【1】python-opencv3教程：图像数字化（图像灰度化，彩色图像通道的提取等）

缺乏、安全感 2022-03-17 15:43 327阅读 0赞

### 第一节：图像数字化 ###

**1： 构造二维的ndarry，相当于就是构造灰度图像各个位置的像素值。**

import numpy as np
    import cv2
    
    # 构造二维的ndarry    # 构造一个100*100的图像，像素值都是零，然后将其输出
    z = np.zeros((100, 100), np.uint8)   # 100*100的图像，每个点像素值都为零
    cv2.imshow('img', z)    # 显示图片
    cv2.imwrite('img1.png', z)  # 将我们的结果进行保存
    cv2.waitKey(0)   # 显示持续几毫秒   1000代表一秒，0表示永久
    cv2.destroyAllWindows()

程序的输出结果：

![20190225102342710.png][]

**2：同理，我们可以构造三维的ndarry**

# 构造三维的ndarry
    z = np.ones((100, 100, 3), np.uint8)
    cv2.imshow('img2', z)
    cv2.imwrite('img2.png', z)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

>    (100， 100， 3)表示的是100\*100的三通道图片，也就是彩色图片，但我们指定的像素值都是1，所以最后的输出还是黑色的。

**3： ndarry的加减乘除，这里的乘包括点乘和矩阵乘。**

# ndarry的加法
    src1 = np.array([[23, 123, 90], [100, 250, 0]], np.uint8)
    src2 = np.array([[125, 150, 60], [100, 10, 40]], np.uint8)
    dst = src1 + src2
    print(dst)   
    # 123 + 150 = 273 array对于大于255的uchar类型的处理方式是:对255取模运算后减1，即: 273 % 255 - 1 = 17
    
    
    # ndarry的减法
    dst1 = src1 - src2
    print(dst1)
    
    
    # ndarry的点乘运算
    dst2 = src1*src2  # 点乘就是对应点进行相乘
    print(dst2)
    
    
    # ndarry的点除运算
    dst3 = src2 / src1  # 对应点进行相除
    print(dst3)
    
    
    # ndarry的乘法 即矩阵的乘法
    src3 = np.array([[1, 2, 3], [4, 5, 6]], np.uint8)
    src4 = np.array([[6, 5], [4, 3], [2, 1]], np.uint8)
    dst4 = np.dot(src3, src4)
    print(dst4)

注意代码中的注释

**4：灰度图像数字化。**

在这里我们先读入一张灰度图像，然后输出其各个位置的像素值，接着把图像显示出来。

# 灰度图像数字化
    img = cv2.imread('p2.jpg', cv2.IMREAD_GRAYSCALE)   # 后面这个参数很有用，当你用这样的方式读入彩色图像时，可以将其转换为灰度图像
    print(img)  # 打印出该图片的像素值
    cv2.imshow('img', img)   # 显示图像
    cv2.waitKey(0)
    cv2.destroyAllWindows()

输出结果：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NoYXdyb2FkODg_size_16_color_FFFFFF_t_70][]

![20190225103432954.png][]

** 5：彩色图像数字化**

我们这里读一张彩色图像，然后将其各个通道的值读出来，输出。

# 彩色图像数字化
    image = cv2.imread('p1.jpg')
    b = image[:, :, 0]  # 第一个通道的值
    g = image[:, :, 1]  # 第二个通道的值
    r = image[:, :, 2]  # 第三个通道的值
    # 显示三个颜色通道
    cv2.imshow('b', b)
    cv2.imshow('g', g)
    cv2.imshow('r', r)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

输出结果：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NoYXdyb2FkODg_size_16_color_FFFFFF_t_70 1][]

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NoYXdyb2FkODg_size_16_color_FFFFFF_t_70 2][]

### 未完待续。。。。下一节我们讲学习图像的几何变化。。 ###

[20190225102342710.png]: /images/20220317/bdeaffafd20c4d50a3662e0f6fbf8da6.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NoYXdyb2FkODg_size_16_color_FFFFFF_t_70]: /images/20220317/f0d5bc56d3a34d78a43570e7e3ee4576.png
[20190225103432954.png]: /images/20220317/ebe958875bb14122bd5efc8cdf607eea.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NoYXdyb2FkODg_size_16_color_FFFFFF_t_70 1]: /images/20220317/2b68520acf6a4896b74ff1132b93cd5f.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NoYXdyb2FkODg_size_16_color_FFFFFF_t_70 2]: /images/20220317/267c4d1254f44d839db44f76d5e8cbbe.png