当前位置: 首页 > news >正文

opencv初步学习——图像处理2

        这一部分主要讲解如何初步地创建一个图像,以及彩色图像我们的一些基本处理方法

一、创建一个灰度图像

1-1、zeros()函数  [NumPy库]

        要用到这一个函数,首先我们需要调用我们的NumPy库,这一个函数的作用是可以帮助我们生成一个元素值都是0的二维数组,如果我们把这些数据放到一张图片里面去,那么就对应着我们的一个黑色图像。当然我们也可以通过修改数组中的数字大小来改变图像的颜色(但还是灰度图像)

        (1)构成

                该函数的具体构成如下:

numpy.zeros(shape, dtype=float, order='C')  

                shape:即我们需要设置的二维数组(元组或者列表)的大小

                dtype:即我们需要设置的元组里面的数据的类型,一般默认为float;当然我们也可以变为其他(比如我们的int,bool);当然实际在写的时候可以不写dtype = ~~ 

                order:这个跟存储有关,暂且不做介绍(因为我也不知道哈)


1-2、生成 

  (1)正确示范:

import cv2
import numpy as np

img = np.zeros((80,80),dtype=np.uint8)

img[40,40] = 255

cv2.imshow("one",img)
cv2.waitKey()
cv2.destroyAllWindows()

                于是我们生成的图像如下:
 

                可以看到我们在中间生成了一个白点

                此外我们也可以使用切片来帮助我们更好地进行操作

  (2)可能会错误的操作

          1、没有 np. 前缀

                  这个现象代码如下:

img = np.zeros((80,80),uint8)

                  为什么直接写uint8不可以呢,因为python里面是没有内置这些数据类型的,这些数据类型只在NumPy里面有,所以如果我们想要去引用这些数据类型我们需要加上我们的np.前缀:(前面已经设置NumPy为np了)

img = np.zeros((80,80),np.uint8)

 

              2、直接使用int 

                       这个现象的代码如下:

img = np.zeros((80,80,80),dtype=int)

                        opencv不支持 CV_16F(16 位浮点数)和 CV_32S(32 位有符号整数)这两种数据类型,但是这里的int是默认为32 位有符号整数,故系统会报错

 



二、彩色图像的简单处理 

1-1、基础知识

        在opencv中的彩色图像是以BGR模式的三维数组的形式进行存储的,例如:

img = [0,0,0]

        第一个0指第0行;第二个0指0列;第三个0指的是第0个颜色通道(B,蓝色)

        0、1、2分别对应BGR(蓝色、绿色、红色)


1-2、简单的颜色修改

        例如我们现在还是采用如下图片:

        我们可以进行如下操作:

import cv2
img = cv2.imread("D:\\photo\\mountain.png")

img[300:440 , 0:100 , 0:3] = 255

cv2.imshow("one",img)
cv2.waitKey()
cv2.destroyAllWindows()

         由于我们现在是彩色图像采取的是BGR三通道,那么我们这里的操作就是把300行到440行,0列到100列的三个通道全部设置为255,即我们的每个像素点的三个通道的值为(255,255,255)具体显示出来的结果如下;

        当然我们还可以这么处理:

import cv2
img = cv2.imread("D:\\photo\\mountain.png")

img[300:440 , 0:100 ] = (0,0,255)
img[300:440 , 100:200 ] = (0,255,0)
img[300:440 , 200:300 ] = (255,0,0)

cv2.imshow("one",img)
cv2.waitKey()
cv2.destroyAllWindows()

        这样即对每一个在我们指定区域的像素点的BGR通道进行修改,结果如下:

         总结:在彩色图像中,每一个像素点都有三个通道(BGR)


1-3、通道处理 

        (1)通道拆分

                在我们的opencv中,我们可以通过索引把我们的三个通道全部提取出来:

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

                此时如果我们再去用cv2.imshow()函数将其展现出来,得到的是灰度图像,因为此时你的b、g、r中的数据只是单个通道的数据了,而不是三个通道了,这里我们就不过多地去展示。

                除了使用索引去拆分,我们还可以通过如下方式去拆分:

b,g,r = cv2.split(img)  这里直接分配了

        (2)通道合并

                既然我们可以拆分,那么我们也肯定可以合并,我们需要用到这个函数:

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

                正如上所示,你只需要将每个通道按照上面的形式摆放就可以了,当然你也不排除你把它的顺序搞反了,那么我们就很难绷了

相关文章:

  • AI Agent--李宏毅
  • 【数学建模】一致矩阵的应用及其在层次分析法(AHP)中的性质
  • Python yield 解析:原理、示例与 send 方法
  • 一周热点:法官在人工智能训练版权案中支持版权主张
  • Anaconda conda常用命令:从入门到精通
  • unserialize3 [有难度,序列化反序列化知识点]
  • 网络编程基础
  • 239.滑动窗口的最大值
  • Power Apps 技术分享:连接SharePoint列表数据源
  • AI大模型完全指南:从核心原理到行业落地实践
  • 《MATLAB定位与滤波例程》专栏目录,持续更新……
  • 出海独立开发者如何利用Backlink提升产品曝光与流量
  • Netty基础—6.Netty实现RPC服务三
  • C++模版(复习)
  • 第15章:ConvNeXt图像分类实战:遥感场景分类【包含本地网页部署、迁移学习】
  • java实现二叉树的深度优先遍历
  • Neo4j 图数据库教程
  • HashMap源码解读
  • 【 <二> 丹方改良:Spring 时代的 JavaWeb】之 Restful的出现,背景和进化,矛盾与取舍
  • 深入理解传输层协议
  • 广东深圳网站建设/深圳网络推广网站
  • 医院做网站的费用多少/深圳短视频推广
  • 赣州做网站优化/网站优化的方法与技巧
  • 株洲做网站需要多少钱/无人在线观看高清视频单曲直播
  • 寿光网站建设m0536/seo外链优化培训
  • 网站建设服务费交印花税吗/长沙seo优化排名