【计算机视觉处理3】图像基本处理

小灰灰 2022-12-26 11:23 281阅读 0赞

# 【计算机视觉处理3】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：

![在这里插入图片描述][20201204235717540.jpg_pic_center]

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2
    width = 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：

![在这里插入图片描述][2020120500080295.jpg_pic_center]

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 cv2
    import numpy as np
    img = 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_img
    ValueError: 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 cv2
    import numpy as np
    img = cv2.imread('xyql.jpg')
    replace_img = np.ones((100, 100, 3), dtype=np.uint8)*255
    img[:100, :100] = replace_img

\*这样我们就可以成功替换了，效果如下：

![在这里插入图片描述][20201205123537310.jpg_pic_center]

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：

![在这里插入图片描述][20201205130414550.jpg_pic_center]

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：

![在这里插入图片描述][20201205131522288.jpg_pic_center]

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 cv2
    import numpy as np
    # 生成一个100*100的图片，每个元素的值都为1
    img = np.ones((100, 100), dtype=np.uint8)
    cv2.imwrite('result.jpg', img)

效果图如下：

![在这里插入图片描述][2020120513301848.jpg_pic_center]

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 cv2
    import numpy as np
    img = np.ones((100, 100), dtype=np.uint8) * 127
    cv2.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：

![在这里插入图片描述][20201205133627367.jpg_pic_center]

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 np
    img = 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。

[20201204235717540.jpg_pic_center]: /images/20221120/52e1b57c40d246d6ae49e784f97dae8b.png
[2020120500080295.jpg_pic_center]: /images/20221120/ab1185539ce04c83beceb2de312f1659.png
[20201205123537310.jpg_pic_center]: https://img-blog.csdnimg.cn/20201205123537310.jpg#pic_center
[20201205130414550.jpg_pic_center]: https://img-blog.csdnimg.cn/20201205130414550.jpg#pic_center
[20201205131522288.jpg_pic_center]: https://img-blog.csdnimg.cn/20201205131522288.jpg#pic_center
[2020120513301848.jpg_pic_center]: https://img-blog.csdnimg.cn/2020120513301848.jpg#pic_center
[20201205133627367.jpg_pic_center]: https://img-blog.csdnimg.cn/20201205133627367.jpg#pic_center