主页 > 知识库 > 超详细注释之OpenCV更改像素与修改图像通道

超详细注释之OpenCV更改像素与修改图像通道

热门标签:检查注册表项 服务器配置 网站文章发布 智能手机 银行业务 呼叫中心市场需求 美图手机 铁路电话系统

这篇博客将介绍使用Python,OpenCV获取、更改像素,修改图像通道,截取图像感兴趣ROI;单通道图,BGR三通道图,四通道透明图,不透明图;

1. 效果图

原图 VS 更改右下某个像素为红色,更改左上角1/4区域为绿色,效果图如下:

裁剪感兴趣区域:分别截取左上角、右上角、左下角、右下角,各占1/4;效果图如下:

原图 VS 图像单通道灰度图效果如下:

左上原图 VS 右上R通道图 VS 左下G通道图 VS 右下B通道图效果如下:

图像4通道 全透明图 VS 不透明效果图:

2. 源码

# USAGE
# python opencv_getting_setting.py --image fjdj.png

# 导入必要的包
import argparse

import cv2
import imutils
import numpy as np

# 构建命令行参数及解析
# --image 磁盘图片路径,默认名称为当前py文件同级目录:fjdj.jpg


ap = argparse.ArgumentParser()
ap.add_argument("-i", "--image", type=str, default="fjdj.jpg",
                help="path to the input image")
args = vars(ap.parse_args())
ap = argparse.ArgumentParser()

# 加载图像,获取空间维度(宽度、高度),展示原始图像到屏幕
image = cv2.imread(args["image"])
image = imutils.resize(image, width=430)
origin = image.copy()
(h, w) = image.shape[:2]
cv2.imshow("Original", image)

# 图像以Numpy数组存在,获取左上角,图像索引从0开始
# 图像以BGR通道表示,因为最开始BGR是标准,后来调整为RGB
(b, g, r) = image[0, 0]
print("Pixel at (0, 0) - Red: {}, Green: {}, Blue: {}".format(r, g, b))

# 获取x=380,y=380的像素值,图像想象为M*N的矩阵,M为行,N为列
(b, g, r) = image[380, 380]
print("Pixel at (380, 380) - Red: {}, Green: {}, Blue: {}".format(r, g, b))

# 更新x=50,y=20的像素为红色
image[380, 380] = (0, 0, 255)
(b, g, r) = image[380, 380]
print("Pixel at (380, 380) - Red: {}, Green: {}, Blue: {}".format(r, g, b))

# 计算图像的中心
(cX, cY) = (w // 2, h // 2)

# 使用数组切片获取左上角1/4的部分
tl = image[0:cY, 0:cX]
cv2.imshow("Top-Left Corner", tl)

# 同样的,用数组切片裁剪 右上角、左下角、右下角部分,并展示
tr = image[0:cY, cX:w]
br = image[cY:h, cX:w]
bl = image[cY:h, 0:cX]
cv2.imshow("Top-Right Corner", tr)
cv2.imshow("Bottom-Right Corner", br)
cv2.imshow("Bottom-Left Corner", bl)

# 使用像素切片来更改像素区域的颜色
image[0:cY, 0:cX] = (0, 255, 0)

# 展示更新像素后的图片
cv2.imshow("Updated (Top-Left Corner to Green)", image)

gray = cv2.cvtColor(origin, cv2.COLOR_BGR2GRAY)
cv2.imshow("Gray", gray)

(h, w) = origin.shape[:2]
zeros = np.zeros((h, w), dtype="uint8")
# 将origin分离为红色,绿色和蓝色通道, 然后我们使用Numpy 零数组分别构造每个通道的表示形式
(B, G, R) = cv2.split(origin)
R = cv2.merge([zeros, zeros, R])
G = cv2.merge([zeros, G, zeros])
B = cv2.merge([B, zeros, zeros])
cv2.imshow("B G R", np.hstack([B, G, R]))
# 构建输出帧  原图在左上角 红色通道右上角 绿色通道右下角 蓝色通道左下角
output = np.zeros((h * 2, w * 2, 3), dtype="uint8")
output[0:h, 0:w] = origin
output[0:h, w:w * 2] = R
output[h:h * 2, 0:w] = G
output[h:h * 2, w:w * 2] = B
cv2.imshow("origin vs R vs G vs B", imutils.resize(output, width=700))

alpha0 = np.dstack([origin, np.ones((h, w), dtype="uint8") * 0])
cv2.imshow("alph 0", alpha0)
cv2.imwrite("alph 0.png", alpha0)

alpha1 = np.dstack([origin, np.ones((h, w), dtype="uint8") * 255])
cv2.imshow("alph 255", alpha1)
cv2.imwrite("alph 255.png", alpha1)
cv2.waitKey(0)

参考 https://www.pyimagesearch.com/2021/01/20/opencv-getting-and-setting-pixels/

到此这篇关于超详细注释之OpenCV更改像素与修改图像通道的文章就介绍到这了,更多相关OpenCV 像素 内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家!

您可能感兴趣的文章:
  • Python OpenCV处理图像之图像像素点操作
  • Python+OpenCV图片局部区域像素值处理详解
  • 详解python opencv图像混合算术运算
  • opencv-python基本图像处理详解

标签:上海 沈阳 乐山 长治 红河 沧州 河南 新疆

巨人网络通讯声明:本文标题《超详细注释之OpenCV更改像素与修改图像通道》,本文关键词  ;如发现本文内容存在版权问题,烦请提供相关信息告之我们,我们将及时沟通与处理。本站内容系统采集于网络,涉及言论、版权与本站无关。
  • 相关文章
  • 收缩
    • 微信客服
    • 微信二维码
    • 电话咨询

    • 400-1100-266