Open CV图像基本操作可莉版

Open CV图像基本操作


一、处理单个像素值

图像是由像素组成的矩阵,每个像素都有一个或多个值,表示颜色或灰度。在灰度图像中,每个像素只有一个值,表示灰度强度;在彩色图像中,每个像素通常有三个值,分别表示红色、绿色和蓝色(RGB)通道的强度。

访问像素值

假设我们有一个灰度图像 img,可以通过 img[y, x] 来访问位于 (x, y) 位置的像素值。对于彩色图像,可以通过 img[y, x, c] 来访问特定通道 c 的像素值,其中 c 为 0(蓝色)、1(绿色)或 2(红色)。

实例

python 复制代码
import cv2

# 读取图像
img = cv2.imread('image.jpg')

# 访问像素值
pixel_value = img[100, 150]  # 访问 (150, 100) 位置的像素值
print(pixel_value)

修改像素值

实例

python 复制代码
# 修改像素值
img[100, 150] = [255, 255, 255]  # 将 (150, 100) 位置的像素值设置为白色

二、处理单个ROI区域(自选区域)

ROI 是指图像中我们感兴趣的区域 (Region of Interest)。通过提取 ROI,我们可以只对图像的特定部分进行处理,从而提高处理效率。

提取 ROI

在 OpenCV 中,可以通过切片操作来提取 ROI。假设我们想要提取图像中左上角 100x100 像素的区域:

实例

python 复制代码
# 提取 ROI
roi = img[0:100, 0:100]

修改 ROI

提取 ROI 后,可以对其进行修改,然后将修改后的 ROI 放回原图像中。

实例

python 复制代码
# 修改 ROI
roi[:, :] = [0, 255, 0]  # 将 ROI 区域设置为绿色

# 将修改后的 ROI 放回原图像
img[0:100, 0:100] = roi

三、 处理图像通道

彩色图像通常由多个通道组成,例如 RGB 图像的三个通道。有时我们需要将这些通道分离出来进行单独处理,然后再将它们合并回原图像。

通道分离

在 OpenCV 中,可以使用 cv2.split() 函数将图像的通道分离。

实例

python 复制代码
# 通道分离
import cv2

if __name__ == '__main__':
    imgPath = 'D:\Word\keli.jpg'
    img = cv2.imread(imgPath)
    cv2.imshow('image', img)
	b, g, r = cv2.split(img)
	# 下面会依次显示r,g,b三张图,每张3秒
    cv2.imshow('b', b)
    cv2.waitKey(3000)
    cv2.imshow('g', g)
    cv2.waitKey(3000)
    cv2.imshow('r', r)
    cv2.waitKey(3000)
    # 下面会依次保存r,g,b三张图,不像上面顺序是反的
    cv2.imwrite('D:\Word\keli-r.jpg', r)
    time.sleep(5)
    cv2.imwrite('D:\Word\keli-g.jpg', g)
    time.sleep(5)
    cv2.imwrite('D:\Word\keli-b.jpg', b)

原图

RGB图

通道合并

分离后的通道可以使用 cv2.merge() 函数合并回原图像。

实例

python 复制代码
# 通道合并
merged_img = cv2.merge([b, g, r])

四、处理整体

图像的几何变换是图像处理中常见的操作,包括缩放、旋转、平移和翻转。

图像缩放

图像缩放可以通过 cv2.resize() 函数实现。可以指定缩放后的图像尺寸或缩放比例。

实例

python 复制代码
# 图像缩放
resized_img = cv2.resize(img, (200, 200))  # 将图像缩放为 200x200 像素

图像旋转

图像旋转可以通过 cv2.getRotationMatrix2D() 和 cv2.warpAffine() 函数实现。需要指定旋转中心和旋转角度。

实例

python 复制代码
# 图像旋转
	# 取高和宽
    h, w = img.shape[:2]
    # 计算旋转中心
    center = (int(w/2), int(h/2))
    # 得到2维线性变化
    M = cv2.getRotationMatrix2D(center, 180, 1)
    # 将变化作用到img上
    img = cv2.warpAffine(img, M, (w, h))
    # 显示
    cv2.imshow('img', img)
    cv2.waitKey(0)

图像平移

图像平移可以通过 cv2.warpAffine() 函数实现。需要指定平移矩阵。

实例

python 复制代码
# 图像平移
	# 向右平移 100 像素,向下平移 50 像素
	M2 = np.float32([[1, 0, 100], [0, 1, 50]])
    img = cv2.warpAffine(img, M2, (w, h))
    cv2.imshow('img', img)
    cv2.waitKey(0)

平移以后空的地方显示黑色背景

图像翻转

图像翻转可以通过 cv2.flip() 函数实现。可以指定翻转方向(水平、垂直或两者)。

实例

python 复制代码
# 图像翻转
flipped_img = cv2.flip(img, 1)  # 水平翻转

计划后面都用这一张原创图练习

相关推荐
WWZZ20252 分钟前
快速上手大模型:机器学习3(多元线性回归及梯度、向量化、正规方程)
人工智能·算法·机器学习·机器人·slam·具身感知
deephub24 分钟前
深入BERT内核:用数学解密掩码语言模型的工作原理
人工智能·深度学习·语言模型·bert·transformer
PKNLP24 分钟前
BERT系列模型
人工智能·深度学习·bert
兰亭妙微1 小时前
ui设计公司审美积累 | 金融人工智能与用户体验 用户界面仪表盘设计
人工智能·金融·ux
AKAMAI2 小时前
安全风暴的绝地反击 :从告警地狱到智能防护
运维·人工智能·云计算
岁月宁静2 小时前
深度定制:在 Vue 3.5 应用中集成流式 AI 写作助手的实践
前端·vue.js·人工智能
galaxylove2 小时前
Gartner发布数据安全态势管理市场指南:将功能扩展到AI的特定数据安全保护是DSPM发展方向
大数据·人工智能
格林威2 小时前
偏振相机在半导体制造的领域的应用
人工智能·深度学习·数码相机·计算机视觉·视觉检测·制造
晓枫-迷麟3 小时前
【文献阅读】当代MOF与机器学习
人工智能·机器学习
来酱何人3 小时前
实时NLP数据处理:流数据的清洗、特征提取与模型推理适配
人工智能·深度学习·分类·nlp·bert