一、讀入圖片獲得畫素點的畫素值、改變畫素值、改變單個通道畫素值、獲得影象的行、列、影象資料型別、畫素點、ROI區域.

import cv2
import numpy as np

#讀取一個彩色影象
img = cv2.imread('C:/Users/NWPU/Desktop/1.jpg')
#cv2.imshow('image',img)

#獲得某個畫素點的畫素值
px = img[200,200]
print(px)

#只獲取綠色通道的畫素值
green = img[200,200,1]
print(green)

#修改畫素值
img[200,200] = [255,255,255]
print(img[200,200])

#使用Numpy陣列的處理方法更好的獲取畫素點的值和編輯畫素點的值
#獲得指定畫素點的紅色通道的值
img_r = img.item(100,100,2)
print(img_r)
#修改指定畫素點的紅色通道的值
img.itemset((100,100,2),100)
img_rnew = img.item(100,100,2)
print(img_rnew)

#獲取圖片的資訊：行數、列數、通道數、影象資料型別、畫素數等

#獲得圖片的形狀
print(img.shape)    #（768,1024,3）：768*1024大小的影象,彩色影象三通道

#查詢畫素總數
print(img.size)

#圖片的資料型別,img.dtype在除錯過程中很重要，因為很多opencv+python程式碼中的問題都是不合法的資料型別造成的
print(img.dtype)   #實驗圖片為uint8資料型別

#圖片的ROI：獲得原始圖片的一部分,將此部分複製到圖片的另一個指定區域
img_ROI = img[280:340, 330:390]
img[273:333, 100:160] = img_ROI
cv2.rectangle(img,(280,330),(340,390),(255,255,255),1)
cv2.rectangle(img,(273,100),(333,160),(255,255,255),1)
cv2.imshow('image1',img)

#OpenCV儲存彩色圖片的格式是BGR模式，下面進行通道分離和合並

#使用split()函式進行通道分離,很耗時
b,g,r = cv2.split(img)

#使用merge()函式進行通道合併
img = cv2.merge((b,g,r))

#也可以直接操作Numpy陣列來達到這一目的
b = np.zeros((img.shape[0],img.shape[1]),dtype = img.dtype)
g = np.zeros((img.shape[0],img.shape[1]),dtype = img.dtype)
r = np.zeros((img.shape[0],img.shape[1]),dtype = img.dtype)
b[:,:] = img[:,:,0]
g[:,:] = img[:,:,1]
r[:,:] = img[:,:,2]

 

執行結果：

二、影象相加

img1：

img2：

import cv2
import numpy as np

img1 = cv2.imread("C:/Users/NWPU/Desktop/1.jpg")
img2 = cv2.imread("C:/Users/NWPU/Desktop/2.jpg")

#影象相加：cv2.add()函式
rows, cols = img2.shape[:2]  #獲取img2的高度和寬度
img1_roi = img1[100:rows+100,100:cols+100]
img_plus = cv2.add(img1_roi,img2)
img1_copy_plus = img1.copy()
img1_copy_plus[100:rows+100,100:cols+100] = img_plus
cv2.imshow('img_plus',img1_copy_plus)
cv2.waitKey(0)
 

三、影象混合

import cv2
import numpy as np

img1 = cv2.imread("C:/Users/NWPU/Desktop/1.jpg")
img2 = cv2.imread("C:/Users/NWPU/Desktop/2.jpg")


#影象混合：cv2.addWeighted()函式
rows, cols = img2.shape[:2]  #獲取img2的高度和寬度
img1_roi = img1[100:rows+100, 100:cols+100]
img_mix = cv2.addWeighted(img1_roi, 0.3, img2, 0.7, 0)
img1_copy = img1.copy()
img1_copy[100:rows+100, 100:cols+100] = img_mix
cv2.imshow('img_mix',img1_copy)
cv2.waitKey(0)
 

結果：

四、影象的位運算

#影象的位操作有與、或、非、異或操作
'''
cv2.bitwise_and
cv2.bitwise_or
cv2.bitwsie_not
cv2.bitwise_xor
'''
import cv2
import numpy as np
img1 = cv2.imread("C:/Users/NWPU/Desktop/1.jpg")  #768*1024
img2 = cv2.imread("C:/Users/NWPU/Desktop/2.jpg")  #300*450
rows, cols = img2.shape[:2]
img1_roi = img1[100:rows+100, 100:cols+100]
img1_copy = img1.copy()

#與運算
img_add = cv2.bitwise_and(img1_roi,img2)
img1_copy[100:rows+100, 100:cols+100] = img_add
cv2.imshow('img_add', img1_copy)

#或運算
img_or = cv2.bitwise_or(img1_roi,img2)
img1_copy[100:rows+100, 100:cols+100] = img_or
cv2.imshow('img_or', img1_copy)

#非運算
img_not = cv2.bitwise_not(img1_roi,img2)
img1_copy[100:rows+100, 100:cols+100] = img_not
cv2.imshow('img_not', img1_copy)

#異或運算
img_xor = cv2.bitwise_xor(img1_roi,img2)
img1_copy[100:rows+100, 100:cols+100] = img_xor
cv2.imshow('img_xor', img1_copy)

cv2.waitKey(0)

結果：

與：

或：

非：

異或：