本系列专栏写作将采用首创的问答式写作形式，快速让你学习到 OpenCV 的初级、中级、高级知识。
6. 在 Python OpenCV 针对图像细节的不同操作
本篇博客的目标将为你解释一幅图像的拆解，包括图像像素的说明，图像属性信息的获取与修改，
图像目标区域 ROI 相关内容，以及图像通道的知识（包括拆分通道和合并通道）
这些内容在知识结构上与 numpy 库十分紧密，如果从学习的角度出发，建议你储备一下 numpy 相关知识。
读取修改图像的像素值
在之前的博客中，我们已经学到了如何读取一幅图像，使用 cv2.imread 函数即可，并且掌握了该函数的两个关键参数。
读取图片之后，我们可以直接使用操作数组的方式获取图像任意位置的颜色，一般这个颜色的默认顺序是 BGR。
测试代码如下：
import cv2
import matplotlib.pyplot as plt
src = cv2.imread("./6_test.jpg")
# 获取 100 x 100 位置的像素值
print(src[100, 100])
cv2.imshow("src", src)
cv2.waitKey()这里首先获取 100 x 100 位置的像素值。
src[100,100]会获取到三个值，分别对应的 BGR 通道的值。我们在图片上标记一个像素点，rows = 250,cols=470 ，接下来修改上述代码，看获取到的 BGR 值。
import cv2
import matplotlib.pyplot as plt
src = cv2.imread("./6_test.jpg")
# 注意获取像素值的格式为 [cols,rows]
print(src[250, 470])
cv2.imshow("src", src)
cv2.waitKey()
上文特别注意的就是，获取像素值的格式为 [cols,rows]，列在前，行在后。
以上获取到的是 BGR 值，也可以只获取单个通道的值，对应的代码是 [cols,rows,channel]，对应到代码部分，如下所示：
# 获取蓝色通道值
print(src[250, 470, 0])蓝色通道对应 0，绿色通道为 1，红色通道为 2，超出以上三个值，就会出现如下错误：
IndexError: index 3 is out of bounds for axis 2 with size 3当前如果你直接读取了灰度图，例如下述代码，三个通道的值是相同的。
import cv2
import matplotlib.pyplot as plt
src = cv2.imread("./6_test.jpg", 0)
# 注意获取像素值的格式为 [cols,rows]
print(src[250, 470])
cv2.imshow("src", src)
cv2.waitKey()这个地方还有一个编码上存在的潜在问题，如果读取的是四通道图片，即图片有透明度，那数组的索引值可以读取到 3，也就是下述代码是正确的。
import cv2
import matplotlib.pyplot as plt
src = cv2.imread("./test.jpg", -1)
# 注意获取像素值的格式为 [cols,rows]
print(src[250, 470, 3])
cv2.imshow("src", src)
cv2.waitKey()src[250, 470, 3] 成功读取到了透明通道的值。
我们可以针对特定的像素点进行值的修改，例如下述代码
import cv2
import matplotlib.pyplot as plt
src = cv2.imread("./6_test.jpg")
# 注意获取像素值的格式为 [cols,rows]
src[250, 470] = [255, 255, 255]
cv2.imshow("src", src)
cv2.waitKey()注意下图的红色箭头指向的位置，出现一个白色亮点，使用该办法，可以制造出一个【椒盐图片】。
这个地方需要注意的一个潜在 BUG，读取图片的通道数，决定了你复制时数组元素个数，例如下述代码将会报错。
import cv2
import matplotlib.pyplot as plt
src = cv2.imread("./6_test.jpg")
# 注意获取像素值的格式为 [cols,rows]
src[250, 470] = [255, 255, 255, 255]
cv2.imshow("src", src)
cv2.waitKey()错误信息都是类似的，提示数组维度不同。
ValueError: cannot copy sequence with size 4 to array axis with dimension 3最后一点使用以上方式操作图像的像素点，非常耗时，因为一张图片的像素点数据是非常大的，一般情况下能用 numpy 集成好的方法，就不要用这种最笨拙的方式。
使用 numpy 获取通道值，注意该方式获取的是标量，如果你想获得所有 BGR 的值，你需要使用 array.item() 依次获取。
import cv2
import numpy as np
src = cv2.imread("./6_test.jpg")
print(src[100, 100])
b = src.item(100, 100, 0)
g = src.item(100, 100, 1)
r = src.item(100, 100, 2)
print(b, g, r)
cv2.imshow("src", src)
cv2.waitKey()如果希望设置该值，直接使用 itemset 函数即可。
src.itemset((100, 100, 0), 200)
print(src[100, 100])可以任意寻找一张图片进行对应的测试，运行效果如下：
[ 31 68 118]
31 68 118
[200 68 118]
OpenCV 中图像属性常见问题解析
对于一幅图像，除了像素矩阵以外，还有一个非常重要的内容，是图像的属性，这些包括行、列、通道、数据类型，像素数量、图像形状等内容。
例如，我们经常使用 img.shape 去获取图像的形状，尤其注意的是，返回的内容是行数（rows），列数（cols），以及通道数（channels），并且返回值类型是一个元组。
如果你读取图像的时候，设置紧读取灰度图，那只会返回行数和列数，相应的通过这个值很容易能判断出你加载的图像类型。
例如下述代码，通过不同的方式读取同一张图片，输出图像的不同形状。
import cv2
import numpy as np
# 选择一个 jpg 图片，可以读取到不同的通道
src1 = cv2.imread("./test.jpg", -1)
src2 = cv2.imread("./test.jpg", 0)
src3 = cv2.imread("./test.jpg")
# 四通道，包含透明通道
print(src1.shape)
# 灰度图
print(src2.shape)
# 三通道
print(src3.shape)输出结果可以快速的读取出图像是彩色图像还是灰度图像。
(397, 595, 4)
(397, 595)
(397, 595, 3)使用 img.size 可以快速返回图像中像素的合计数目，测试代码如下：
# 选择一个 jpg 图片，可以读取到不同的通道
src1 = cv2.imread("./test.jpg", -1)
src2 = cv2.imread("./test.jpg", 0)
src3 = cv2.imread("./test.jpg")
# 四通道，包含透明通道
print(src1.shape)
print(src1.size)
# 灰度图
print(src2.shape)
print(src2.size)
# 三通道
print(src3.shape)
print(src3.size)我们依旧三种不同的读取方式，读取到的像素数分别如下：
(397, 595, 4)
944860
(397, 595)
236215
(397, 595, 3)
708645注意，灰度图像和彩色图像的像素数不同，它们之前存在如下关系。
灰度图像的像素数 = 行数 x 列数 = 397 x 595 = 236215
彩色图像的像素数 = 行数 x 列数 x 通道数 = 944860 （四通道）/ 708645（三通道）
使用 img.dtype 属性可以获取到图像的类型，具体如下：
print(src1.dtype)这里读取到的值，都是相同的 uint8 表示 8 位图像，这里可以记住只要是 uint8 格式，那对应的 BGR 值的范围就是在 [0,255] 之间。
在操作上述属性值的时候，会出现如下 BUG，该 BUG 的通用解决方案是排查图片是否正常读取，需要特别注意下：
AttributeError: 'NoneType' object has no attribute 'shape'
print(src1.dtype)这里读取到的值，都是相同的 uint8 表示 8 位图像，这里可以记住只要是 uint8 格式，那对应的 BGR 值的范围就是在 [0,255] 之间。
在操作上述属性值的时候，会出现如下 BUG，该 BUG 的通用解决方案是排查图片是否正常读取，需要特别注意下：
AttributeError: 'NoneType' object has no attribute 'shape'到此这篇关于Python OpenCV 针对图像细节的不同操作的文章就介绍到这了,更多相关Python OpenCV图像内容请搜索编程网以前的文章或继续浏览下面的相关文章希望大家以后多多支持编程网！
