1.獲取并修改像素值

首先我們需要讀入一幅圖像，可以根據(jù)像素的行和列的坐標(biāo)獲取他的像素值。對(duì) BGR 圖像而言，返回值為 B，G，R 的值。對(duì)灰度圖像而言，會(huì)返回他的灰度值（亮度 intensity）：

            
              import cv2
import numpy as np
img = cv2.imread('D:/opencv/images/roi.jpg')

# 獲取像素值
px = img[100,100]
print(px)
blue = img[100,100,0]
print(blue)

# 打印結(jié)果
## [57 63 68]
## 57

# 修改像素值
img[100,100]=[255,255,255]
print(img[100,100])

## [255 255 255]
            
          

Numpy 是經(jīng)過優(yōu)化了的進(jìn)行快速矩陣運(yùn)算的軟件包。所以我們不推薦逐個(gè)獲取像素值并修改，這樣會(huì)很慢，能用矩陣運(yùn)算就不要用循環(huán)。對(duì)于獲取每一個(gè)像素值，也許使用 Numpy 的 array.item() 和 array.itemset() 會(huì)更好。但是返回值是標(biāo)量。如果你想獲得所有 B， G， R 的值，你需要使用 array.item() 分割他們。獲取像素值及修改的更好方法：

            
              import cv2
import numpy as np
img = cv2.imread('D:/opencv/images/roi.jpg')
print img.item(10,10,2)
img.itemset((10,10,2),100)
print(img.item(10,10,2))

## 50
## 100
            
          

2.獲取圖像屬性
圖像的屬性包括：行，列，通道，圖像數(shù)據(jù)類型，像素?cái)?shù)目等. img.shape 可以獲取圖像的形狀，他的返回值是一個(gè)包含行數(shù)，列數(shù)，通道數(shù)的元組。如果圖像是灰度圖，返回值僅有行數(shù)和列數(shù)。所以 通過檢查這個(gè)返回值就可以知道加載的是灰度圖還是彩色圖 。 img.size 可以返回圖像的像素?cái)?shù)目。 img.dtype 返回的是圖像的數(shù)據(jù)類型。
?

注意：在debug時(shí) img.dtype 非常重要。因?yàn)樵?OpenCVPython 代碼中經(jīng)常出現(xiàn)數(shù)據(jù)類型的不一致。

3.圖像ROI

有時(shí)你需要對(duì)一幅圖像的特定區(qū)域進(jìn)行操作。例如我們要檢測(cè)一副圖像中眼睛的位置，我們首先應(yīng)該在圖像中找到臉，再在臉的區(qū)域中找眼睛，而不是直接在一幅圖像中搜索。這樣會(huì)提高程序的準(zhǔn)確性和性能。

ROI 也是使用 Numpy 索引來獲得的。現(xiàn)在我們選擇球的部分并把他拷貝到圖像的其他區(qū)域。

            
              import cv2
import numpy as np

img=cv2.imread('D:/opencv/images/roi.jpg')
ball=img[280:340,330:390]
img[270:330,100:160]=bal
            
          

結(jié)果如下：

?

4.拆分及合并圖像通道
有時(shí)我們需要對(duì) BGR 三個(gè)通道分別進(jìn)行操作。這是你就需要把 BGR 拆分成單個(gè)通道。有時(shí)你需要把獨(dú)立通道的圖片合并成一個(gè) BGR 圖像?？梢赃@樣做：
拆通道：b, g, r = cv2.spilt(img)

合并通道：img = cv2.merge(b, g, r)

            
              import cv2
import numpy as np

img=cv2.imread('D:/opencv/images/roi.jpg')
b,g,r=cv2.split(img)  #拆通道
img=cv2.merge(b,g,r)  #合并通道

b = img[:, :, 0]  # 單獨(dú)拆出藍(lán)色通道

img[:, :, 2] = 0  # 將紅色通道值全部賦值為0
            
          

?注意：cv2.split() 是一個(gè)比較耗時(shí)的操作。只有真正需要時(shí)才用它，能用Numpy 索引就盡量用。

?

5.為圖像擴(kuò)邊（填充）
圖像擴(kuò)邊（填充），在卷積運(yùn)算或 0 填充時(shí)經(jīng)常被用到。如果你想在圖像周圍創(chuàng)建一個(gè)邊，就像相框一樣，你可以使用 cv2.copyMakeBorder()函數(shù) 。這個(gè)函數(shù)包括如下參數(shù)：

? src 輸入圖像
? top, bottom, left, right 對(duì)應(yīng)邊界的像素?cái)?shù)目。
? borderType 要添加哪種類型的邊界，類型如下：
? ? ? ? – cv2.BORDER_CONSTANT 添加有顏色的常數(shù)值邊界，還需要下一個(gè)參數(shù)（value）。
? ? ? ? – cv2.BORDER_REFLECT 邊界元素的鏡像。比如: fedcba|abcdefgh|hgfedcb
? ? ? ? – cv2.BORDER_REFLECT_101 or cv2.BORDER_DEFAULT跟上面一樣，但稍作改動(dòng)。例如: gfedcb|abcdefgh|gfedcba
? ? ? ? – cv2.BORDER_REPLICATE 重復(fù)最后一個(gè)元素。例如: aaaaaa|abcdefgh|hhhhhhh
? ? ? ? – cv2.BORDER_WRAP 不知道怎么說了, 就像這樣: cdefgh|abcdefgh|abcdefg
? value 邊界顏色，如果邊界的類型是 cv2.BORDER_CONSTANT，需要value參數(shù)

            
              import cv2
import numpy as np
from matplotlib import pyplot as plt

BLUE=[255,0,0]

img1=cv2.imread('opencv_logo.png')

replicate = cv2.copyMakeBorder(img1,10,10,10,10,cv2.BORDER_REPLICATE)
reflect = cv2.copyMakeBorder(img1,10,10,10,10,cv2.BORDER_REFLECT)
reflect101 = cv2.copyMakeBorder(img1,10,10,10,10,cv2.BORDER_REFLECT_101)
wrap = cv2.copyMakeBorder(img1,10,10,10,10,cv2.BORDER_WRAP)
constant= cv2.copyMakeBorder(img1,10,10,10,10,cv2.BORDER_CONSTANT,value=BLUE)

plt.subplot(231),plt.imshow(img1,'gray'),plt.title('ORIGINAL')
plt.subplot(232),plt.imshow(replicate,'gray'),plt.title('REPLICATE')
plt.subplot(233),plt.imshow(reflect,'gray'),plt.title('REFLECT')
plt.subplot(234),plt.imshow(reflect101,'gray'),plt.title('REFLECT_101')
plt.subplot(235),plt.imshow(wrap,'gray'),plt.title('WRAP')
plt.subplot(236),plt.imshow(constant,'gray'),plt.title('CONSTANT')

plt.show()
            
          

結(jié)果如下（由于OpenCV 中是按 BGR，matplotlib 中是按 RGB 排列，本例是使用 matplotlib 繪制，所以顯示的圖像和實(shí)際相比較交換了 R 和 B 的位置）：

?實(shí)際的圖標(biāo)是下面這樣的：

?