数字图像处理(7): 获取图像属性、感兴趣区域(ROI) 和 通道拆分与合并 |
您所在的位置：网站首页 › 图片饱和度高什么意思 › 数字图像处理(7): 获取图像属性、感兴趣区域(ROI) 和 通道拆分与合并 |
数字图像处理(7): 获取图像属性、感兴趣区域(ROI) 和 通道拆分与合并
|
目录 1 获取图像的属性 1.1 形状- shape 1.2 像素数目- size 1.3 图像类型- dtype 2 获取图像的感兴趣区域(ROI) 3 图像的通道拆分与合并 3.1 通道拆分- split() 3.2 通道合并- merge() 参考资料 1 获取图像的属性图像的属性有： （1）形状：行、列 和 通道数量； （2）像素数量； （3）图像的数据类型。 1.1 形状- shape 通过shape关键字获取图像的形状，返回包含行数、列数、通道数的元祖。其中： （1）灰度图像返回行数和列数； （2）彩色图像返回行数、列数 和 通道数。 例子如下图所示：
代码如下： # -*- coding:utf-8 -*- import cv2 import numpy #读取图片 img = cv2.imread("lena.tiff", cv2.IMREAD_UNCHANGED) #获取图像形状 print(img.shape) #显示图像 cv2.imshow("Demo", img) #等待显示 cv2.waitKey(0) cv2.destroyAllWindows()运行结果：（该图像为512行像素、512列像素、3个通道）
1.2 像素数目- size 通过size关键字获取图像的像素数目，其中 （1）灰度图像返回 [行数 （2）彩色图像返回 [行数 代码如下： # -*- coding:utf-8 -*- import cv2 import numpy #读取图片 img = cv2.imread("lena.tiff", cv2.IMREAD_UNCHANGED) #获取图像形状 print(img.shape) #获取像素数目 print(img.size)
运行结果如下图所示：（512,512,3）共 512
1.3 图像类型- dtype 通过 dtype 关键字获取图像的数据类型，通常返回uint8。 代码如下： # -*- coding:utf-8 -*- import cv2 import numpy #读取图片 img = cv2.imread("lena.tiff", cv2.IMREAD_UNCHANGED) #获取图像形状 print(img.shape) #获取像素数目 print(img.size) #获取图像类型 print(img.dtype)
运行结果如下：
2 获取图像的感兴趣区域(ROI) ROI (Region of Interest) 表示感兴趣区域。它是指从被处理图像以方框、圆形、椭圆、不规则多边形等方式勾勒出需要处理的区域。可以通过各种算子(Operator) 和函数求得感兴趣ROI，并进行图像的下一步处理，被广泛应用于热点地图、人脸识别、图像分割等领域。
通过像素矩阵可以直接获取ROI区域，如img[200:400, 200:400]。
代码示例： # -*- coding:utf-8 -*- import cv2 import numpy as np #读取图片 img = cv2.imread("lena.tiff", cv2.IMREAD_UNCHANGED) #定义200*100矩阵 3对应BGR face = np.ones((200, 150, 3)) #显示原始图像 cv2.imshow("Demo", img) #显示ROI区域 face = img[200:400, 200:350] cv2.imshow("face", face) #等待显示 cv2.waitKey(0) cv2.destroyAllWindows()
运行结果如下：
下面将提取的ROI图像 进行覆盖到原图的某个位置（就是修改原图位置的像素值）。 代码如下： # -*- coding:utf-8 -*- import cv2 import numpy as np #读取图片 img = cv2.imread("lena.tiff", cv2.IMREAD_UNCHANGED) #定义200*100矩阵 3对应BGR face = np.ones((200, 150, 3)) #显示原始图像 cv2.imshow("Demo", img) #显示ROI区域 face = img[200:400, 200:350] #ROI图像 覆盖到原图的某个区域 img[0:200,0:150] = face cv2.imshow("face", face) #显示修改后的原始图像 cv2.imshow("Demo", img) #等待显示 cv2.waitKey(0) cv2.destroyAllWindows()
运行结果如下：
3 图像的通道拆分与合并 3.1 通道拆分- split() OpenCV读取的彩色图像由B、G、R三原色组成，可以通过下面代码获取不同的通道。 b = img[:, :, 0] g = img[:, :, 1] r = img[:, :, 2] 注意OpenCV与Matlab的区别：Matlab的第一个通道是从1开始的，OpenCV是从0开始的。
上面的方式，在之前已经用过了，这里用 split() 函数函数来拆分RGB图像的三个通道。
代码如下： # -*- coding:utf-8 -*- import cv2 import numpy as np # 读取图片 img = cv2.imread("lena.tiff", cv2.IMREAD_UNCHANGED) # 拆分通道 b, g, r = cv2.split(img) # 显示原始图像 cv2.imshow("B", b) cv2.imshow("G", g) cv2.imshow("R", r) # 等待显示 cv2.waitKey(0) cv2.destroyAllWindows()运行结果如下：
当然也可以获取不同的通道，例如： b = cv2.split(img)[0] g = cv2.split(img)[1] r = cv2.split(img)[2] 代码如下： # -*- coding:utf-8 -*- import cv2 import numpy as np # 读取图片 img = cv2.imread("lena.tiff", cv2.IMREAD_UNCHANGED) # 拆分通道 b = cv2.split(img)[0] # 显示原始图像 cv2.imshow("B", b) # 等待显示 cv2.waitKey(0) cv2.destroyAllWindows()
运行结果如下：
3.2 通道合并- merge() 图像通道合并主要使用 merge() 函数实现。例如： m = cv2.merge([b, g, r])
代码如下：（先拆分RGB通道，再合并RGB通道） # -*- coding:utf-8 -*- import cv2 import numpy as np # 读取图片 img = cv2.imread("lena.tiff", cv2.IMREAD_UNCHANGED) # 拆分通道 b, g, r = cv2.split(img) # 合并通道 m = cv2.merge([b, g, r]) cv2.imshow("Merge", m) # 等待显示 cv2.waitKey(0) cv2.destroyAllWindows()
运行结果如下：
注： 因为OpenCV是BRG通道，现在将其通道弄反，确认一下，OpenCV是不是按BRG通道组成的。
代码如下：（仅修改了，合并通道时候，使用RGB合成的） # -*- coding:utf-8 -*- import cv2 import numpy as np # 读取图片 img = cv2.imread("lena.tiff", cv2.IMREAD_UNCHANGED) # 拆分通道 b, g, r = cv2.split(img) # 合并通道 m = cv2.merge([r, g, b]) cv2.imshow("Merge", m) # 等待显示 cv2.waitKey(0) cv2.destroyAllWindows()
运行结果如下：（由结果可以看出，OpenCV确实是按BRG通道组成的，哈哈还是很好玩的）
（1）同时，可以提取图像的不同颜色，提取 B 颜色通道，而G、R通道像素值均设置为0，则显示蓝色。 代码如下所示： # -*- coding:utf-8 -*- import cv2 import numpy as np # 读取图片 img = cv2.imread("lena.tiff", cv2.IMREAD_UNCHANGED) rows, cols, chn = img.shape # 拆分通道 b = cv2.split(img)[0] g = np.zeros((rows, cols), dtype=img.dtype) r = np.zeros((rows, cols), dtype=img.dtype) # 合并通道 m = cv2.merge([b, g, r]) cv2.imshow("Merge", m) # 等待显示 cv2.waitKey(0) cv2.destroyAllWindows()
运行结果如下所示：
（2）提取 G 颜色通道，而B、R通道像素值均设置为0，则显示绿色。 代码如下所示： # -*- coding:utf-8 -*- import cv2 import numpy as np # 读取图片 img = cv2.imread("lena.tiff", cv2.IMREAD_UNCHANGED) rows, cols, chn = img.shape # 拆分通道 g = cv2.split(img)[1] b = np.zeros((rows, cols), dtype=img.dtype) r = np.zeros((rows, cols), dtype=img.dtype) # 合并通道 m = cv2.merge([b, g, r]) cv2.imshow("Merge", m) # 等待显示 cv2.waitKey(0) cv2.destroyAllWindows()
运行结果如下所示：
（3）提取 R 颜色通道，而B、G通道像素值均设置为0，则显示红色。 代码如下所示： # -*- coding:utf-8 -*- import cv2 import numpy as np # 读取图片 img = cv2.imread("lena.tiff", cv2.IMREAD_UNCHANGED) rows, cols, chn = img.shape # 拆分通道 r = cv2.split(img)[2] b = np.zeros((rows, cols), dtype=img.dtype) g = np.zeros((rows, cols), dtype=img.dtype) # 合并通道 m = cv2.merge([b, g, r]) cv2.imshow("Merge", m) # 等待显示 cv2.waitKey(0) cv2.destroyAllWindows()
运行结果如下所示：
参考资料 [1] https://blog.csdn.net/eastmount/article/details/82177300 [2] Python+OpenCV图像处理 |
列数] ；
【本文地址】