OpenCV中使用NumPy模块操作像素讲解及实战（附源码超详细）

梦里梦外; 2023-09-30 18:56 23阅读 0赞

> **觉得有帮助请点赞关注收藏~~~**

图像在OpenCV中以二维或三维数组表示，数组中的每一个值就是图像的像素值，善于操作数组的NumPy模块就成了OpenCV的依赖包，OpenCV中很多操作都要依赖Numpy模块，例如创建纯色图像，创建掩膜和创建卷积核等等。下面先简单介绍NumPy模块的常用操作方法和演示如何使用NumPy模块创建图像

## 一、NumPy常用操作 ##

NumPy更像是一个魔方，它是Python数组计算 矩阵运算和科学计算的核心库，它提供了一个高性能的数组对象，以及可以轻松的创建一维数组，二维数组和多维数组等大量实用方法，帮助开发者轻松的进行数组计算。

![698f3290ecbd45d4ad52676ae5b08a5d.png][]

NumPy创建简单的数组主要使用array（）方法，通过传递列表，元组来创建NumPy数组，其中的元素可以是任何对象 语法如下

> numpy.array(object,dtype,copy,order,subok,ndmin)
> 
> 参数说明
> 
> object：任何具有数组接口方法的对象
> 
> dtype：数据类型
> 
> copy：可选参数 布尔型
> 
> order：元素在内存中的出现顺序
> 
> subok：布尔型 如果值为true 则传递子类
> 
> ndmin：指定生成数组的最小维数

示例如下

创建浮点型数组

import numpy as np  # 导入numpy模块
    
    list = [1, 2, 3]  # 列表
    # 创建浮点型数组
    n1 = np.array(list, dtype=np.float_)
    # 或者
    n1 = np.array(list, dtype=float)
    print(n1)
    print(n1.dtype)
    print(type(n1[0]))

![e3bfbb0c3c1748de8184ed9c8e518699.png][]

创建三维数组是将ndmin参数值设置为3即可得到三维数组

import numpy as np
    nd1 = [1, 2, 3]
    nd2 = np.array(nd1, ndmin=3) #三维数组
    print(nd2)

创建维度和数据类型未初始化的数组主要使用empty方法，数组元素因为未被初始化会自动取随机值 如果要改变数组类型 可以使用dtype参数

import numpy as np
    n = np.empty([2, 3])
    print(n)

创建用0填充的数组需要使用zeros（）方法，该方法创建的元素均为0，OpenCV经常使用该方法创建纯黑图像

import numpy as np
    n = np.zeros((3, 3), np.uint8)
    print(n)

创建用1填充的数组需要使用ones（）方法，该方法创建的数组元素均为1，OpenCV经常使用该方法创建纯掩膜，卷积核等用于计算的二维数据

import numpy as np
    n = np.ones((3, 3), np.uint8)
    print(n)

### 索引和切片 ###

NumPy数组元素是通过数组的索引和切片来访问和修改的，因此索引和切片是NumPy中最重要和最常用的操作

查找一维数组索引为0的元素

import numpy as np
    n1=np.array([1,2,3])  #创建一维数组
    print(n1[0])

切片式索引

数组的切片可以理解为对数组的分割，按照等分或者不等分，将一个数组切割为多个片段，与Python中列表的切片一样 NumPy中用冒号分割切片参数来进行切片操作

> \[start:stop:step\]
> 
> 参数说明
> 
> start 起始索引 若不写任何值 则表示从0开始
> 
> stop 终止索引 若不写任何值 则表示到末尾
> 
> stop 步长
> 
> 索引是左闭右开区间

![4a0a2d60ee9e4e6a8c3c3f3d0b0a7431.png][]

import numpy as np
    n1=np.array([1,2,3])  #创建一维数组
    print(n1[0])
    print(n1[1])
    print(n1[0:2])
    print(n1[1:])
    print(n1[:2])

二维数组索引示意图如下

![ea349ff20bbc4bb2b2e976c74e97e6ba.png][]

二维数组切片式索引示意图

![69f73574746e4b2f9e78d24eb53f74fa.png][]

import numpy as np
    
    # 创建3行3列的二维数组
    n = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
    print(n[:2, 1:])
    print(n[1, :2])
    print(n[:2, 2])
    print(n[:, :1])

## 二、利用NumPy创建图像 ##

在OpenCV中，黑白图像实际上就是一个二维数组，彩色图像是一个三维数组，数组中每个元素就是图像对应位置的像素值，因此修改图像像素的操作实际上就是修改数组的操作，下面介绍几个OpenCV中常用的操作

1：创建纯黑图像

创建一个一百行，两百列的数组，用0填充，将该数组当作图像显示出来

![15245b6011f24a9bb20ea5b4decf26bf.png][]

import cv2
    import numpy as np
    
    width = 200  # 图像的宽
    height = 100  # 图像的高
    # 创建指定宽高、单通道、像素值都为0的图像
    img = np.zeros((height, width), np.uint8)
    cv2.imshow("img", img)  # 展示图像
    cv2.waitKey()  # 按下任何键盘按键后
    cv2.destroyAllWindows()  # 释放所有窗体

2：创建纯白图像

创建纯白图像有两种方式：第一种是先纯黑图像，然后将图像中所有的像素值改为255，第二种使用numpy的ones方法创建一个像素值均为1的数组，然后让数组乘以255

![5c62c89f2e424a118e44487546456ef7.png][]

import cv2
    import numpy as np
    
    width = 200  # 图像的宽
    height = 100  # 图像的高
    # 创建指定宽高、单通道、像素值都为1的图像
    img = np.ones((height, width), np.uint8) * 255
    cv2.imshow("img", img)  # 展示图像
    cv2.waitKey()  # 按下任何键盘按键后
    cv2.destroyAllWindows()  # 释放所有窗体

3：在黑图像内部绘制白色矩形

通过切片式索引操作可以修改图像中指定区域内的像素，从而达到修改图像内容的效果

先绘制纯黑图像作为背景，然后使用切片式索引操作将图像中横坐标为50-100，纵坐标为25-75的矩形区域颜色改为纯白色

![bbac39e9ed3e46e6bd8a045660e505e8.png][]

import cv2
    import numpy as np
    
    width = 200  # 图像的宽
    height = 100  # 图像的高
    # 创建指定宽高、单通道、像素值都为0的图像
    img = np.zeros((height, width), np.uint8)
    # 图像纵坐标25~75、横坐标50~100之间的区域变为白色
    img[25:75, 50:100] = 255
    cv2.imshow("img", img)  # 展示图像
    cv2.waitKey()  # 按下任何键盘按键后
    cv2.destroyAllWindows()  # 释放所有窗体

4：创建黑白相间的图像

先绘制纯黑图像作为背景，然后在循环中使用切片式索引操作绘制黑白间隔图像

![8c4a48005b6d4cb79dfdd2803728bb70.png][]

import cv2
    import numpy as np
    
    width = 200  # 图像的宽
    height = 100  # 图像的高
    # 创建指定宽高、单通道、像素值都为0的图像
    img = np.zeros((height, width), np.uint8)
    for i in range(0, width, 40):
        img[:, i:i + 20] = 255  # 白色区域的宽度为20像素
    cv2.imshow("img", img)  # 展示图像
    cv2.waitKey()  # 按下任何键盘按键后
    cv2.destroyAllWindows()  # 释放所有窗体

5：创建彩色图像

OpenCV中彩色图像默认为BGR格式，彩色图像的第三个索引表示的就是蓝绿红三种颜色的分量

创建彩色图像数组时要将数组创建成三维数组，然后复制出三个副本，三个副本分别修改最后一个索引代表的元素值，索引0表示蓝色分量，索引1表示绿色分量，索引2表示红色分量

![9311c877ca5a40a1943f26b5e28a6f0a.png][]

import cv2
    import numpy as np
    
    width = 200  # 图像的宽
    height = 100  # 图像的高
    # 创建指定宽高、3通道、像素值都为0的图像
    img = np.zeros((height, width, 3), np.uint8)
    blue = img.copy()  # 复制图像
    blue[:, :, 0] = 255  # 1通道所有像素都为255
    green = img.copy()
    green[:, :, 1] = 255  # 2通道所有像素都为255
    red = img.copy()
    red[:, :, 2] = 255  # 3通道所有像素都为255
    cv2.imshow("blue", blue)  # 展示图像
    cv2.imshow("green", green)
    cv2.imshow("red", red)
    cv2.waitKey()  # 按下任何键盘按键后
    cv2.destroyAllWindows()  # 释放所有窗体

6：创建随机图像

随机图像指的是图像中每一个像素值都是随机生成的，因为像素之间不会组成有效的视觉信息，所以看上去像杂乱无章的啥子，但是可以作为噪声和图像加密的密匙使用

![e7a28e498fc14abd803f3b80b2222149.png][]

import cv2
    import numpy as np
    
    width = 200  # 图像的宽
    height = 100  # 图像的高
    # 创建指定宽高、单通道、随机像素值的图像，随机值在0~256之间，数字为无符号8位格式
    img = np.random.randint(256, size=(height, width), dtype=np.uint8)
    cv2.imshow("img", img)  # 展示图像
    cv2.waitKey()  # 按下任何键盘按键后
    cv2.destroyAllWindows()  # 释放所有窗体

这样演示的是黑白图像，如果创建的是三维数组，那么可以获得随机彩色图像

![13176a2c06e54c75a88d24a8c86b9fe6.png][]

### 拼接图像 ###

Numpy提供了两种拼接数组的方法 分别是hstack和vstack方法，这两种方法同样可以用于拼接图像

> hstack可以对数组进行水平拼接
> 
> vstack可以对数组进行垂直拼接

在OpenCV中，图像就是一个二维或三维的像素数组，这些数组同样可以被NumPy拼接，下面通过一个实例展示图像拼接的效果

下面对博主的头像进行水平和垂直拼接 效果如下

![8b679100d9d246588c56eca44c6c0b59.png][]

![b524b604b0fe481b81fae5e1e8095142.png][]

代码如下

import cv2
    import numpy as np
    
    img = cv2.imreadqq.jpg")  # 读取原始图像
    
    img_h = np.hstack((img, img))  # 水平拼接两个图像
    img_v = np.vstack((img, img))  # 垂直拼接两个图像
    
    cv2.imshow("img_h", img_h)  # 展示拼接之后的效果
    cv2.imshow("img_v", img_v)
    cv2.waitKey()  # 按下任何键盘按键后
    cv2.destroyAllWindows()  # 释放所有窗体

**创作不易 觉得有帮助请点赞关注收藏~~~**

[698f3290ecbd45d4ad52676ae5b08a5d.png]: https://img-blog.csdnimg.cn/698f3290ecbd45d4ad52676ae5b08a5d.png
[e3bfbb0c3c1748de8184ed9c8e518699.png]: https://img-blog.csdnimg.cn/e3bfbb0c3c1748de8184ed9c8e518699.png
[4a0a2d60ee9e4e6a8c3c3f3d0b0a7431.png]: https://img-blog.csdnimg.cn/4a0a2d60ee9e4e6a8c3c3f3d0b0a7431.png
[ea349ff20bbc4bb2b2e976c74e97e6ba.png]: https://img-blog.csdnimg.cn/ea349ff20bbc4bb2b2e976c74e97e6ba.png
[69f73574746e4b2f9e78d24eb53f74fa.png]: https://img-blog.csdnimg.cn/69f73574746e4b2f9e78d24eb53f74fa.png
[15245b6011f24a9bb20ea5b4decf26bf.png]: https://img-blog.csdnimg.cn/15245b6011f24a9bb20ea5b4decf26bf.png
[5c62c89f2e424a118e44487546456ef7.png]: https://img-blog.csdnimg.cn/5c62c89f2e424a118e44487546456ef7.png
[bbac39e9ed3e46e6bd8a045660e505e8.png]: https://img-blog.csdnimg.cn/bbac39e9ed3e46e6bd8a045660e505e8.png
[8c4a48005b6d4cb79dfdd2803728bb70.png]: https://img-blog.csdnimg.cn/8c4a48005b6d4cb79dfdd2803728bb70.png
[9311c877ca5a40a1943f26b5e28a6f0a.png]: https://img-blog.csdnimg.cn/9311c877ca5a40a1943f26b5e28a6f0a.png
[e7a28e498fc14abd803f3b80b2222149.png]: https://img-blog.csdnimg.cn/e7a28e498fc14abd803f3b80b2222149.png
[13176a2c06e54c75a88d24a8c86b9fe6.png]: https://img-blog.csdnimg.cn/13176a2c06e54c75a88d24a8c86b9fe6.png
[8b679100d9d246588c56eca44c6c0b59.png]: https://img-blog.csdnimg.cn/8b679100d9d246588c56eca44c6c0b59.png
[b524b604b0fe481b81fae5e1e8095142.png]: https://img-blog.csdnimg.cn/b524b604b0fe481b81fae5e1e8095142.png