本文将详细介绍图像的四种基本操作：访问和修改像素值、图像 ROI (Region of Interest) 操作、图像通道分离与合并、以及图像的缩放、旋转、平移和翻转。
常用方法：
1. 访问和修改像素值
图像是由像素组成的矩阵，每个像素都有一个或多个值，表示颜色或灰度。在灰度图像中，每个像素只有一个值，表示灰度强度；在彩色图像中，每个像素通常有三个值，分别表示红色、绿色和蓝色（RGB）通道的强度。
访问像素值
在 Python 中，可以使用 OpenCV 库来访问图像的像素值。假设我们有一个灰度图像
img，可以通过 img[y, x] 来访问位于 (x, y) 位置的像素值。对于彩色图像，可以通过
img[y, x, c] 来访问特定通道 c 的像素值，其中 c 为 0（蓝色）、1（绿色）或
2（红色）。
实例
import cv2
# 读取图像
img = cv2.imread('image.jpg')
# 访问像素值
pixel_value = img[100, 150] # 访问 (150, 100) 位置的像素值
print(pixel_value)
|
修改像素值
修改像素值同样简单，只需将新值赋给相应的像素位置即可。
实例
# 修改像素值
img[100, 150] = [255, 255, 255] # 将 (150, 100) 位置的像素值设置为白色
|
2. 图像 ROI (Region of Interest) 操作
ROI 是指图像中我们感兴趣的区域。通过提取 ROI，我们可以只对图像的特定部分进行处理，从而提高处理效率。
提取 ROI
在 OpenCV 中，可以通过切片操作来提取 ROI。假设我们想要提取图像中左上角 100x100
像素的区域：
实例
# 提取 ROI
roi = img[0:100, 0:100]
|
修改 ROI
提取 ROI 后，可以对其进行修改，然后将修改后的 ROI 放回原图像中。
实例
# 修改 ROI
roi[:, :] = [0, 255, 0] # 将 ROI 区域设置为绿色
# 将修改后的 ROI 放回原图像
img[0:100, 0:100] = roi
|
3. 图像通道分离与合并
彩色图像通常由多个通道组成，例如 RGB 图像的三个通道。有时我们需要将这些通道分离出来进行单独处理，然后再将它们合并回原图像。
通道分离
在 OpenCV 中，可以使用 cv2.split() 函数将图像的通道分离。
实例
# 通道分离
b,
g,
r =
cv2.split(img)
|
通道合并
分离后的通道可以使用 cv2.merge() 函数合并回原图像。
实例
# 通道合并
merged_img =
cv2.merge([b,
g,
r])
|
4. 图像缩放、旋转、平移、翻转
图像的几何变换是图像处理中常见的操作，包括缩放、旋转、平移和翻转。
图像缩放
图像缩放可以通过 cv2.resize() 函数实现。可以指定缩放后的图像尺寸或缩放比例。
实例
# 图像缩放
resized_img = cv2.resize(img, (200, 200)) # 将图像缩放为 200x200 像素
|
图像旋转
图像旋转可以通过 cv2.getRotationMatrix2D() 和 cv2.warpAffine()
函数实现。需要指定旋转中心和旋转角度。
实例
# 图像旋转
(h, w) = img.shape[:2]
center = (w // 2, h // 2)
M = cv2.getRotationMatrix2D(center, 45, 1.0) # 旋转 45 度
rotated_img = cv2.warpAffine(img, M, (w, h))
|
图像平移
图像平移可以通过 cv2.warpAffine() 函数实现。需要指定平移矩阵。
实例
# 图像平移
M = np.float32([[1, 0, 100], [0, 1, 50]]) # 向右平移 100 像素，向下平移 50 像素
translated_img = cv2.warpAffine(img, M, (w, h))
|
图像翻转
图像翻转可以通过 cv2.flip() 函数实现。可以指定翻转方向（水平、垂直或两者）。
实例
# 图像翻转
flipped_img = cv2.flip(img, 1) # 水平翻转
| |
