图像的基础操作

当前系列所有demo下载地址：

https://github.com/GaoRenBao/OpenCv4-Demo

不同编程语言对应的OpenCv版本以及开发环境信息如下： 

我们测试用的图片如下：

demo1：使所有像素的红色通道值都为 0

demo2：输出图像的长宽以及通道数

demo3：边界扩张与虚化

C#版本运行效果及代码如下：

C#版本目前只整理了3组demo，其中，像素点修改和ROI提取，与python版本格式相差较大，我这边就不做演示了。

using OpenCvSharp;

namespace demo
{
    internal class Program
    {
        public static void Main(string[] args)
        {
            demo1();
            demo2();
            demo3();
        }

        // 使所有像素的红色通道值都为 0
        public static void demo1()
        {
            Mat img = Cv2.ImRead("../../../images/messi5.jpg");
            Mat[] mv;
            Cv2.Split(img, out mv); // 比较耗时的操作
            Cv2.Merge(mv, img);
            // 获取三通道颜色
            Mat b = mv[0];
            Mat g = mv[1];
            Mat r = mv[2];

            //使所有像素的红色通道值都为 0,你不必先拆分再赋值。
            mv[0] = new Mat(mv[0].Size(), mv[0].Type(), new Scalar(0));
            Cv2.Merge(mv, img);
            Cv2.ImShow("DEMO1", img);
            Cv2.WaitKey(0);
        }

        // 输出图像的长宽以及通道数
        public static void demo2()
        {
            Mat img = Cv2.ImRead("../../../images/messi5.jpg");
            System.Console.WriteLine($"行/高:{img.Rows}");
            System.Console.WriteLine($"列/宽:{img.Cols}");
            System.Console.WriteLine($"通道:{img.Channels()}");
            System.Console.Read();
        }

        // 边界扩张与虚化
        public static void demo3()
        {
            Mat replicate = new Mat();
            Mat reflect = new Mat();
            Mat reflect101 = new Mat();
            Mat wrap = new Mat();
            Mat constant = new Mat();

            Mat img = Cv2.ImRead("../../../images/messi5.jpg");
            Cv2.CopyMakeBorder(img, replicate, 50, 50, 50, 50, BorderTypes.Replicate);
            Cv2.CopyMakeBorder(img, reflect, 50, 50, 50, 50, BorderTypes.Reflect);
            Cv2.CopyMakeBorder(img, reflect101, 50, 50, 50, 50, BorderTypes.Reflect101);
            Cv2.CopyMakeBorder(img, wrap, 50, 50, 50, 50, BorderTypes.Wrap);
            Cv2.CopyMakeBorder(img, constant, 50, 50, 50, 50, BorderTypes.Constant, new Scalar(255, 0, 0)); // 边界颜色

            Cv2.ImShow("replicate", replicate);
            Cv2.ImShow("reflect", reflect);
            Cv2.ImShow("reflect101", reflect101);
            Cv2.ImShow("wrap", wrap);
            Cv2.ImShow("constant", constant);
            Cv2.WaitKey(0);
        }
    }
}

C++版本运行效果及代码如下：

C++版本目前只整理了3组demo，其中，像素点修改和ROI提取，与python版本格式相差较大，我这边就不做演示了。

#include "opencv2/core/core.hpp"
#include "opencv2/imgproc/imgproc.hpp"
#include "opencv2/highgui/highgui.hpp"
#include <iostream>

using namespace cv;
using namespace std;

// 使所有像素的红色通道值都为 0
void demo1()
{
    Mat img = imread("../images/messi5.jpg");
    Mat mv[3];
    split(img, mv); // 比较耗时的操作
    merge(mv, 3, img);
    // 获取三通道颜色
    Mat b = mv[0];
    Mat g = mv[1];
    Mat r = mv[2];

    //使所有像素的红色通道值都为 0,你不必先拆分再赋值。
    mv[0] = Scalar::all(0);
    merge(mv, 3, img);
    imshow("DEMO1", img);
}

// 输出图像的长宽以及通道数
void demo2()
{
    Mat img = imread("../images/messi5.jpg");
    cout << "行/高:" << img.rows << endl;
    cout << "列/宽:" << img.cols << endl;
    cout << "通道:" << img.channels() << endl;
}

// 边界扩张与虚化
void demo3()
{
    Mat replicate;
    Mat reflect;
    Mat reflect101;
    Mat wrap;
    Mat constant;

    Mat img = imread("../images/messi5.jpg");
    copyMakeBorder(img, replicate, 50, 50, 50, 50, BORDER_REPLICATE);
    copyMakeBorder(img, reflect, 50, 50, 50, 50, BORDER_REFLECT);
    copyMakeBorder(img, reflect101, 50, 50, 50, 50, BORDER_REFLECT_101);
    copyMakeBorder(img, wrap, 50, 50, 50, 50, BORDER_WRAP);
    copyMakeBorder(img, constant, 50, 50, 50, 50, BORDER_CONSTANT, Scalar(255, 0, 0)); // 边界颜色
    imshow("replicate", replicate);
    imshow("reflect", reflect);
    imshow("reflect101", reflect101);
    imshow("wrap", wrap);
    imshow("constant", constant);
}

int main()
{
    demo1();
    demo2();
    demo3();
    waitKey(0);
    return 0;
}

Python版本运行效果及代码如下：

demo1：使所有像素的红色通道值都为 0

import cv2

img = cv2.imread('../images/messi5.jpg')

b, g, r = cv2.split(img)  # 比较耗时的操作，请使用numpy 索引
img = cv2.merge((b, g, r))
# 获取三通道颜色
b = img[:, :, 0]
g = img[:, :, 1]
r = img[:, :, 2]

# 使所有像素的红色通道值都为 0,你不必先拆分再赋值。
# 你可以 直接使用 Numpy 索引,这会更快。
img[:, :, 0] = 0

# 保存到文件，看下效果
cv2.imshow('PythonApplication1.jpg', img)

cv2.waitKey(0)

demo2：输出图像的长宽以及通道数

import cv2

img = cv2.imread('../images/messi5.jpg', 0)  # gray
print(img.shape)

img = cv2.imread('../images/messi5.jpg')
# print(img.shape)
rows, cols, ch = img.shape
print('行/高:', rows, '列/宽:', cols, '通道:', ch)

print(img.size)
print(img.dtype)  # uint8
# 注意 在debug 时 img.dtype非常重要。因为在 OpenCV- Python 代码中经常出现数据类型的不一致。

demo3：plt.subplot的使用以及边界扩张

# -*- coding: utf-8 -*-

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

# 为图像扩边，填充
#如果你想在图像周围创建一个边框，就像相框一样
# 经常在卷积运算或 0 填充时被用到。

BLUE = [255, 0, 0]

img1 = cv2.imread('opencv_logo.png')

replicate = cv2.copyMakeBorder(img1, top=10, bottom=10, left=10, right=10, borderType=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, 50, 50, 50, 50, cv2.BORDER_CONSTANT, value=BLUE)  # value 边界颜色

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()

demo4：修改某个像素点的值：

# -*- coding: utf-8 -*-
import cv2
import numpy as np

img = cv2.imread('messi5.jpg')

#
px = img[100, 100]
print(px)
blue = img[100, 100, 0]
print(blue)

#
img[100, 100] = [255, 255, 255]
print(img[100, 100])

# 获取像素值及修改的更好方法。
print(img.item(10, 10, 2))
img.itemset((10, 10, 2), 100)
print(img.item(10, 10, 2))

demo5：ROI区域提取，并替换到新的坐标区域：

我们可以看到足球多了一个。。。

# -*- coding: utf-8 -*-
import cv2
import numpy as np

'''
例如我们 检测一副图像中 眼睛的位置 我们 先应该在图像中找到脸 再在脸的区域中找眼睛 
而不是 直接在一幅图像中搜索。这样会提高程序的准确性和性能。
'''

img=cv2.imread('messi5.jpg')

ball=img[280:280+60,330:330+60] # 获取ROI区域
img[273:273+60,100:100+60]=ball # 将获取到的ROI区域替换到新的位置

# cv2.namedWindow("messi",0)
cv2.imshow("messi",img)
cv2.waitKey(0)