OpenCV Python教程（2、图像元素的访问、通道分离与合并）

曾经终败给现在 2022-01-22 01:45 289阅读 0赞

# OpenCV Python教程之图像元素的访问、通道分离与合并    #

转载请详细注明原作者及出处，谢谢！

## 访问像素 ##

像素的访问和访问numpy中ndarray的方法完全一样，灰度图为：

img[j,i] = 255

其中j，i分别表示图像的行和列。对于BGR图像，为：

img[j,i,0]= 255
    img[j,i,1]= 255
    img[j,i,2]= 255

第三个数表示通道。

下面通过对图像添加人工的椒盐现象来进一步说明OpenCV Python中需要注意的一些问题。完整代码如下：

import cv2
    import numpy as np
    
    def salt(img, n):
    	for k in range(n):
    		i = int(np.random.random() * img.shape[1]);
    		j = int(np.random.random() * img.shape[0]);
    		if img.ndim == 2: 
    			img[j,i] = 255
    		elif img.ndim == 3: 
    			img[j,i,0]= 255
    			img[j,i,1]= 255
    			img[j,i,2]= 255
    	return img
    
    if __name__ == '__main__':
    	img = cv2.imread("图像路径")
    	saltImage = salt(img, 500)
    	cv2.imshow("Salt", saltImage)
    	cv2.waitKey(0)
    	cv2.destroyAllWindows()

处理后能得到类似下面这样带有模拟椒盐现象的图片：

![20130614163545218][]  
  
上面的代码需要注意几点：

1、与C++不同，在Python中灰度图的img.ndim = 2，而C++中灰度图图像的通道数img.channel() =1

2、为什么使用np.random.random()？  
这里使用了numpy的随机数，Python自身也有一个随机数生成函数。这里只是一种习惯，np.random模块中拥有更多的方法，而Python自带的random只是一个轻量级的模块。不过需要注意的是np.random.seed()不是线程安全的，而Python自带的random.seed()是线程安全的。如果使用随机数时需要用到多线程，建议使用Python自带的random()和random.seed()，或者构建一个本地的np.random.Random类的实例。

## 分离、合并通道 ##

由于OpenCV Python和NumPy结合的很紧，所以即可以使用OpenCV自带的split函数，也可以直接操作numpy数组来分离通道。直接法为：

import cv2
    import numpy as np
    
    img = cv2.imread("D:/cat.jpg")
    b, g, r = cv2.split(img)
    cv2.imshow("Blue", r)
    cv2.imshow("Red", g)
    cv2.imshow("Green", b)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

其中split返回RGB三个通道，如果只想返回其中一个通道，可以这样：

b = cv2.split(img)[0]
    g = cv2.split(img)[1]
    r = cv2.split(img)[2]

最后的索引指出所需要的通道。

也可以直接操作NumPy数组来达到这一目的：

注意先要开辟一个相同大小的图片出来。这是由于numpy中数组的复制有些需要注意的地方，具体事例如下：

>>> c= np.zeros(img.shape, dtype=img.dtype)
    >>> c[:,:,:] = img[:,:,:]
    >>> d[:,:,:] = img[:,:,:]
    >>> c is a
    False
    >>> d is a
    False
    >>> c.base is a
    False
    >>> d.base is a #注意这里！！！
    True

这里，d只是a的镜像，具体请参考《 [NumPy简明教程（二，数组3][NumPy_3]）》中的“复制和镜像”一节。

## 通道合并 ##

同样，通道合并也有两种方法。第一种是OpenCV自带的merge函数，如下：

merged = cv2.merge([b,g,r]) #前面分离出来的三个通道

接着是NumPy的方法：

mergedByNp = np.dstack([b,g,r])

**注意：这里只是演示，实际使用时请用OpenCV自带的merge函数！**用NumPy组合的结果不能在OpenCV中其他函数使用，因为其组合方式与OpenCV自带的不一样，如下：

merged = cv2.merge([b,g,r])
    print "Merge by OpenCV" 
    print merged.strides
    
    mergedByNp = np.dstack([b,g,r]) 
    print "Merge by NumPy " 
    print mergedByNp.strides

结果为：

Merge by OpenCV
    (1125, 3, 1)
    Merge by NumPy
    (1, 500, 187500)

NumPy数组的strides属性表示的是在每个维数上以字节计算的步长。这怎么理解呢，看下面这个简单点的例子：

>>> a = np.arange(6)
    >>> a
    array([0, 1, 2, 3, 4, 5])
    >>> a.strides
    (4,)

a数组中每个元素都是NumPy中的整数类型，占4个字节，所以第一维中相邻元素之间的步长为4（个字节）。

同样，2维数组如下：

>>> b = np.arange(12).reshape(3,4)
    >>> b
    array([[ 0,  1,  2,  3],
           [ 4,  5,  6,  7],
           [ 8,  9, 10, 11]])
    >>> b.strides
    (16, 4)

从里面开始看，里面是一个4个元素的一维整数数组，所以步长应该为4。外面是一个含有3个元素，每个元素的长度是4×4=16。所以步长为16。

下面来看下3维数组：

>>> c = np.arange(27).reshape(3,3,3)

其结果为：

array([[[ 0,  1,  2],
            [ 3,  4,  5],
            [ 6,  7,  8]],
    
           [[ 9, 10, 11],
            [12, 13, 14],
            [15, 16, 17]],
    
           [[18, 19, 20],
            [21, 22, 23],
            [24, 25, 26]]])

根据前面了解的，推断下这个数组的步长。从里面开始算，应该为（3×4×3，3×4，4）。验证一下：

>>> c.strides
    (36, 12, 4)

完整的代码为：

import cv2
    import numpy as np
    
    img = cv2.imread("D:/cat.jpg")
    
    b = np.zeros((img.shape[0],img.shape[1]), dtype=img.dtype)
    g = np.zeros((img.shape[0],img.shape[1]), dtype=img.dtype)
    r = np.zeros((img.shape[0],img.shape[1]), dtype=img.dtype)
    
    b[:,:] = img[:,:,0]
    g[:,:] = img[:,:,1]
    r[:,:] = img[:,:,2]
    
    merged = cv2.merge([b,g,r])
    print "Merge by OpenCV" 
    print merged.strides
    print merged
    
    mergedByNp = np.dstack([b,g,r]) 
    print "Merge by NumPy " 
    print mergedByNp.strides
    print mergedByNp
    
    cv2.imshow("Merged", merged)
    cv2.imshow("MergedByNp", merged)
    cv2.imshow("Blue", b)
    cv2.imshow("Red", r)
    cv2.imshow("Green", g)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

未完待续...

转载请详细注明原作者及出处，谢谢！

[20130614163545218]: /images/20220122/12c1a92a5efb4e4d888572ed653fdb14.png
[NumPy_3]: http://blog.csdn.net/sunny2038/article/details/8907736