像素概念

計算機在處理某個圖像時，會首先將其劃分為一個個小方塊，每個小方塊是一個獨立的處理單位，成為像素點

記錄一些基礎語法:
，X[:,0]就是取矩陣X的所有行的第0列的元素，X[:,1] 就是取所有行的第1列的元素
python中的小括號( )：代表tuple元組數據類型，元組是一種不可變序列。
python中的中括號[ ]，代表list列表數據類型
大括號{ }花括號：代表dict字典數據類型

彩色圖像的讀取

RGB模式的彩色圖像在讀入OPENCV進行處理時會按照行方向依次讀取該RGB圖像的B通道 G通道 R通道的像素點，并將像素點以行為單位存儲在ndarray的列中
可以用image[0,0,0]訪問圖像image的B通道內第0行第0列上的像素點，第一個索引表示第0行，第二個索引為第0列，第三個索引為顏色通道
image[0,0,1] 訪問第0行第0列第一個通道的像素值 如果圖像是BGR格式，第一個通道是G通道，第0個通道是B通道

使用Numpy生成三維數組，用來觀察三個通道值得到變化情況:

import numpy as np import cv2blue = np.zeros((300,300,3),dtype=np.uint8) blue[:, :, 0] = 255 print("blue=",blue) cv2.imshow("blue",blue)green = np.zeros((300,300,3),dtype=np.uint8) green[:, :, 1] = 255 print("green=",green) cv2.imshow("green",green)red = np.zeros((300,300,3),dtype=np.uint8) red[:, :, 2] = 255 print("red=",red) cv2.imshow("red",red) cv2.waitKey()

numpy.zeros的官方解釋：
numpy.zeros(shape, dtype=float, order=‘C’, *, like=None)?
Return a new array of given shape and type, filled with zeros.
可以生成一個元素都是0的數組
例子：

> np.zeros(5) array([ 0., 0., 0., 0., 0.]) np.zeros((5,), dtype=int) > array([0, 0, 0, 0, 0]) >>>s = (2,2) >>>np.zeros(s) array([[ 0., 0.],[ 0., 0.]])

自定義類型：

>>> numpy.zeros((2,), dtype=[('x', 'i4'), ('y', 'i4')]) array([(0, 0), (0, 0)], dtype=[('x', '<i4'), ('y', '<i4')])

結果：

變化一下：

import numpy as np import cv2img = np.zeros((300,300,3),dtype=np.uint8) img[:,0:100,0]=255 img[:,100:200,1]=255img[:,200:300,2]=255cv2.imshow("red",img) cv2.waitKey()

img[:,0:100,0] 其中冒號表示范圍 即0到第100列

img=np.zeros((2,4,3),dtype=np.unit8) 生成一個243大小的數組，對應一個2行4列3個通道的BGR圖像 img[0,3]：會訪問第0行第3列位置上的B通道G通道R通道三個像素點 img[1,2,2]訪問第1行第2列第2個通道的像素點
執行下面語句：

img[0,0] = 244 img[0:100,0:100,2] = 78 print(img[0,0])

輸出[244 244 78]

像素訪問

numpy.array提供了item()和itemset()函數來訪問和修改像素值，item可以更加高效地訪問圖像的像素點，itemset:修改像素值，語法格式為itemset(索引值，新值)
函數item訪問RGB模式圖像的像素時，語法格式為item(行，列，通道） 通道不能省略
隨機生成一副彩色圖像:

import numpy as np import cv2img = np.random.randint(0,256,size=[256,256,3],dtype=np.uint8) cv2.imshow("img",img) cv2.waitKey()

其中size是圖像的尺寸，修改之后圖像的大小發生變化，3即三個色彩通道
randint中0，256值隨機生成的范圍

訪問彩色圖像并對像素進行修改訪問:

for i in range(0,100):for j in range(0,100):for k in range(0,3):img.itemset((i,j,k),255)

ROI感興趣區域

獲取局部區域:

import cv2 import numpy as np a = cv2.imread("hammer.png",,cv2.IMREAD_UNCHANGED) face = a[100:600,100:350] cv2.imshow("face",face) cv2.waitKey()

通道拆分

通過索引的方式，可以直接將各個通道從圖像內提取出來，演示通道拆分的代碼:

import cv2img = cv2.imread("p7.jpg",cv2.IMREAD_UNCHANGED) a = img[:,:,0] b = img[:,:,1] c = img[:,:,2] cv2.imshow("a",a) cv2.imshow("b",b) cv2.imshow("c",c) img[:,:,0] = 0 cv2.imshow("ii",img) img[:,:,1] = 0 cv2.imshow("i2",img) img[:,:,2] = 0 cv2.imshow("i3",img) cv2.waitKey()

結果：

通過函數拆分:
cv2.split函數可以拆分圖像的通道，如：
b,g,r = cv2.split(img)
通過函數合并:
cv2.merge()可以合并三個通道為一副彩色圖像，其中合并順序對圖像效果有影響

b,g,r = cv2.split(img) bgr = cv2.merge([b,g,r]) rgb = cv2.merge([r,g,b])

將BGR圖像轉化為HSV類型的圖像并獲得卡通效果:
代碼

img = cv2.imread("p7.jpg",cv2.IMREAD_UNCHANGED) hsv = cv2.cvtColor(img,cv2.COLOR_BGR2HSV) h,s,v = cv2.split(hsv) v[:,:] = 255 newhsv = cv2.merge([h,s,v]) cv2.imshow("new",newhsv) cv2.waitKey()

改變了V通道的值。HSV模式中S V通道的取值一般是[100,255]

alpha通道

RGB色彩空間三個通道的基礎上還可以加一個A通道，表示透明度，這種四個通道的色彩空間被稱為RGBA色彩空間，PNG是一種典型的4通道圖像。alpha通道的賦值范圍是[0,1]或者[0,255]表示從透明到不透明。
（img,cv2.COLOR_BGR2BGRA）將img從BGR色彩空間轉換到BGRA色彩空間。在轉換后的BGRA色彩空間中，A是alpha通道，默認值為255。

bgra = cv2.cvtColor(img,cv2.COLOR_BGR2BGRA) b,g,r,a = cv2.split(bgra) a[:,:]=125 bgra = cv2.merge([b,g,r,a]) cv2.imshow("bgra",bgra)

注意bgra = cv2.merge([b,g,r,a])中的括號不能省略
看上去的圖像跟原圖無差別

一些圖像屬性：

shape :如果是彩色圖像，則返回包含行 列 通道數的數組，如果是二值圖像或者灰度圖像，則僅僅返回行列數，這個可以判斷一個圖像是彩色圖像還是灰度圖像
size:返回圖像的像素數目

總結

以上是生活随笔為你收集整理的【笔记】opencv的python实现·像素处理 像素访问 alpha通道的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。