跟我學Python圖像處理丨獲取圖像屬性、興趣ROI區域及通道處理
摘要：本篇文章主要講解Python調用OpenCV獲取圖像屬性，截取感興趣ROI區域，處理圖像通道。
本文分享自華為雲社區《[Python圖像處理] 三.獲取圖像屬性、興趣ROI區域及通道處理 | 【生長吧！Python】》，作者： eastmount 。
一.獲取圖像屬性
1.形狀-shape
通過shape關鍵字獲取圖像的形狀，返回包含行數、列數、通道數的元祖。其中灰度圖像返回行數和列數，彩色圖像返回行數、列數和通道數。如下圖所示：
# -*- coding:utf-8 -*- import cv2 import numpy #讀取圖片 img = cv2.imread("test.jpg", cv2.IMREAD_UNCHANGED) #獲取圖像形狀 print(img.shape) #顯示圖像 cv2.imshow("Demo", img) #等待顯示 cv2.waitKey(0) cv2.destroyAllWindows()
輸出結果如下圖所示：(445L, 670L, 3L)，該圖共445行、670列像素，3個通道。
2.像素數目-size
通過size關鍵字獲取圖像的像素數目，其中灰度圖像返回行數 * 列數，彩色圖像返回行數 * 列數 * 通道數。代碼如下：
# -*- coding:utf-8 -*- import cv2 import numpy #讀取圖片 img = cv2.imread("test.jpg", cv2.IMREAD_UNCHANGED) #獲取圖像形狀 print(img.shape) #獲取像素數目 print(img.size)
輸出結果：
(445L, 670L, 3L)
894450
3.圖像類型-dtype
通過dtype關鍵字獲取圖像的數據類型，通常返回uint8。代碼如下：
# -*- coding:utf-8 -*- import cv2 import numpy #讀取圖片 img = cv2.imread("test.jpg", cv2.IMREAD_UNCHANGED) #獲取圖像形狀 print(img.shape) #獲取像素數目 print(img.size) #獲取圖像類型 print(img.dtype)
輸出結果：
(445L, 670L, 3L)
894450
uint8
二.獲取感興趣ROI區域
ROI（Region of Interest）表示感興趣區域。它是指從被處理圖像以方框、圓形、橢圓、不規則多邊形等方式勾勒出需要處理的區域。可以通過各種算子（Operator）和函數求得感興趣ROI區域，並進行圖像的下一步處理，被廣泛應用於熱點地圖、人臉識別、圖像分割等領域。
通過像素矩陣可以直接獲取ROI區域，如img[200:400, 200:400]。
代碼如下：
# -*- coding:utf-8 -*- import cv2 import numpy as np #讀取圖片 img = cv2.imread("test.jpg", cv2.IMREAD_UNCHANGED) #定義200*100矩陣 3對應BGR face = np.ones((200, 100, 3)) #顯示原始圖像 cv2.imshow("Demo", img) #顯示ROI區域 face = img[200:400, 200:300] cv2.imshow("face", face) #等待顯示 cv2.waitKey(0) cv2.destroyAllWindows()
輸出結果如下圖所示：
下面將提取的ROI圖像進行融合實驗，代碼如下：
# -*- coding:utf-8 -*- import cv2 import numpy as np #讀取圖片 img = cv2.imread("test.jpg", cv2.IMREAD_UNCHANGED) #定義300*100矩陣 3對應BGR face = np.ones((200, 200, 3)) #顯示原始圖像 cv2.imshow("Demo", img) #顯示ROI區域 face = img[100:300, 150:350] img[0:200,0:200] = face cv2.imshow("face", img) #等待顯示 cv2.waitKey(0) cv2.destroyAllWindows()
將提取的頭部融合至圖像左上角部分，如下圖所示：
如果想將兩張圖像進行融合，只需再讀取一張圖像即可，方法原理類似。 實現代碼如下：
# -*- coding:utf-8 -*- import cv2 import numpy as np #讀取圖片 img = cv2.imread("test.jpg", cv2.IMREAD_UNCHANGED) test = cv2.imread("test3.jpg", cv2.IMREAD_UNCHANGED) #定義300*100矩陣 3對應BGR face = np.ones((200, 200, 3)) #顯示原始圖像 cv2.imshow("Demo", img) #顯示ROI區域 face = img[100:300, 150:350] test[400:600,400:600] = face cv2.imshow("Pic", test) #等待顯示 cv2.waitKey(0) cv2.destroyAllWindows()
輸出結果如下圖所示：
三.圖像通道處理
1.通道拆分
OpenCV讀取的彩色圖像由B、G、R三原色組成，可以通過下面代碼獲取不同的通道。
b = img[:, :, 0]
g = img[:, :, 1]
r = img[:, :, 2]
也可以使用split()函數拆分通道，下面是拆分不同通道再顯示的代碼。
# -*- coding:utf-8 -*- import cv2 import numpy as np #讀取圖片 img = cv2.imread("test.jpg", cv2.IMREAD_UNCHANGED) #拆分通道 b, g, r = cv2.split(img) #顯示原始圖像 cv2.imshow("B", b) cv2.imshow("G", g) cv2.imshow("R", r) #等待顯示 cv2.waitKey(0) cv2.destroyAllWindows()
輸出結果如下圖所示：
也可以獲取不同的通道，核心代碼如下所示： b = cv2.split(a)[0] g = cv2.split(a)[1] r = cv2.split(a)[2]
2.通道合併
圖像通道合併主要調用merge()函數實現，核心代碼如下：
m = cv2.merge([b, g, r])
# -*- coding:utf-8 -*- import cv2 import numpy as np #讀取圖片 img = cv2.imread("test.jpg", cv2.IMREAD_UNCHANGED) #拆分通道 b, g, r = cv2.split(img) #合併通道 m = cv2.merge([b, g, r]) cv2.imshow("Merge", m) #等待顯示 cv2.waitKey(0) cv2.destroyAllWindows()
輸出結果如下：
注意，如果是合併[r,g,b]三通道，則顯示如下所示，因OpenCV是按照BGR進行讀取的。
b, g, r = cv2.split(img)
m = cv2.merge([r, g, b])
cv2.imshow(「Merge」, m)
同時，可以提取圖像的不同顏色，提取B顏色通道，G、B通道設置為0，則顯示藍色。代碼如下所示：
# -*- coding:utf-8 -*- import cv2 import numpy as np #讀取圖片 img = cv2.imread("test.jpg", cv2.IMREAD_UNCHANGED) rows, cols, chn = img.shape #拆分通道 b = cv2.split(img)[0] g = np.zeros((rows,cols),dtype=img.dtype) r = np.zeros((rows,cols),dtype=img.dtype) #合併通道 m = cv2.merge([b, g, r]) cv2.imshow("Merge", m) #等待顯示 cv2.waitKey(0) cv2.destroyAllWindows()
藍色通道輸出結果如下所示：
綠色通道核心代碼及輸出結果如下所示：
rows, cols, chn = img.shape
b = np.zeros((rows,cols),dtype=img.dtype)
g = cv2.split(img)[1]
r = np.zeros((rows,cols),dtype=img.dtype)
m = cv2.merge([b, g, r])
紅色通道修改方法與上面類似。希望文章對大家有所幫助，如果有錯誤或不足之處，還請海涵。
該系列在github所有源代碼：
