opencv初步学习——图像处理2

这一部分主要讲解如何初步地创建一个图像，以及彩色图像我们的一些基本处理方法

一、创建一个灰度图像

1-1、zeros()函数 [NumPy库]

要用到这一个函数，首先我们需要调用我们的NumPy库，这一个函数的作用是可以帮助我们生成一个元素值都是0的二维数组，如果我们把这些数据放到一张图片里面去，那么就对应着我们的一个黑色图像。当然我们也可以通过修改数组中的数字大小来改变图像的颜色（但还是灰度图像）

（1）构成

该函数的具体构成如下：

python">numpy.zeros(shape, dtype=float, order='C')

shape：即我们需要设置的二维数组（元组或者列表）的大小

dtype：即我们需要设置的元组里面的数据的类型，一般默认为float；当然我们也可以变为其他（比如我们的int，bool）；当然实际在写的时候可以不写dtype = ~~

order：这个跟存储有关，暂且不做介绍（因为我也不知道哈）

1-2、生成

（1）正确示范：

python">import cv2
import numpy as npimg = np.zeros((80,80),dtype=np.uint8)img[40,40] = 255cv2.imshow("one",img)
cv2.waitKey()
cv2.destroyAllWindows()

于是我们生成的图像如下：

可以看到我们在中间修改成了一个白点

此外我们也可以使用切片来帮助我们更好地进行操作

（2）可能会错误的操作

1、没有 `np.` 前缀

这个现象代码如下：

python">img = np.zeros((80,80),uint8)

为什么直接写uint8不可以呢，因为python里面是没有内置这些数据类型的，这些数据类型只在NumPy里面有，所以如果我们想要去引用这些数据类型我们需要加上我们的np.前缀：(前面已经设置NumPy为np了)

python">img = np.zeros((80,80),np.uint8)

2、直接使用int

这个现象的代码如下：

python">img = np.zeros((80,80,80),dtype=int)

在 NumPy 里,int 一般是指 np.int32 或者 np.int64（这取决于你的系统），不过 OpenCV 的 cv2.imshow 函数不支持 CV_32S（32 位有符号整数）这类数据类型用于图像显示。此函数要求输入的图像数据类型为 CV_8U（8 位无符号整数），也就是 np.uint8 类型。

二、彩色图像的简单处理

1-1、基础知识

在opencv中的彩色图像是以BGR模式的三维数组的形式进行存储的，例如：

python">img = [0,0,0]

第一个0指第0行；第二个0指0列；第三个0指的是第0个颜色通道（B，蓝色）

0、1、2分别对应BGR（蓝色、绿色、红色）

1-2、简单的颜色修改

例如我们现在还是采用如下图片：

我们可以进行如下操作：

python">import cv2
img = cv2.imread("D:\\photo\\mountain.png")img[300:440 , 0:100 , 0:3] = 255cv2.imshow("one",img)
cv2.waitKey()
cv2.destroyAllWindows()

由于我们现在是彩色图像采取的是BGR三通道，那么我们这里的操作就是把300行到440行，0列到100列的三个通道全部设置为255，即我们的每个像素点的三个通道的值为（255，255，255）,那么就会变成白色。具体显示出来的结果如下;

当然我们还可以这么处理：

python">import cv2
img = cv2.imread("D:\\photo\\mountain.png")img[300:440 , 0:100 ] = (0,0,255)
img[300:440 , 100:200 ] = (0,255,0)
img[300:440 , 200:300 ] = (255,0,0)cv2.imshow("one",img)
cv2.waitKey()
cv2.destroyAllWindows()

这样即对每一个在我们指定区域的像素点的BGR通道进行修改，结果如下：

总结：在彩色图像中，每一个像素点都有三个通道（BGR）

1-3、通道处理

（1）通道拆分

在我们的opencv中，我们可以通过索引把我们的三个通道全部提取出来：

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

此时如果我们再去用cv2.imshow（）函数将其展现出来，得到的是灰度图像，因为此时你的b、g、r中的数据只是单个通道的数据了，而不是三个通道了，这里我们就不过多地去展示。

除了使用索引去拆分，我们还可以通过如下方式去拆分：

python">b,g,r = cv2.split(img)  这里直接分配了

（2）通道合并

既然我们可以拆分，那么我们也肯定可以合并，我们需要用到这个函数：

python">cv2.merge([b,g,r])

正如上所示，你只需要将每个通道按照上面的形式摆放就可以了，当然你也不排除你把它的顺序搞反了，那么我们就很难绷了