opencv图像识别基础知识(opencv与numpy的图像基本操作)
opencv图像识别基础知识
opencv与numpy的图像基本操作1. 像素基本操作
1.1 读取、修改像素
可以通过[行,列]坐标来访问像素点数据,对于多通道数据,返回一个数组,包含所有通道的值,对于单通道数据(如gray),返回指定坐标的值,也可以通过 [行,列,通道index] 来访问某坐标某通道的值。
|
>>> import cv2 >>> import numpy as np >>> img = cv2.imread( 'messi5.jpg" alt="opencv图像识别基础知识(opencv与numpy的图像基本操作)" border="0" /> |
|
>>> px = img[ 100 , 100 ] >>> print ( px ) [ 157 166 200 ] # accessing only blue pixel >>> blue = img[ 100 , 100 , 0 ] >>> print ( blue ) 157 |
可以直接通过坐标修改像素值
|
>>> img[ 100 , 100 ] = [ 255 , 255 , 255 ] >>> print ( img[ 100 , 100 ] ) [ 255 255 255 ] |
然而直接像上面这样去读取、修改每个像素的值,效率是比较低的,可以使用下面的方法,效率是更高的
|
# accessing red value >>> img.item( 10 , 10 , 2 ) 59 # modifying red value >>> img.itemset(( 10 , 10 , 2 ), 100 ) >>> img.item( 10 , 10 , 2 ) 100 |
1.2 读取图像属性
读取图像尺寸,返回一个元组 (行,列,通道数)
|
>>> print ( img.shape ) ( 342 , 548 , 3 ) |
读取像素大小, 行 列 通道数
|
>>> print ( img.size ) 562248 |
像素数据类型
|
>>> print ( img.dtype ) uint8 |
1.3 图像roi操作
可以直接编辑像素区域,例如把图像左下角50*50的像素复制到左上角
|
import cv2 import numpy as np img = cv2.imread( "test.jpg" alt="opencv图像识别基础知识(opencv与numpy的图像基本操作)" border="0" /> print (img.shape) roitest = img[ 475 : 525 , 0 : 50 ] img[ 0 : 50 , 0 : 50 ] = roitest cv2.imshow( "image" ,img) cv2.waitkey( 0 ) |
1.4 分割、合并通道
有些情况下需要对图像的某一通道数据进行操作,此时会用到分割、合并通道数据
|
>>> b,g,r = cv2.split(img) >>> img = cv2.merge((b,g,r)) |
或者
|
b = img[:,:, 0 ] |
假设想编辑红色通道的数据,全部设置为0,不需要这样分割后编辑, img[:,:,2] = 0
这样即可。cv2.split操作是一个很耗时的操作,可以用numpy索引替代的操作,尽量用numpy索引来做。
1.4 生成图像边框
使用 cv2.copymakeborder
函数可添加图像边框,支持多种边框算法
|
void cv::copymakeborder ( inputarray src, / / 原图 / / 目标图(cpp版本中,若传入此数据且选border_transparent,则此数据被top / bottom / left / right切出来的roi部分不会被做任何修改,此图像大小 = dst.rows + top + bottom,dst.cols + left + right) outputarray dst, int top, / / top / left / bottom / right 四个方向上的边框像素 int bottom, int left, int right, int bordertype, / / 边框类型见下图 const scalar & value = scalar() / / 边框类型为border_constant时的边框像素 ) |
|
blue = [ 255 , 0 , 0 ] img1 = cv2.imread( "test.jpg" alt="opencv图像识别基础知识(opencv与numpy的图像基本操作)" border="0" /> replicate = cv2.copymakeborder(img1, 100 , 100 , 100 , 100 , cv2.border_replicate) reflect = cv2.copymakeborder(img1, 100 , 100 , 100 , 100 , cv2.border_reflect) reflect101 = cv2.copymakeborder(img1, 100 , 100 , 100 , 100 , cv2.border_reflect_101) wrap = cv2.copymakeborder(img1, 100 , 100 , 100 , 100 , cv2.border_wrap) constant = cv2.copymakeborder(img1, 100 , 100 , 100 , 100 , cv2.border_constant, value = blue) print (img1.shape, reflect.shape) plt.subplot( 231 ), plt.imshow(img1, 'gray' ), plt.title( 'original' ) plt.subplot( 232 ), plt.imshow(replicate, 'gray' ), plt.title( 'replicate' ) plt.subplot( 233 ), plt.imshow(reflect, 'gray' ), plt.title( 'reflect' ) plt.subplot( 234 ), plt.imshow(reflect101, 'gray' ), plt.title( 'reflect_101' ) plt.subplot( 235 ), plt.imshow(wrap, 'gray' ), plt.title( 'wrap' ) plt.subplot( 236 ), plt.imshow(constant, 'gray' ), plt.title( 'constant' ) plt.show() |
上面的例子可以比较直观的看到各种border的效果,同时也能发现,python版的api与cpp版本的相比,默认初始化了一块原始图尺寸+各方向边框尺寸的图像内存,作为内置的dst参数。
输出尺寸:(525, 700, 3) (725, 900, 3)
2. 图像的基本算术操作
2.1 图像相加
图像相加,两个图像应该有相同的shape,或者图像和一个标量相加,或者图像和一个与其通道数相同的一维数组相加。
opencv的相加与numpy相加时,在超出数据类型范围时的处理不同
|
>>> x = np.uint8([ 250 ]) >>> y = np.uint8([ 10 ]) >>> print ( cv2.add(x,y) ) # 250+10 = 260 => 255 [[ 255 ]] >>> print ( x + y ) # 250+10 = 260 % 256 = 4 [ 4 ] |
cpp版本的api还支持mask等参数
|
void cv::add ( inputarray src1, inputarray src2, outputarray dst, inputarray mask = noarray(), int dtype = - 1 ) |
2.2 图像混合
opencv通过 cv::addweighted
函数提供了将两个图像混合在一起的方法
dst=α⋅img1+β⋅img2+γ
|
img1 = cv2.imread( 'ml.jpg" alt="opencv图像识别基础知识(opencv与numpy的图像基本操作)" border="0" /> img2 = cv2.imread( 'opencv-logo.jpg" alt="opencv图像识别基础知识(opencv与numpy的图像基本操作)" border="0" /> dst = cv2.addweighted(img1, 0.7 ,img2, 0.3 , 0 ) cv2.imshow( 'dst' ,dst) cv2.waitkey( 0 ) cv2.destroyallwindows() |
通过cv2.seamlessclone函数还能做更精细的图像局部融合。
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持开心学习网。
原文链接:https://www.zoucz.com/blog/2019/03/07/50ef43b0-40a5-11e9-9947-3d7b79f522a2/
- opencv人脸识别算法(python利用Opencv实现人脸识别功能)
- opencv图像识别基础知识(opencv与numpy的图像基本操作)
- python的opencv图片识别(OpenCV-Python 摄像头实时检测人脸代码实例)
- python opencv图像表格处理(Opencv-Python图像透视变换cv2.warpPerspective的示例)
- python opencv替换背景教程(基于OpenCV python3实现证件照换背景的方法)
- opencv轮廓模糊识别(Opencv+Python实现图像运动模糊和高斯模糊的示例)
- opencv调用摄像头图像识别(Python+OpenCV采集本地摄像头的视频)
- python怎么装opencv(Python基于opencv实现的简单画板功能示例)
- opencv 图像匹配python(OpenCV+Python识别车牌和字符分割的实现)
- opencv人脸识别效果好吗(通过opencv制作人脸识别的窗口)
- opencv自带的人脸识别(Dlib+OpenCV深度学习人脸识别的方法示例)
- pythonopencv自定义阈值算法(理想高通滤波实现Python opencv示例)
- linux安装opencv版本(详解ubuntu安装opencv的正确方法)
- python opencv 标记目标(使用Python的OpenCV模块识别滑动验证码的缺口推荐)
- opencv人脸识别实战(Python opencv实现人眼/人脸识别以及实时打码处理)
- opencv提取图像轮廓python代码(Python基于opencv调用摄像头获取个人图片的实现方法)
- 终于来了,淘宝更改账户名测试中,快去看看你能不能修改(淘宝更改账户名测试中)
- 淘宝支持账号名修改,网友 终于可以 重新做人 了(淘宝支持账号名修改)
- 盘点那些年让人称奇的年终奖 最后一个赢辣条毫无悬念(盘点那些年让人称奇的年终奖)
- 你还没有升职吗 他竟因为几套激励理论,升职了(你还没有升职吗)
- 某知名企业绩效管理体系及薪酬分配体系操作手册(某知名企业绩效管理体系及薪酬分配体系操作手册)
- 职场人改不掉这4个习惯,只会越混越穷,一辈子也翻不了身(职场人改不掉这4个习惯)
热门推荐
- filezilla如何连接远程服务器(使用FileZilla快速搭建FTP文件服务的图文教程)
- yii数据库测评(Yii2.0框架behaviors方法使用实例分析)
- python如何解压加密zip文件(python读取有密码的zip压缩文件实例)
- phpdate函数使用方法(PHP中strtr与str_replace函数运行性能简单测试示例)
- 搭建好的ftp服务器在哪里(如何在自己的电脑上搭建FTP服务器?)
- iframe跨域获取标签(iframe跨域的几种常用方法)
- cdn网络搭建(使用云服务器搭建网站还有必要使用CDN吗?)
- css样式基础知识(CSS深入教程之文字修饰的那点事)
- jquery实现标签输入功能
- 判断图片是否加载完成
排行榜
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9