Python-OpenCV教程-4__Python

來源:互聯網
上載者:User

OpenCV版本要求在2.3.1以上

本文主要介紹OpenCV中對映像的基本操作和基本演算法

1.基本操作

在Python環境下,我們有兩種方式來操作映像——通過OpenCV提供的函數來操作映像或者是通過Numpy來直接修改映像的數組。這裡,我們推薦使用Numpy的方式,應為它清晰並且高效。

首先我們讀取一幅映像:

<span style="font-size:14px;">>>> import cv2>>> import numpy as np>>> img = cv2.imread('messi5.jpg')</span>

然後,我們可以直接通過行列座標來訪問這個像素的BGR值。對於灰階映像,則是訪問它的灰階值。

>>> px = img[100,100]>>> print px[157 166 200]# accessing only blue pixel>>> blue = img[100,100,0]>>> print blue157

然後通過這種方式也可以修改像素的值:

>>> img[100,100] = [255,255,255]>>> print img[100,100][255 255 255]

但是,以上這種讀取像素值的方式非常緩慢。因此,我們耿推薦使用Numpy的函數——array.item()和array.itemset()來訪問。

以下是推薦的訪問和修改方式:

# accessing RED value>>> img.item(10,10,2)59# modifying RED value>>> img.itemset((10,10,2),100)>>> img.item(10,10,2)100
除了訪問映像的像素值,我們還能擷取映像的屬性——行數、列數、通道數、映像的資料類型以及像素點的數量等。

通過img.shape這個屬性,我們可以得到一個記錄了映像行數、列數和通道數的元組(灰階映像則只返回行列數,通過這個可以區分映像是彩色的還是灰階的)。

像素點的數量可以通過img.size這個函數獲得,映像的資料類型可以通過img.dtype來獲得:

>>> print img.shape(342, 548, 3)>>> print img.size562248>>> print img.dtypeuint8
有時,我們會經常對一幅映像的特定地區進行操作。比如我們要對一幅映像進行人眼檢測,那麼一般會先去檢測人臉,然後在人臉的地區內去檢測眼睛。這樣做即提高的精度(因為眼睛總是長在臉上 : D),又提高了速度(搜尋地區變小了)。

我們把這種特定地區的操作叫做ROI(region of image),下面的代碼中,我們把圖中的球複製到另一地區:

>>> ball = img[280:340, 330:390]>>> img[273:333, 100:160] = ball
效果如下:


有時我們還需要把圖形的RGB通道分離,或者是把分離的三個通道合成成一幅RGB映像:

>>> b,g,r = cv2.split(img)>>> img = cv2.merge((b,g,r))
或者

>>> b = img[:,:,0]
假設你想要把所有紅色像素的值置為0:

>>> img[:,:,2] = 0
另外,cv2.split()函數運行非常消耗時間,所以在不必要的情況下最好別用。因此,我們更即推薦第二種方法。
最後,再介紹一個基本操作——邊界填補(Padding)

在卷積計算、零點補償等領域內,Padding有非常大的用處。Padding主要使用cv2.copyMakeBorder()這個函數,它需要的參數如下:

src:輸入的圖片

top,bottom,left,right:上下左右邊界的寬度。

borderType:請參考英文頁面

下面的代碼顯示了所有不同類型的邊界:

import cv2import numpy as npfrom matplotlib import pyplot as pltBLUE = [255,0,0]img1 = cv2.imread('opencv_logo.png')replicate = cv2.copyMakeBorder(img1,10,10,10,10,cv2.BORDER_REPLICATE)reflect = cv2.copyMakeBorder(img1,10,10,10,10,cv2.BORDER_REFLECT)reflect101 = cv2.copyMakeBorder(img1,10,10,10,10,cv2.BORDER_REFLECT_101)wrap = cv2.copyMakeBorder(img1,10,10,10,10,cv2.BORDER_WRAP)constant= cv2.copyMakeBorder(img1,10,10,10,10,cv2.BORDER_CONSTANT,value=BLUE)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()


翻譯自http://docs.opencv.org/trunk/doc/py_tutorials/py_core/py_basic_ops/py_basic_ops.html#basic-ops

2.基本演算法

我們可以通過cv2.add()函數或者是numpy的運算res=img1+img2來相加兩幅圖片。需要說明的是add()函數兩個數相加如果大於255則結果就是255,而直接相加的會如果大於255則會把結果對255模數。

>>> 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]
除了簡單相加兩幅映像,我們還能按比重去混合兩幅映像,混合時按照以下公式:

把從調整,我們能看到從一幅映像慢慢變為另一副映像,cv2.addWeighted()按照以下公式來混合兩幅映像:

<span style="font-size:18px;">img1 = cv2.imread('ml.png')img2 = cv2.imread('opencv_logo.jpg')dst = cv2.addWeighted(img1,0.7,img2,0.3,0)cv2.imshow('dst',dst)cv2.waitKey(0)cv2.destroyAllWindows()</span>
效果如下:

另外OpenCV還支援對象素點的位元運算(與或非和亦或)。這些運算方法在提取圖片的非矩形地區時,能發揮意想不到的作用。

比如我想把上面的OpenCV的logo給摳下來放到另一張圖片裡去,如果之家吧兩幅圖片相加,那麼顏色就會改變,如果混合兩幅圖片,則會造成透明的效果,這時就可以巧妙地運用為運算來解決這個問題:

# Load two imagesimg1 = cv2.imread('messi5.jpg')img2 = cv2.imread('opencv_logo.png')# I want to put logo on top-left corner, So I create a ROIrows,cols,channels = img2.shaperoi = img1[0:rows, 0:cols ]# Now create a mask of logo and create its inverse mask alsoimg2gray = cv2.cvtColor(img2,cv2.COLOR_BGR2GRAY)ret, mask = cv2.threshold(img2gray, 10, 255, cv2.THRESH_BINARY)mask_inv = cv2.bitwise_not(mask)# Now black-out the area of logo in ROIimg1_bg = cv2.bitwise_and(roi,roi,mask = mask_inv)# Take only region of logo from logo image.img2_fg = cv2.bitwise_and(img2,img2,mask = mask)# Put logo in ROI and modify the main imagedst = cv2.add(img1_bg,img2_fg)img1[0:rows, 0:cols ] = dstcv2.imshow('res',img1)cv2.waitKey(0)cv2.destroyAllWindows()

左圖是mask的映像,右圖是最後的結果。

這個程式要求logo必須是黑底的,它先用cvtColor把原圖轉換成灰階圖,然後用threshold函數,根據灰階把映像分成了兩部分——logo部分和背景部分,其中logo的灰階值為255(白色),背景為0(黑色),這就是mask映像。然後,對mask取反,讓logo為0,背景為255,得到mask_inv映像。然後讓messi5的左上方和它自身以mask_inv為掩碼做與運算——即掩碼為0,則結果得0,掩碼大於0,則結果不變(這就在messi5上用黑色摳了一個logo,接下來要上色了)。再接著,讓logo和它自身以mask為掩碼做與運算(把有顏色的部分摳出來)。最後使用add函數把兩個圖片相加就得到了右圖(這裡用到了黑色是(0,0,0),它加上什麼顏色就是什麼顏色這個特性)。

翻譯自http://docs.opencv.org/trunk/doc/py_tutorials/py_core/py_image_arithmetics/py_image_arithmetics.html#image-arithmetics


聯繫我們

該頁面正文內容均來源於網絡整理,並不代表阿里雲官方的觀點,該頁面所提到的產品和服務也與阿里云無關,如果該頁面內容對您造成了困擾,歡迎寫郵件給我們,收到郵件我們將在5個工作日內處理。

如果您發現本社區中有涉嫌抄襲的內容,歡迎發送郵件至: info-contact@alibabacloud.com 進行舉報並提供相關證據,工作人員會在 5 個工作天內聯絡您,一經查實,本站將立刻刪除涉嫌侵權內容。

A Free Trial That Lets You Build Big!

Start building with 50+ products and up to 12 months usage for Elastic Compute Service

  • Sales Support

    1 on 1 presale consultation

  • After-Sales Support

    24/7 Technical Support 6 Free Tickets per Quarter Faster Response

  • Alibaba Cloud offers highly flexible support services tailored to meet your exact needs.