opencv 05 彩色RGB像素值操作

opencv 05 彩色RGB像素值操作

RGB 模式的彩色图像在读入 OpenCV 内进行处理时,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。例如,

有一幅大小为 R 行×C 列的原始 RGB 图像,其在 OpenCV 内以 BGR 模式的三维数组形式存储,

如图 2-7 所示

可以使用表达式访问数组内的值。例如,可以使用 image[0,0,0]访问图像 image 的 B 通道

内的第 0 行第 0 列上的像素点

第 1 个索引表示第 0 行。

第 2 个索引表示第 0 列。

第 3 个索引表示第 0 个颜色通道。

根据上述分析可知,假设有一个红色(其 R 通道值为 255,G 通道值为 0,B 通道值为 0)

图像,不同的访问方式得到的值如下。

 img[0,0]:访问图像 img 第 0 行第 0 列像素点的 BGR 值。图像是 BGR 格式的,得到的数值为[0,0,255]。

 img[0,0,0]:访问图像 img 第 0 行第 0 列第 0 个通道的像素值。图像是 BGR 格式的,所

以第 0 个通道是 B 通道,会得到 B 通道内第 0 行第 0 列的位置所对应的值 0。

 img[0,0,1]:访问图像 img 第 0 行第 0 列第 1 个通道的像素值。图像是 BGR 格式的,所

以第 1 个通道是 G 通道,会得到 G 通道内第 0 行第 0 列的位置所对应的值 0。

 img[0,0,2]:访问图像 img 第 0 行第 0 列第 2 个通道的像素值。图像是 BGR 格式的,所

以第 2 个通道是 R 通道,会得到 R 通道内第 0 行第 0 列的位置所对应的值 255

为了方便理解,我们首先使用 Numpy 库来生成一个 2×4×3 大小的数组,用它模拟一幅黑

色图像,并对其进行简单处理

python 复制代码
import cv2
import numpy as np


#-----------蓝色通道值--------------
blue=np.zeros((300,300,3),dtype=np.uint8)
blue[:,:,0]=255
print("blue=\n",blue)
cv2.imshow("blue",blue)
#-----------绿色通道值--------------
green=np.zeros((300,300,3),dtype=np.uint8)
green[:,:,1]=255
print("green=\n",green)
cv2.imshow("green",green)
#-----------红色通道值--------------
red=np.zeros((300,300,3),dtype=np.uint8)
red[:,:,2]=255
print("red=\n",red)
cv2.imshow("red",red)


cv2.waitKey(0)
cv2.destroyAllWindows()

运行后打印效果:


opencv 中对应的BGR,刚好是蓝色,绿色,红色的顺序

运行上述程序,会显示颜色为蓝色、绿色、红色的三幅图像,分别对应数组 blue、数组 green、数组 red

将三种颜色在一张图中演示操作

python 复制代码
import cv2
import numpy as np


img=np.zeros((300,300,3),dtype=np.uint8)

img[:,0:100,0]=255
img[:,100:200,1]=255
img[:,200:300,2]=255
print("img=\n",img)

cv2.imshow("image",img)
cv2.waitKey(0)
cv2.destroyAllWindows()

img[:,0:100,0]=255

从上面我们已经知道 第一索引是 矩阵里的行,:代表着满行,第二个值0:100 ,代表这 0到100列,第三索引 是通道值,按照opencv 读取顺序是B,

运行效果:

相关推荐
肥猪猪爸9 分钟前
使用卡尔曼滤波器估计pybullet中的机器人位置
数据结构·人工智能·python·算法·机器人·卡尔曼滤波·pybullet
大白要努力!10 分钟前
Android opencv使用Core.hconcat 进行图像拼接
android·opencv
LZXCyrus38 分钟前
【杂记】vLLM如何指定GPU单卡/多卡离线推理
人工智能·经验分享·python·深度学习·语言模型·llm·vllm
我感觉。1 小时前
【机器学习chp4】特征工程
人工智能·机器学习·主成分分析·特征工程
YRr YRr1 小时前
深度学习神经网络中的优化器的使用
人工智能·深度学习·神经网络
DieYoung_Alive1 小时前
一篇文章了解机器学习(下)
人工智能·机器学习
夏沫的梦1 小时前
生成式AI对产业的影响与冲击
人工智能·aigc
goomind1 小时前
YOLOv8实战木材缺陷识别
人工智能·yolo·目标检测·缺陷检测·pyqt5·木材缺陷识别
只怕自己不够好1 小时前
《OpenCV 图像基础操作全解析:从读取到像素处理与 ROI 应用》
人工智能·opencv·计算机视觉
幻风_huanfeng1 小时前
人工智能之数学基础:线性代数在人工智能中的地位
人工智能·深度学习·神经网络·线性代数·机器学习·自然语言处理