OpenCV之图像处理基础-技术圈

点击下方卡片，关注“ 新机器视觉 ”公众号

重磅干货，第一时间送达

这篇文章介绍图像的基本表示方法、像素的访问和操作、感兴趣区域处理、通道处理等知识点。需要说明的是，在使用面向python的OpenCV必须熟练掌握Numpy库，尤其是Numpy.array库是python处理图像的基础。

图像的基本表示方法

这里只讨论二值图像、灰度图像、彩色图像的基本表示方法。

二值图像

二值图像是指仅仅包含黑色和白色两种颜色的图像。在计算机中，将白色像素点处理为“1”，将黑色像素点处理为“0”，以方便进行后续的存储和处理等操作。由于图像只有黑色和白色两种不同的颜色，因此只使用一个比特位就能表示。

灰度图像

由于二值图像表示简单，只有黑色和白色两种颜色，所以表示的图像不够细腻。通常在计算机中，会将灰度处理为256个灰度级，用数值区间[0,255]来表示。其中，数值“255”表示纯白色，数值“0”表示纯黑色，其余的数值表示从纯白色到纯黑之间不同级别的灰度。0~255个灰度级的数值，可以用一个八位二进制表示（一个字节）。

彩色图像

相比于二值图像和灰度图像，彩色图像识更常见的一类图像，它能表现更丰富的细节信息。彩色图像是建立在一个RGB色彩空间中的，R--red，红色；G--green，绿色；B--blue，蓝色；一共三个通道，且每个通道的范围都在[0,255]之间。
一般情况下，在RGB色彩空间中，图像通道的顺序是R-G-B，即第一通道式R，红色，第二个通道是G，绿色，第三个通道是B，蓝色。然而在OpenCV中通道的顺序是B-G-R，即蓝色--绿色--红色。

像素处理

像素是图像构成的基本单元，像素处理是图像处理的基本操作，可以通过位置索引的形式对图像内得元素进行访问、处理。

二值图像及灰度图像

在OpenCV中最小的数据类型时无符号的8位数。因此，在OpenCV中实际上没有二值图像这种数据类型，二值图像经常是通过处理得到的，使用0表示黑色，使用255表示白色。可以理解为一种特殊的灰度图像。

彩色图像

RGB模式的彩色图像在读入OpenCV内进行处理时，会按照行方向依次读取该RGB图像的B通道、G通道、R通道的像素点，并将像素点以单位储存在ndarray的列中。

使用numpy.array访问像素

numpy.array提供了item()和itemset()函数来访问和修改像素值，而且这两个函数都是经过优化处理的，能够更大幅度地提高处理效率。唉访问及修改像素点值时，利用numpy.array提供的函数比直接使用索引要快得多，同时，他们也有更好的可读性。

二值图像及灰度图像

可以将二值图像理解为特殊的灰度图像，所以这里仅以灰度图像为例讨论像素点值得读取和修改。
函数item()能够更加高效地访问图像的像素点，该函数的语法格式为：
item(行,列)
函数itemset()可以用来修改像素值，其语法格式为：
itemset(索引值,新值)
其中索引值是一个元组——（行，列）

彩色图像

我们可以使用item()和函数itemset()来访问和修改彩色图像的像素值，过程与操作灰度图像相似，不同之处在于需要补充通道信息。
item(行,列,通道)
itemset(三元组索引值,新值)
注意：针对RGB图像的访问，必须必须同时指定行、列以及索引通道。仅仅指定行和列是不可以的。

感兴趣区域ROI

在图像处理过程中，我们可能会对图像某个特定区域感兴趣，该区域被称为感兴趣区域(Region of Interest,ROI)。在设定感兴趣区域ROI后，就可以对该区域进行整体操作。例如进行赋值，复制。
ROI表达式如下：
img[200:400,200:400]

通道操作

拆分通道

通过索引拆分通道

通过索引的方式，可以直接将各个通道从图像内提取出来。例如，针对OpenCV内的BGR图像img，如下语句分别从中提取了B通道、G通道、R通道。

                        b = img[:,:,0]
g = img[:,:,1]
r = img[:,:,2]

通过函数拆分

函数cv2.split()能够拆分图像的通道。例如，可以通过如下语句拆分彩色BGR图像img，得到B通道图像b、G通道g和R通道图像r

                        b = cv2.split(a)[0]
g = cv2.split(a)[1]
r = cv2.split(a)[2]

通道合并

通道合并是通道拆分的逆过程，通过合并通道可以将三个通道的灰度图像构成一幅彩色图像。函数cv2.merge可以实现图像通道合并，例如将有B通道图像b、G通道图像g和R通道图像r，使用函数cv2.merge()可以将三个通道合并为一幅BGR的三通道彩色图像。其语句为：
brg = cv2.merge([b,g,r])

获取图像属性

在图像处理过程中，经常需要获取图像的属性，例如图像的大小、类型等。这里介绍几个常用的属性。

shape: 如果是彩色图像，则返回包含行数、列数、通道数的数组；如果是二值图像或者灰度图像，则仅返回行数和列数。通过该属性的返回值是否包含通道数，可以判断一幅图像识灰度图像（或二值图像）还是彩色图像。
size: 返回图像的像素数目。其值为“行×列×通道数”，灰度图像或者二值图像的通道数为1。
dtype: 返回图像的数据类型。

如下例，提取一幅图像内得肤色部分：

                        import cv2
img = cv2.imread("lesson2.jpg")
hav = cv2.cvtColor( img, cv2.COLOR_BGR2HSV )
h , s, v, = cv2.split(hsv)
minHue = 5
maxHue = 170
hueMask = cv2.inRange(h, minHue, maxHue)
minSat = 25
maxSat = 166
satMask = cv2.inRange( s， minSat, maxSat)
mask = hueMask & satMask
roi = cv2.bitwise_and( img, img, mask= mask)
cv2.imshow("img",img)
cv2.imshow("ROI",roi)
cv2.waitKey()
cv2.destroyALLWindows()

声明：部分内容来源于网络，仅供读者学习、交流之目的。文章版权归原作者所有。如有不妥，请联系删除。

—THE END—