补缺，再进一步。

图像中的像素

我们在研究一下图像中像素是如何呈现的吧。

首先编写一个普普通通的图片展示代码。

import cv2 as cv image = cv.imread("./test.jpg") cv.imshow("image",image) # 输出像素 print(image.shape) print(image[:5,:]) cv.waitKey(0) cv.destroyAllWindows()

输出数据如下，由于是彩色图像，呈现的是一个三维数组。

(640, 640, 3) [[[212 151 87] [175 104 41] [231 137 78] ... [150 144 145] [188 186 132] [196 195 115]] [[255 229 160] [188 118 51] [196 106 42] ... [206 190 178] [216 200 153] [199 183 117]]

数组与列表的区别，可以仔细观察一下。

通过输出类型，可以获取 image 是 类型的数据。

三维数组最内层的三个数字就是一个像素的取值，分别表示 BGR，取值范围是 0~255 合计 256 种取值。

每个值都表示的是亮度，所以 0 表示最暗，255 表示最亮。

获取单通道数据与像素值的加减操作

采用下述代码，可以获取图像单通道数据

print(image[:5,:,0])

得到的数据如下：

[[212 175 231 ... 150 188 196] [255 188 196 ... 206 216 199] [251 180 201 ... 233 236 220] [173 182 232 ... 237 244 236] [187 210 233 ... 255 255 235]]

单通道数据，呈现的是一个二维的数组。

将单通道图片呈现出来，显示如下，单通道提取的图像为灰度图像。

测试代码如下：

import cv2 as cv from matplotlib import pyplot as plt image = cv.imread("./test.jpg") cv.imshow("image", image) # 输出像素 print(image.shape) image[:, :, 0] = 0 image[:, :, 1] = 0 r = image[:, :, 2] cv.imshow("dst",image) cv.imshow("r",r) cv.waitKey(0)

如果希望获取到的通道呈现出 BGR 中的颜色，只需要设置其他通道值为 0，那获取到的图像依然就是彩色图像。

下述代码将得到偏黄色的图像，因为 G（绿色）+R（红色） = Y（黄色）。

image[:, :, 0] = 0 cv.imshow("dst",image)

接下来咱可以实现图像的加减操作，具体代码如下：

import cv2 as cv from matplotlib import pyplot as plt image = cv.imread("./test.jpg") cv.imshow("image", image) print(image[:1, :]) print("像素值+10") image = image+10 print(image[:1, :]) cv.imshow("dst", image) cv.waitKey(0)

查看像素的输出，发现每个值都进行了添加操作。

但是当像素值增加之后，超过了 255，结果会对 256 取余，例如 212+50=262 % 256 = 6。

边界填充

今天顺便补充一下边界填充的相关知识，核心用到的函数是 ``cv2.copyMakeBorder` ，函数原型如下：

dst = cv2.copyMakeBorder(src, top, bottom, left, right, borderType[, dst[, value]])

其中最重要的参数就是 borderType ，定义要添加边框的类型，其它的只是一些数值。

borderType 具体取值如下：

cv2.BORDER_CONSTANT：添加的边界框像素值为常数（需要额外再给定一个参数，就是 value 参数）；

cv2.BORDER_REFLECT：添加的边框像素将是边界元素的镜面反射，类似于 gfedcb|abcdefgh|gfedcba，注意竖线左右的值即可；

cv2.BORDER_REFLECT_101 or cv2.BORDER_DEFAULT：和上面类似，但是有一些细微的不同，类似于 gfedcb|abcdefgh|gfedcba，注意竖线左右的数值，没有 a；

cv2.BORDER_REPLICATE：使用最边界的像素值代替，类似于 aaaaaa|abcdefgh|hhhhhhh，直接延伸边界像素值；

cv2.BORDER_WRAP：cdefgh|abcdefgh|abcdefg。

具体的你可以在 官方手册 继续学习。

最后一个 value 参数：如果 borderType 为 cv2.BORDER_CONSTANT 时需要填充的常数值。

dst：添加完边框的新图像，需要记住图像的新尺寸为 (src.shape[1]+left+right, src.shape[0]+top+bottom)。

通过下述代码，进行完成的呈现。

import cv2 as cv from matplotlib import pyplot as plt image = cv.imread("./t1.png") b, g, r = cv.split(image) rgb_img = cv.merge((r, g, b)) replicate = cv.copyMakeBorder(rgb_img, 100, 100, 100, 100, cv.BORDER_REPLICATE) reflect = cv.copyMakeBorder(rgb_img, 100, 100, 100, 100, cv.BORDER_REFLECT) reflect101 = cv.copyMakeBorder( rgb_img, 100, 100, 100, 100, cv.BORDER_REFLECT_101) wrap = cv.copyMakeBorder(rgb_img, 100, 100, 100, 100, cv.BORDER_WRAP) constant = cv.copyMakeBorder( rgb_img, 100, 100, 100, 100, cv.BORDER_CONSTANT, value=(0, 255, 0)) plt.subplot(231), plt.imshow(rgb_img), plt.title('ORIGINAL') plt.subplot(232), plt.imshow(replicate), plt.title('REPLICATE') plt.subplot(233), plt.imshow(reflect), plt.title('REFLECT') plt.subplot(234), plt.imshow(reflect101), plt.title('REFLECT_101') plt.subplot(235), plt.imshow(wrap), plt.title('WRAP') plt.subplot(236), plt.imshow(constant), plt.title('CONSTANT') plt.show() cv.waitKey(0)

运行结果如下图所示，注意 plt 绘图后图片的横纵坐标表示的是图像的像素数量。学习的时候，对比着刚才的字母说明，然后在看着图片学习一下，很容易可以掌握。

橡皮擦的小节

希望今天的 1 个小时你有所收获，我们下篇博客见~

使用大闪光术（CTRL+A）发现橡皮擦私人联系方式。

私人联系方式:moshanba

相关阅读

技术专栏

Python 爬虫 100 例教程，超棒的爬虫教程，立即订阅吧

Python 爬虫小课，精彩 9 讲

今天是持续写作的第

82

/ 100 天。

如果你想跟博主建立亲密关系，可以关注同名公众号

梦想橡皮擦

，近距离接触一个逗趣的互联网高级网虫。

博主 ID：梦想橡皮擦，希望大家

、

评论

、

。

OpenCV Python 图像处理

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。