OpenCV之圖像的基本表示方法

?

這篇文章介紹圖像的基本表示方法、像素的訪問和操作、感興趣區(qū)域處理、通道處理等知識點(diǎn)。需要說明的是，在使用面向python的OpenCV必須熟練掌握Numpy庫，尤其是Numpy.array庫是python處理圖像的基礎(chǔ)。

圖像的基本表示方法

這里只討論二值圖像、灰度圖像、彩色圖像的基本表示方法。

二值圖像

二值圖像是指僅僅包含黑色和白色兩種顏色的圖像。在計(jì)算機(jī)中，將白色像素點(diǎn)處理為“1”，將黑色像素點(diǎn)處理為“0”，以方便進(jìn)行后續(xù)的存儲和處理等操作。由于圖像只有黑色和白色兩種不同的顏色，因此只使用一個(gè)比特位就能表示。

灰度圖像

由于二值圖像表示簡單，只有黑色和白色兩種顏色，所以表示的圖像不夠細(xì)膩。通常在計(jì)算機(jī)中，會將灰度處理為256個(gè)灰度級，用數(shù)值區(qū)間[0,255]來表示。其中，數(shù)值“255”表示純白色，數(shù)值“0”表示純黑色，其余的數(shù)值表示從純白色到純黑之間不同級別的灰度。0~255個(gè)灰度級的數(shù)值，可以用一個(gè)八位二進(jìn)制表示（一個(gè)字節(jié)）。

彩色圖像

相比于二值圖像和灰度圖像，彩色圖像識更常見的一類圖像，它能表現(xiàn)更豐富的細(xì)節(jié)信息。彩色圖像是建立在一個(gè)RGB色彩空間中的，R--red，紅色；G--green，綠色；B--blue，藍(lán)色；一共三個(gè)通道，且每個(gè)通道的范圍都在[0,255]之間。 一般情況下，在RGB色彩空間中，圖像通道的順序是R-G-B，即第一通道式R，紅色，第二個(gè)通道是G，綠色，第三個(gè)通道是B，藍(lán)色。然而在OpenCV中通道的順序是B-G-R，即藍(lán)色--綠色--紅色。

像素處理

像素是圖像構(gòu)成的基本單元，像素處理是圖像處理的基本操作，可以通過位置索引的形式對圖像內(nèi)得元素進(jìn)行訪問、處理。

二值圖像及灰度圖像

在OpenCV中最小的數(shù)據(jù)類型時(shí)無符號的8位數(shù)。因此，在OpenCV中實(shí)際上沒有二值圖像這種數(shù)據(jù)類型，二值圖像經(jīng)常是通過處理得到的，使用0表示黑色，使用255表示白色?？梢岳斫鉃橐环N特殊的灰度圖像。

彩色圖像

RGB模式的彩色圖像在讀入OpenCV內(nèi)進(jìn)行處理時(shí)，會按照行方向依次讀取該RGB圖像的B通道、G通道、R通道的像素點(diǎn)，并將像素點(diǎn)以單位儲存在ndarray的列中。

使用numpy.array訪問像素

numpy.array提供了item()和itemset()函數(shù)來訪問和修改像素值，而且這兩個(gè)函數(shù)都是經(jīng)過優(yōu)化處理的，能夠更大幅度地提高處理效率。唉訪問及修改像素點(diǎn)值時(shí)，利用numpy.array提供的函數(shù)比直接使用索引要快得多，同時(shí)，他們也有更好的可讀性。

二值圖像及灰度圖像

可以將二值圖像理解為特殊的灰度圖像，所以這里僅以灰度圖像為例討論像素點(diǎn)值得讀取和修改。 函數(shù)item()能夠更加高效地訪問圖像的像素點(diǎn)，該函數(shù)的語法格式為： item(行,列) 函數(shù)itemset()可以用來修改像素值，其語法格式為： itemset(索引值,新值) 其中索引值是一個(gè)元組——（行，列）

彩色圖像

我們可以使用item()和函數(shù)itemset()來訪問和修改彩色圖像的像素值，過程與操作灰度圖像相似，不同之處在于需要補(bǔ)充通道信息。 item(行,列,通道) itemset(三元組索引值,新值) 注意：針對RGB圖像的訪問，必須必須同時(shí)指定行、列以及索引通道。僅僅指定行和列是不可以的。

感興趣區(qū)域ROI

在圖像處理過程中，我們可能會對圖像某個(gè)特定區(qū)域感興趣，該區(qū)域被稱為感興趣區(qū)域(Region of Interest,ROI)。在設(shè)定感興趣區(qū)域ROI后，就可以對該區(qū)域進(jìn)行整體操作。例如進(jìn)行賦值，復(fù)制。 ROI表達(dá)式如下： img[200:400,200:400]

通道操作

拆分通道

通過索引拆分通道

通過索引的方式，可以直接將各個(gè)通道從圖像內(nèi)提取出來。例如，針對OpenCV內(nèi)的BGR圖像img，如下語句分別從中提取了B通道、G通道、R通道。

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

通過函數(shù)拆分

函數(shù)cv2.split()能夠拆分圖像的通道。例如，可以通過如下語句拆分彩色BGR圖像img，得到B通道圖像b、G通道g和R通道圖像r

b = cv2.split(a)[0]
g = cv2.split(a)[1]
r = cv2.split(a)[2]

通道合并

通道合并是通道拆分的逆過程，通過合并通道可以將三個(gè)通道的灰度圖像構(gòu)成一幅彩色圖像。函數(shù)cv2.merge可以實(shí)現(xiàn)圖像通道合并，例如將有B通道圖像b、G通道圖像g和R通道圖像r，使用函數(shù)cv2.merge()可以將三個(gè)通道合并為一幅BGR的三通道彩色圖像。其語句為：
brg = cv2.merge([b,g,r])

獲取圖像屬性

在圖像處理過程中，經(jīng)常需要獲取圖像的屬性，例如圖像的大小、類型等。這里介紹幾個(gè)常用的屬性。

shape: 如果是彩色圖像，則返回包含行數(shù)、列數(shù)、通道數(shù)的數(shù)組；如果是二值圖像或者灰度圖像，則僅返回行數(shù)和列數(shù)。通過該屬性的返回值是否包含通道數(shù)，可以判斷一幅圖像識灰度圖像（或二值圖像）還是彩色圖像。

size: 返回圖像的像素?cái)?shù)目。其值為“行×列×通道數(shù)”，灰度圖像或者二值圖像的通道數(shù)為1。

dtype: 返回圖像的數(shù)據(jù)類型。

如下例，提取一幅圖像內(nèi)得膚色部分：

import cv2
img = cv2.imread("lesson2.jpg")
hav = cv2.cvtColor( img, cv2.COLOR_BGR2HSV )
h , s, v, = cv2.split(hsv)
minHue = 5
maxHue = 170
hueMask = cv2.inRange(h, minHue, maxHue)
minSat = 25
maxSat = 166
satMask = cv2.inRange( s， minSat, maxSat)
mask = hueMask & satMask
roi = cv2.bitwise_and( img, img, mask= mask)
cv2.imshow("img",img)
cv2.imshow("ROI",roi)
cv2.waitKey()
cv2.destroyALLWindows()

編輯：黃飛