【计算机视觉处理三】图像基本处理
图像基本处理 1、图像切片 在前面我们了解到opencv中的图像实际上就是一个ndarray数组，我们对ndarray数组进行操作就是对图像进行操作。我们先来看一下切片查找，这是我们非常常用的一个操作。 （1）一维数组的切片 我们来看看切片的语法，对于一维的数组我们可以通过下面的操作获取第0个到第4个元素： array[0:5] 从上面可以知道我们的切片操作是左闭右开的。上面的切片操作我们可以简写一下： array[:5] 如果我们没有设置第一个值，则表示从头开始切片。当然我们还可以省略第二个值，这时含义就是取到最后一个元素，比如下面的操作： array[3:] 我们用一个实际的例子来看看切片操作： import numpy as np# 创建一个一维的ndarray数组，数据为[0, 1, 2, 3, 4, 5, 6, 7]array = np.array([0, 1, 2, 3, 4, 5, 6, 7])# 取0到4个元素print(array[0:5])print(array[:5])# 取第3个到最后一个元素print(array[3:]) 输出内容如下： [0 1 2 3 4][0 1 2 3 4][3 4 5 6 7] 我们可以把切片操作总结为： # 左闭右开array[start: end-1] 当我们以第0个开始，获取以最后一个结尾的话，对应的值是可以省略的。 （2）二维数组的切片 在图像处理中，我们更关注二维数组的切片。它的语法和一维数组很相似。为了方便理解，我们直接使用图片来进行切片，比如下面这张图片： 二维数组切片的语法如下： array[start:end-1, start:end-1] 现在我们需要明确一点，左边部分是对高的截取，右边部分是对宽的截取。那现在我要截取图片的左半部分的操作应该如下： import cv2# 读取图片img = cv2.imread('xyql.jpg')# 获取图片的宽，并除2width = img.shape[1]//2# 对图片进行切片，截取左半部分left = img[:, :width]# 显示图像三步骤cv2.imshow('left', left)cv2.waitKey(0)cv2.destroyAllWindows() 其中切片的代码是： left = img[:, :width] 左边的是截取高，我们需要全部截取，因此两个值都可以省略。右边我们只需要截取左半部分，因此左边的值可以省略，右边的值则是我们前面计算到的宽度。下面是效果图： 这里需要注意一点，彩色图像其实是三维的，但是我们没有操作第三个维度。 2、图片区域替换 既然我们知道如何切片，那我们就可以对指定区域进行替换。不过需要注意替换和被替换的区域形状要相同，即shape属性要一样。比如我要把图片左上角100*100的区域替换成白色，那我可以进行如下操作： import cv2import numpy as npimg = cv2.imread('1.jpg')# 创建一个100*100的白色图像replace_img = np.ones((100, 100), dtype=np.uint8)*255# 将图片左上角100*100区域替换img[:100, :100] = replace_img 运行后会发现报了如下错误： img[:100, :100] = replace_imgValueError: could not broadcast input array from shape (100,100) into shape (100,100,3) 它的意思是不能将（100， 100）的图像转换成（100， 100， 3）的图像，也就是形状不匹配。在替换时我们需要特别注意这一点，我们将上面的代码进行一些修改： import cv2import numpy as npimg = cv2.imread('xyql.jpg')replace_img = np.ones((100, 100, 3), dtype=np.uint8)*255img[:100, :100] = replace_img *这样我们就可以成功替换了，效果如下： 其实用上面的操作我们可以实现一个“双胞胎”效果，下面我们就来看看吧。 3、实现“双胞胎”效果 我们先准备两张图片，保证相机在没有移动的情况下拍两张图片，比如下面两张： 这是我刚拍的两张图片，因为相机没有移动，所以背景应该是一样的。我们可以通过下面的代码把两个梦幻合并到一张图片上： import cv2# 读取两张图片img1 = cv2.imread('mh1.JPG')img2 = cv2.imread('mh2.JPG')# 求出宽的中间值mid = img1.shape[1]//2# 把mh2的右半边替换到mh1的右半部分img1[:, mid:] = img2[:, mid:]# 将拼接后的图片保存到本地cv2.imwrite('result.jpg', img1) 上面代码非常简单，我们只需要关注下面这句： img1[:, mid:] = img2[:, mid:] img1和img2的shape都是一样的，截取的区域也是一样的，所以进行替换没有上面问题。最后我们通过： cv2.imwrite('result.jpg', img1) 对图片进行保存。因为我们是直接对img1进行操作，因此我们直接保存img1就好了。下面是我们的效果图： 这里需要多说一句，我只有一个梦幻。 4、numpy生成数组 在上一篇中我们使用下面的代码生成了一个数组： im = np.zeros((3, 3, 1), dtype=np.uint8) 对于数组numpy来说我们是生成一个数组，但是对opencv来说是生成一张图片。下面我们来看看numpy生成数组的一些操作。 （1）np.ones 我们可以通过numpy的ones函数生成一个元素全为1的数组，比如下面的代码： np.ones((100, 100), dtype=np.uint8) ones接收两个参数，第一个参数是数组的shape，第二关则是数组元素的类型，其中np.uint8表示无符号的8位整型，即范围在（0-255）之间。我们可以用opencv显示一下上面的图片： import cv2import numpy as np# 生成一个100*100的图片，每个元素的值都为1img = np.ones((100, 100), dtype=np.uint8)cv2.imwrite('result.jpg', img) 效果图如下： 因为1很接近0，所以图片的颜色接近于黑色。我们可以通过下面的操作对每个元素进行操作： import cv2import numpy as npimg = np.ones((100, 100), dtype=np.uint8) * 127cv2.imwrite('result.jpg', img) 我们生成元素为1的数组后，如何进行乘127的操作，这样就可以对每个元素进行乘127操作。这时候数组的每个元素都是127，下面是显示效果： 当然我们的图片是二维的，对opencv来说是一个灰度图。如果想要生成一个彩色图像，我们可以生成一个三维的图像，后续我们会继续讲解。 （2）np.zeros np.zeros和ones没有上面区别，只是它元素的内容是0。我们来简单看一下： import numpy as npimg = np.zeros((5, 5), dtype=np.uint8)print(img) 为了方便看，我们直接生成一个简单的数组，输出结果如下： [[0 0 0 0 0] [0 0 0 0 0] [0 0 0 0 0] [0 0 0 0 0] [0 0 0 0 0]] 其它的都不再细说了。 本文分享自微信公众号 - ZackSock（ZackSock）。如有侵权，请联系 support@oschina.cn 删除。本文参与“OSC源创计划”，欢迎正在阅读的你也加入，一起分享。
