前文傳送門：

圖像屬性

圖像屬性包括行數，列數和通道數，圖像數據類型，像素數等。

1. 形狀：shape

圖像的形狀可以通過 shape 關鍵字進行獲取，使用 shape 關鍵的后，獲取的信息包括行數、列數、通道數的元祖。

示例如下：import cv2 as cv

# 讀取彩色圖片

color_img = cv.imread("maliao.jpg", cv.IMREAD_ANYCOLOR)

print(color_img.shape)

# 結果打印

(310, 560, 3)

# 讀取灰度圖片

gray_img = cv.imread("maliao.jpg", cv.IMREAD_GRAYSCALE)

print(gray_img.shape)

# 結果打印

(310, 560)

2. 像素數量：size

圖像的像素數量可以通過關鍵字 size 進行獲取。import cv2 as cv

# 讀取彩色圖片

color_img = cv.imread("maliao.jpg", cv.IMREAD_ANYCOLOR)

print(color_img.size)

# 結果打印

520800

# 讀取灰度圖片

gray_img = cv.imread("maliao.jpg", cv.IMREAD_GRAYSCALE)

print(gray_img.size)

# 結果打印

173600

3. 圖像類型-dtype

圖像類型是通過關鍵字 dtype 獲取的，通常返回 uint8 ，這個屬性在彩色圖片和灰度圖片中是保持一致的。import cv2 as cv

# 讀取彩色圖片

color_img = cv.imread("maliao.jpg", cv.IMREAD_ANYCOLOR)

print(color_img.dtype)

# 結果打印

uint8

# 讀取灰度圖片

gray_img = cv.imread("maliao.jpg", cv.IMREAD_GRAYSCALE)

print(gray_img.dtype)

# 結果打印

uint8

獲取圖像感興趣 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，并進行圖像的下一步處理，被廣泛應用于熱點地圖、人臉識別、圖像分割等領域。

如果我們要對于圖像中的眼睛檢測，首先對整個圖像進行人臉檢測。在獲取人臉圖像時，我們只選擇人臉區域，搜索其中的眼睛，而不是搜索整個圖像。它提高了準確性(因為眼睛總是在面部上:D )和性能(因為我們搜索的區域很小)。

我們通過像素矩陣可以直接得到 ROI 區域，如： img[200:400, 200:400] 。

比如下面這個示例我們獲取馬里奧的臉，然后再把它顯示出來：import cv2 as cv

img = cv.imread("maliao.jpg", cv.IMREAD_UNCHANGED)

face = img[10:175, 100:260]

# 原始圖像顯示

cv.imshow("demo", img)

# 馬里奧的臉顯示

cv.imshow("face", face)

#等待顯示

cv.waitKey(0)

cv.destroyAllWindows()

它的結果如下：

如果我們要把這兩張圖像合成一張圖像，可以對圖像進行區域賦值：import cv2 as cv

img = cv.imread("maliao.jpg", cv.IMREAD_UNCHANGED)

# 獲取 ROI 區域

face = img[10:175, 100:260]

# 圖像賦值

img[0:165, 0:160] = face

# 原始圖像顯示

cv.imshow("demo", img)

#等待顯示

cv.waitKey(0)

cv.destroyAllWindows()

結果如下：

這里我稍微偷點懶，直接就把 ROI 區域放在了圖片的左上角，這個位置可以隨意指定，但是指定的區域要和 ROI 的區域一樣大，否則會報一個 ValueError 的錯誤。

拆分和合并圖像通道

1. 拆分圖像通道

有些時候，我們需要分別處理圖像的 B，G，R 通道。的通道，用 PS 摳過圖的人應該都清楚摳圖的時候可以使用單通道進行摳圖操作。

將圖像的通道拆分出來可以使用 split() 函數，如下：import cv2 as cv

img = cv.imread("maliao.jpg", cv.IMREAD_UNCHANGED)

#拆分通道

b, g, r = cv.split(img)

# 分別顯示三個通道的圖像

cv.imshow("B", b)

cv.imshow("G", g)

cv.imshow("R", r)

# 等待顯示

cv.waitKey(0)

cv.destroyAllWindows()

結果如下：

可以看到，三個通道的圖像看起來都是灰白色的，這個玩過 PS 的人應該都很熟悉。

除了使用 split() 函數獲取圖像通道，還可以通過索引進行獲取，代碼如下：b = img[:, :, 0]

g = img[:, :, 1]

r = img[:, :, 2]

如果需要將所有紅色像素都設置為零，無需先拆分通道，索引更快：img[:, :, 2] = 0

2. 合并圖像通道

合并圖像通道我們使用函數 merge() ，示例如下：import cv2 as cv

img = cv.imread("maliao.jpg", cv.IMREAD_UNCHANGED)

# 拆分通道

b, g, r = cv.split(img)

# 合并圖像通道

m = cv.merge([r, g, b])

cv.imshow('merge', m)

# 等待顯示

cv.waitKey(0)

cv.destroyAllWindows()

結果如下：

這里如果是按照 [r, g, b] 進行圖像通道合并，我們的馬里奧就會變身成為藍精靈，因為 OpenCV 是按照 BGR 讀取的，如果想要顯示會原圖，合并的時候也按照 [b, g, r] 合并即可，如下：

如果我們想要做一個真正的藍精靈，可以只提取 B 顏色通道，其余兩個 G 、 R 通道全部設置為 0 ，這樣，我們就獲得了一個真正的藍精靈（整個圖像只有藍色通道），代碼如下：import cv2 as cv

import numpy as np

# 讀取圖片

img = cv.imread("maliao.jpg", cv.IMREAD_UNCHANGED)

rows, cols, chn = img.shape

# 拆分通道

b = img[:, :, 0]

g = np.zeros((rows,cols), dtype=img.dtype)

r = np.zeros((rows,cols), dtype=img.dtype)

# 合并圖像通道

m = cv.merge([b, g, r])

cv.imshow('merge', m)

# 等待顯示

cv.waitKey(0)

cv.destroyAllWindows()

結果如下：

同理，如果想要綠精靈和紅精靈，一樣可以做出來。

示例代碼

如果有需要獲取源碼的同學可以在公眾號回復「OpenCV」進行獲取。

參考

總結

以上是生活随笔為你收集整理的opencv python3 找图片色块_Python 图像处理 OpenCV （3）：图像属性、图像感兴趣 ROI 区域及通道处理...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。