作者：俊欣

來(lái)源：關(guān)于數(shù)據(jù)分析與可視化

今天小編來(lái)和大家分享一下Python在圖像處理當(dāng)中的具體應(yīng)用，那既然是圖像處理，那必然要提到opencv模塊了，該模塊支持與計(jì)算機(jī)視覺(jué)和機(jī)器學(xué)習(xí)相關(guān)的眾多算法，并且應(yīng)用領(lǐng)域正在日益擴(kuò)展，大致有以下幾種領(lǐng)域

• 物體識(shí)別：通過(guò)視覺(jué)以及內(nèi)部存儲(chǔ)來(lái)進(jìn)行物體的判斷
• 圖像分割
• 人臉識(shí)別
• 汽車(chē)安全駕駛
• 人機(jī)交互
• 等等

當(dāng)然這次小編并不打算將這么高深的內(nèi)容，今天就從最基本的opencv模塊在圖像的基本操作上說(shuō)起

模塊的安裝

模塊的安裝我們通過(guò)都是通過(guò)pip命令來(lái)進(jìn)行的

pip install opencv-python pip install opencv-contrib-python 

圖片的各種操作

學(xué)過(guò)線性代數(shù)的肯定懟矩陣并不感到陌生。圖像本質(zhì)上來(lái)說(shuō)就是矩陣，灰度圖像是一個(gè)普通的矩陣，而彩色圖像就是一個(gè)多維矩陣，我們對(duì)于圖像的操作可以自然地轉(zhuǎn)換成是對(duì)矩陣的操作

讀取圖像

首先我們先來(lái)讀取圖像，調(diào)用的是cv2.imread()方法，它的語(yǔ)法格式如下

cv2.imread(filename, flag=1)

其中的flag參數(shù)是用來(lái)設(shè)置讀取圖像的格式，默認(rèn)的是1，表示為按照RGB三通道的格式來(lái)進(jìn)行讀取，如果設(shè)置成0，則表示以灰度圖單通道的方式來(lái)進(jìn)行讀取，

import cv2 import numpy as np
img=cv2.imread('1.jpg', 0)

展示圖像

在讀取圖片之后，我們希望能夠?qū)⑵湔故境鰜?lái)，這里用到的函數(shù)方法是cv2.imshow()，它的語(yǔ)法格式如下所示

cv2.imshow(name, img)

其參數(shù)解釋分別如下：

• name: 表示的是展示窗口的名字
• img: 圖片的矩陣形式

我們嘗試將上面讀取的圖片展示出來(lái)，代碼如下

cv2.imshow("grey_img", img)
## 如果使用了cv2.imshow()函數(shù)，下面一定要跟著一個(gè)摧毀窗口的函數(shù) cv2.destroyAllWindows()

當(dāng)我們運(yùn)行了上述的代碼之后，可以發(fā)現(xiàn)在一瞬間當(dāng)中圖片彈了出來(lái)，但是還沒(méi)有等我們看清楚圖片的樣子之后就直接關(guān)閉了，原因在于cv2.imshow()函數(shù)方法并沒(méi)有延時(shí)的作用，我們添加一個(gè)延時(shí)的函數(shù)，代碼如下

import cv2 import numpy as np

img = cv2.imread('1.jpg')
cv2.imshow("grey_img", img)
cv2.waitKey(0)
cv2.destroyAllWindows()

output

圖片保存

最后我們將圖片保存下來(lái)，這里用到的函數(shù)是cv2.imwrite()，它的語(yǔ)法格式如下

cv2.imwrite(imgname, img)

其參數(shù)解釋分別如下：

• imgname: 要保存的圖片的名字
• img: 圖片的矩陣形式

示例代碼如下

import cv2 import numpy as np

img = cv2.imread('1.jpg')
cv2.imshow("grey_img", img)
cv2.waitKey(0)
cv2.imwrite('1.png', img)
cv2.destroyAllWindows()

圖片的各種屬性

有時(shí)候我們想要知道圖片的像素大小，而圖片的本質(zhì)是矩陣，例如一張1024像素*960像素的圖片，就意味著在矩陣當(dāng)中的行數(shù)就是960行，列數(shù)是1024列，在opencv模塊當(dāng)中調(diào)用的shape()函數(shù)方法，代碼如下

import cv2

img = cv2.imread('1.jpg') print(img.shape[0]) # 行數(shù) print(img.shape[1]) # 列數(shù) print(img.shape[2]) # 通道數(shù) 

output

308 340 3 

可以看到該圖片的像素是340*380，通道數(shù)是3，而針對(duì)灰度圖像而言，我們來(lái)看一下圖片的屬性，代碼如下

img = cv2.imread('1_grey.png', 0) print(img.shape)

output

(308, 340) 

可以看到對(duì)于灰度圖像而言，我們就沒(méi)有看到通道數(shù)，只有行數(shù)和列數(shù)

圖像的基本操作

最后我們來(lái)對(duì)圖像進(jìn)行一些基本操作，無(wú)非就是改變當(dāng)中的一些像素值，我們導(dǎo)入一張空白的圖片，通過(guò)修改當(dāng)中的像素值來(lái)往里面添加一個(gè)黑點(diǎn)，代碼如下

import cv2 import numpy as np

img = cv2.imread('2.jpg')
(x, y, z) = img.shape for i in range(-10, 10): for j in range(-10, 10):
        # 圖片的正中心的位置來(lái)改變像素值，
        img[int(x/2) + i, int(y/2) + j] = (0, 0, 0)

cv2.imshow("img", img)
cv2.waitKey(0)
cv2.destroyAllWindows()

output