Python OpenCV 图像处理再循环，第一阶段复盘

Python OpenCV 365 天学习计划，与橡皮擦一起进入图像领域吧。本篇博客是这个系列的第 40 篇。
该系列文章导航参考：https://blog.csdn.net/hihell/category_10688961.html

基础知识铺垫

经过一个阶段的努力，我们已经来到了 Python OpenCV 学习的第二个阶段，本阶段将对之前的学习的内容查漏补缺，再进一步。

图像中的像素

我们在研究一下图像中像素是如何呈现的吧。
首先编写一个普普通通的图片展示代码。

import cv2 as cv

image = cv.imread("./test.jpg")
cv.imshow("image",image)

# 输出像素
print(image.shape)
print(image[:5,:])

cv.waitKey(0)
cv.destroyAllWindows()

输出数据如下，由于是彩色图像，呈现的是一个三维数组。

(640, 640, 3)
[[[212 151  87]
  [175 104  41]
  [231 137  78]
  ...
  [150 144 145]
  [188 186 132]
  [196 195 115]]

 [[255 229 160]
  [188 118  51]
  [196 106  42]
  ...
  [206 190 178]
  [216 200 153]
  [199 183 117]]

数组与列表的区别，可以仔细观察一下。

通过输出类型，可以获取 image 是 <class 'numpy.ndarray'> 类型的数据。

三维数组最内层的三个数字就是一个像素的取值，分别表示 BGR，取值范围是 0~255 合计 256 种取值。

每个值都表示的是亮度，所以 0 表示最暗，255 表示最亮。

获取单通道数据与像素值的加减操作

采用下述代码，可以获取图像单通道数据

print(image[:5,:,0])

得到的数据如下：

[[212 175 231 ... 150 188 196]
 [255 188 196 ... 206 216 199]
 [251 180 201 ... 233 236 220]
 [173 182 232 ... 237 244 236]
 [187 210 233 ... 255 255 235]]

单通道数据，呈现的是一个二维的数组。
将单通道图片呈现出来，显示如下，单通道提取的图像为灰度图像。
测试代码如下：

import cv2 as cv
from matplotlib import pyplot as plt
image = cv.imread("./test.jpg")
cv.imshow("image", image)

# 输出像素
print(image.shape)

image[:, :, 0] = 0
image[:, :, 1] = 0
r = image[:, :, 2]
cv.imshow("dst",image)
cv.imshow("r",r)
cv.waitKey(0)

如果希望获取到的通道呈现出 BGR 中的颜色，只需要设置其他通道值为 0，那获取到的图像依然就是彩色图像。

下述代码将得到偏黄色的图像，因为 G（绿色）+R（红色） = Y（黄色）。

image[:, :, 0] = 0
cv.imshow("dst",image)

接下来咱可以实现图像的加减操作，具体代码如下：

import cv2 as cv
from matplotlib import pyplot as plt
image = cv.imread("./test.jpg")
cv.imshow("image", image)
print(image[:1, :])
print("像素值+10")
image = image+10
print(image[:1, :])
cv.imshow("dst", image)

cv.waitKey(0)

查看像素的输出，发现每个值都进行了添加操作。

但是当像素值增加之后，超过了 255，结果会对 256 取余，例如 212+50=262 % 256 = 6。

边界填充

今天顺便补充一下边界填充的相关知识，核心用到的函数是 ``cv2.copyMakeBorder` ，函数原型如下：

dst = cv2.copyMakeBorder(src, top, bottom, left, right, borderType[, dst[, value]])

其中最重要的参数就是 borderType ，定义要添加边框的类型，其它的只是一些数值。

borderType 具体取值如下：

• cv2.BORDER_CONSTANT：添加的边界框像素值为常数（需要额外再给定一个参数，就是 value 参数）；
• cv2.BORDER_REFLECT：添加的边框像素将是边界元素的镜面反射，类似于 gfedcb|abcdefgh|gfedcba，注意竖线左右的值即可；
• cv2.BORDER_REFLECT_101 or cv2.BORDER_DEFAULT：和上面类似，但是有一些细微的不同，类似于 gfedcb|abcdefgh|gfedcba，注意竖线左右的数值，没有 a；
• cv2.BORDER_REPLICATE：使用最边界的像素值代替，类似于 aaaaaa|abcdefgh|hhhhhhh，直接延伸边界像素值；
• cv2.BORDER_WRAP：cdefgh|abcdefgh|abcdefg。
  具体的你可以在 官方手册 继续学习。
  最后一个 value 参数：如果 borderType 为 cv2.BORDER_CONSTANT 时需要填充的常数值。

dst：添加完边框的新图像，需要记住图像的新尺寸为 (src.shape[1]+left+right, src.shape[0]+top+bottom)。
通过下述代码，进行完成的呈现。

import cv2 as cv
from matplotlib import pyplot as plt
image = cv.imread("./t1.png")
b, g, r = cv.split(image)
rgb_img = cv.merge((r, g, b))

replicate = cv.copyMakeBorder(rgb_img, 100, 100, 100, 100, cv.BORDER_REPLICATE)
reflect = cv.copyMakeBorder(rgb_img, 100, 100, 100, 100, cv.BORDER_REFLECT)
reflect101 = cv.copyMakeBorder(
    rgb_img, 100, 100, 100, 100, cv.BORDER_REFLECT_101)
wrap = cv.copyMakeBorder(rgb_img, 100, 100, 100, 100, cv.BORDER_WRAP)
constant = cv.copyMakeBorder(
    rgb_img, 100, 100, 100, 100, cv.BORDER_CONSTANT, value=(0, 255, 0))

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

plt.show()

cv.waitKey(0)

运行结果如下图所示，注意 plt 绘图后图片的横纵坐标表示的是图像的像素数量。学习的时候，对比着刚才的字母说明，然后在看着图片学习一下，很容易可以掌握。

橡皮擦的小节

希望今天的 1 个小时你有所收获，我们下篇博客见~
使用大闪光术（CTRL+A）发现橡皮擦私人联系方式。私人联系方式:moshanba

相关阅读

技术专栏

1. Python 爬虫 100 例教程，超棒的爬虫教程，立即订阅吧
2. Python 爬虫小课，精彩 9 讲

今天是持续写作的第 82 / 100 天。
如果你想跟博主建立亲密关系，可以关注同名公众号 梦想橡皮擦，近距离接触一个逗趣的互联网高级网虫。
博主 ID：梦想橡皮擦，希望大家点赞、评论、收藏。