1. 像素的讀寫

可以根據像素的行和列的坐標獲取它的像素值。對 BGR 圖像而言，返回值為 B，G，R 的值。

• img.shape 可以獲取圖像的形狀。它的返回值是一個包含行數 h，列數 w，通道數 ch 的元組。注意：如果圖像是灰度圖，返回值僅有行數和列數。所以通過檢查這個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數目 (h * w * ch)
• img.dtype 返回的是圖像的數據類型:

import cv2image_name = "img/003.jpg"
img = cv2.imread(image_name)
cv2.imshow("origin", img)high, wide, channel = img.shape
print "high is {0}, wide is {1}, channel is {2}".format(high, wide, channel)
# high is 198, wide is 198, channel is 3for row in range(high):for col in range(wide):b, g, r = img[row, col]b = 255 - bg = 255 - gr = 255 - rimg[row, col] = b, g, r		# 修改像素值cv2.imshow("output", img)
cv2.waitKey(0)
cv2.destroyAllWindows()

顯示結果：

如果上面的難以理解，可以看下面的這些操作，希望能幫助讀者更好的理解。

>>> a = np.array([[[1,  2],  [3,4], [5, 6]], [[11,  22],  [33,44], [55, 66]]])
>>> a.shape
(2, 3, 2)
>>> a
array([[[ 1,  2],[ 3,  4],[ 5,  6]],[[11, 22],[33, 44],[55, 66]]])>>> a.ndim
3
>>> a.size
12
>>> a[0, 1]
array([3, 4])
>>> a[1, 2]
array([55, 66])
>>> h, w = a[1, 2]
>>> h,w
(55, 66)

2. 像素的算術運算

圖像像素也可以進行加、減、乘、除操作，但是必須要注意，進行算術運算操作的時，必須要保證兩幅圖像的大小、數據類型和通道數目必須相同。

• OpenCV 中的加法與 Numpy 的加法是有所不同的。OpenCV 的加法是一種飽和操作，而 Numpy 的加法是一種模操作。這種差別在你對兩幅圖像進行加法時會更加明顯。OpenCV 的結果會更好一點。所以我們盡量使用 OpenCV 中的函數。

使用示例如下：

import cv2
import numpy as npimg1 = cv2.imread("img/003.jpg")
img2 = cv2.imread("img/003_gray.jpg")cv2.imshow("img1", img1)
cv2.imshow("img2", img2)h, w, ch = img1.shapeadd_result = np.zeros(img1.shape, img1.dtype)
cv2.add(img1, img2, add_result)
cv2.imshow("add_result", add_result)sub_result = np.zeros(img1.shape, img1.dtype)
cv2.subtract(img1, img2, sub_result)
cv2.imshow("sub_result", sub_result)mul_result = np.zeros(img1.shape, img1.dtype)
cv2.multiply(img1, img2, mul_result)
cv2.imshow("mul_result", mul_result)div_result = np.zeros(img1.shape, img1.dtype)
cv2.divide(img1, img2, div_result)
cv2.imshow("div_result", div_result)
cv2.waitKey(0)
cv2.destroyAllWindows()

3. 像素的邏輯運算

這里包括的按位操作有：AND，OR，NOT，XOR 等。當我們提取圖像的一部分，選擇非矩形 ROI 時這些操作會很有用。下面的例子就是教給我們如何改變一幅圖的特定區域。

import cv2
import numpy as np# create img one
img1 = np.zeros(shape=(200, 200, 3), dtype=np.uint8)
img1[50:100, 50:100, 1] = 255
img1[50:100, 50:100, 2] = 255
cv2.imshow("img1", img1)# create img two
img2 = np.zeros(shape=(200, 200, 3), dtype=np.uint8)
img2[75:150, 75:150, 2] = 255
cv2.imshow("img2", img2)dst1 = cv2.bitwise_and(img1, img2)
dst2 = cv2.bitwise_or(img1, img2)
dst3 = cv2.bitwise_xor(img1, img2)cv2.imshow("dst1", dst1)
cv2.imshow("dst2", dst2)
cv2.imshow("dst3", dst3)img4 = cv2.imread("img/003.jpg")
dst4 = cv2.bitwise_not(img4)cv2.imshow("dst4", dst4)
cv2.waitKey(0)
cv2.destroyAllWindows()

4. 像素的統計

像素值統計涉及到的知識點有以下幾個

• 最小(min)
• 最大(max)
• 均值(mean)
• 標準方差(standard deviation)

OpenCV 相關的 API 知識點

• 最大最小值 minMaxLoc
• 計算均值與標準方差 meanStdDev

注意：像素值統計必須是單通道的圖片，所以 cv2.imread 時必須加上圖片的載入類型。
源碼中有如下提示：

'''
The function do not work with multi-channel arrays. If you need to find minimum or maximum
elements across all the channels, use Mat::reshape first to reinterpret the array as
single-channel.
'''

import cv2
import numpy as npimg = cv2.imread("img/003.jpg", cv2.IMREAD_GRAYSCALE)minVal, maxVal, minLoc, maxLoc = cv2.minMaxLoc(img)
print minVal, maxVal, minLoc, maxLoc    # 0.0 255.0 (128, 24) (120, 12)
means, stddev = cv2.meanStdDev(img)
print means, stddev     # [[97.23278237]] [[45.80720813]]img[np.where(img < means)] = 0
img[np.where(img > means)] = 255cv2.imshow("binary", img)
cv2.waitKey(0)
cv2.destroyAllWindows()

總結

以上是生活随笔為你收集整理的Python+OpenCV 图像处理系列（4）—— 图像像素的读写、算术运算、逻辑运算及像素的统计的全部內容，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。