opencv-06 使用numpy.array 操作图片像素值

news2024/11/25 4:26:59

opencv-06 使用numpy.array 操作图片像素值

- **1．二值图像及灰度图像**
- **利用item 读取某一个像素值**
- **利用itemset 修改像素值**
- **彩色图像numpy.arry 像素值操作**

numpy.array 提供了 item()和 itemset()函数来访问和修改像素值，而且这两个函数都是经过
优化处理的，能够更大幅度地提高处理效率。在访问及修改像素点的值时，利用 numpy.array
提供的函数比直接使用索引要快得多，同时，这两个函数的可读性也更好。

1．二值图像及灰度图像

可以将二值图像理解为特殊的灰度图像，所以这里仅以灰度图像为例讨论像素点值的读取
和修改。

函数 item()能够更加高效地访问图像的像素点，该函数的语法格式为：
item(行,列)
函数 itemset()可以用来修改像素值，其语法格式为：
itemset(索引值,新值)
为了便于理解，我们首先使用 Numpy 库生成一个 5×5 大小的随机数组，用来模拟一幅灰度图像，并对其进行简单的处理。

import numpy as np


img=np.random.randint(10,99,size=[5,5],dtype=np.uint8)

print(img)

生成一个5行5列 10到99 随机数的像素值的矩阵

打印结果：

[[67 39 26 43 23]
 [61 42 80 91 19]
 [39 80 58 72 62]
 [94 45 73 47 31]
 [97 39 19 92 59]]

利用item 读取某一个像素值

示例 item(3.2)

代码演示：

import numpy as np


img=np.random.randint(10,99,size=[5,5],dtype=np.uint8)

print(img)

print("读取像素点 img.item(3,2)=",img.item(3,2))

打印结果：

[[97 51 42 58 68]
[21 37 70 92 76]
[38 69 53 21 44]
[69 15 24 71 32]
[12 82 96 50 97]]

读取第四行第三列的像素值 img.item(3,2)= 24

利用itemset 修改像素值

img.itemset((3,2),255)

import numpy as np


img=np.random.randint(10,99,size=[5,5],dtype=np.uint8)

print(img)

print("读取像素点 img.item(3,2)=",img.item(3,2))

img.itemset((3,2),255)
print("修改后 img=\n",img)
print("修改后像素点 img.item(3,2)=",img.item(3,2))

打印结果：

[[70 59 31 93 22]
 [16 10 66 68 50]
 [77 60 92 62 30]
 [61 45 93 98 79]
 [66 27 34 60 63]]
读取像素点 img.item(3,2)= 93
修改后 img=
 [[ 70  59  31  93  22]
 [ 16  10  66  68  50]
 [ 77  60  92  62  30]
 [ 61  45 255  98  79]
 [ 66  27  34  60  63]]
修改后像素点 img.item(3,2)= 255

通过观察输出结果可以发现，语句 img.itemset((3,2),255)将图像第 4 行第 3 列位置上的像素值修改为 255 了

彩色图像numpy.arry 像素值操作

我们也可以使用函数 item()和函数 itemset()来访问和修改彩色图像的像素值，过程与操作
灰度图像相似，不同之处在于需要补充通道信息。
函数 item()访问 RGB 模式图像的像素值时，其语法格式为：
item(行,列,通道)
函数 itemset()修改（设置）RGB 模式图像的像素值时，其语法格式为：
itemset(三元组索引值,新值)
需要注意，针对 RGB 图像的访问，必须同时指定行、列以及行列索引（通道），例如
img.item(a,b,c)。仅仅指定行和列是不可以的。
实操：
使用 Numpy 生成一个由随机数构成的三维数组，用来模拟一幅 RGB 色彩空间
的彩色图像，并使用函数 item()和 itemset()来访问和修改它

import numpy as np


img=np.random.randint(10,99,size=[2,4,3],dtype=np.uint8)
print("img=\n",img)
print("读取像素点 img[1,2,0]=",img.item(1,2,0))
print("读取像素点 img[0,2,1]=",img.item(0,2,1))
print("读取像素点 img[1,0,2]=",img.item(1,0,2))
img.itemset((1,2,0),255)
img.itemset((0,2,1),255)
img.itemset((1,0,2),255)
print("修改后 img=\n",img)
print("修改后像素点 img[1,2,0]=",img.item(1,2,0))
print("修改后像素点 img[0,2,1]=",img.item(0,2,1))
print("修改后像素点 img[1,0,2]=",img.item(1,0,2))

这段代码创建了一个形状为(2, 4, 3)的NumPy数组img，其中包含了随机生成的8位无符号整数（uint8）类型的数据。这个数组模拟了一个彩色图像，具有2个高度、4个宽度和3个通道（红、绿、蓝）。
使用np.random.randint()函数生成随机整数，指定了整数范围为10到99之间。size=[2, 4, 3]参数定义了数组的形状为(2, 4, 3)，即2个高度、4个宽度和3个通道

网上看到这个图，对上述中 size=[2,4,3] 有比较好的图感效果，帮助理解三维数组中这几个数字的含义
在这里插入图片描述

运行结果：

img=
 [[[98 63 26]
  [49 64 50]
  [62 36 65]
  [75 77 61]]

 [[11 87 47]
  [69 93 27]
  [80 24 35]
  [81 97 73]]]
读取像素点 img[1,2,0]= 80
读取像素点 img[0,2,1]= 36
读取像素点 img[1,0,2]= 47
修改后 img=
 [[[ 98  63  26]
  [ 49  64  50]
  [ 62 255  65]
  [ 75  77  61]]

 [[ 11  87 255]
  [ 69  93  27]
  [255  24  35]
  [ 81  97  73]]]
修改后像素点 img[1,2,0]= 255
修改后像素点 img[0,2,1]= 255
修改后像素点 img[1,0,2]= 255