图片的总像素计算和像素点统计、像素选取和修改、感兴趣RIO区域提取

最新推荐文章于 2024-10-30 13:19:56 发布

原创最新推荐文章于 2024-10-30 13:19:56 发布 · 1.4w 阅读

62 ·

本内容遵循CC 4.0 BY-SA版权协议

标签

#python #深度学习 #html5

python OpenCV应用专栏收录该内容

24 篇文章

订阅专栏

本文详细介绍了像素的概念，如何计算黑白和彩色照片的像素数量，包括通过属性查看和使用cv2库的方法。接着，文章对不同类型的图片进行了像素点统计，包括彩色、灰度、纯白、纯黑及随机生成的图片。此外，还讲解了如何选取和修改图像像素，包括ROI区域提取，并给出了相应的代码示例。

Python3.8

Conda

Python

Python 是一种高级、解释型、通用的编程语言，以其简洁易读的语法而闻名，适用于广泛的应用，包括Web开发、数据分析、人工智能和自动化脚本

0.本文主要内容：

1.什么是像素

2.如何计算一张照片有多少像素

3.照片的像素点统计

4.照片的像素选取和修改

5.照片的感兴趣RIO区域提取

1.什么是像素

像素：是指在由一个数字序列表示的图像中的一个最小单位，称为像素。

2.如何计算一张照片有多少像素

（1）黑白照片

a.通过照片属性查看像素

其中位深度：8，即照片的类型为uint8

b.通过cv2查看像素

    img = cv2.imread(r'C:\Users\Nobody\Desktop\img1.png',0)
    w,h=img.shape
    size=img.size
    print(f'总像素：{size}\n宽：{h},高：{w}')

输出：

总像素：1049088
宽：1366,高：768

通过结果，总像素=宽度像素*高度像素。

（2）彩色照片

a.通过照片属性查看像素

其中位深度：24，即照片的类型为uint8，彩色照片为3通道，B、G、R三张照片的叠加。

b.通过cv2查看像素

    img = cv2.imread(r'C:\Users\Nobody\Desktop\img1.png',1)
    w,h,channels=img.shape
    size=img.size
    print(f'总像素：{size}\n宽：{h},高：{w}')

输出：

总像素：3147264
宽：1366,高：768

通过结果，总像素=宽度像素*高度像素*3。

原因是：彩色照片有3个通道，彩色照片的像素等于3个通道的像素之和。

通过程序测试三个通道的像素：

    img = cv2.imread(r'C:\Users\Nobody\Desktop\img1.png',1)
    img_b,img_g,img_r=cv2.split(img)
    print(f'img的像素：{img.size}')
    print(f'img_b的像素：{img_b.size}')
    print(f'img_g的像素：{img_g.size}')
    print(f'img_r的像素：{img_r.size}')

输出：

img的像素：3147264
img_b的像素：1049088
img_g的像素：1049088
img_r的像素：1049088

3.照片像素点统计

照片本质上是一个三维矩阵（h*w*channels）

参考照片：

照片的值如下：

[[[184 200 212]
  [176 192 204]
  [172 188 200]
  ...
  [129 158 165]
  [136 165 172]
  [138 167 174]]

 [[188 204 216]
  [183 199 211]
  [180 196 208]
  ...
  [142 171 178]
  [140 169 176]
  [133 162 169]]

 [[184 200 212]
  [181 197 209]
  [180 196 208]
  ...
  [136 165 172]
  [130 159 166]
  [121 150 157]]

 ...

 [[242 248 255]
  [233 239 246]
  [223 229 236]
  ...
  [ 20  34  32]
  [ 19  33  31]
  [ 22  36  34]]

 [[225 232 241]
  [222 229 238]
  [219 226 235]
  ...
  [ 14  28  26]
  [ 10  24  22]
  [ 11  25  23]]

 [[211 218 227]
  [217 224 233]
  [225 232 241]
  ...
  [ 20  34  32]
  [ 18  32  30]
  [ 21  35  33]]]

（1）彩色照片像素点统计

测试代码：

import cv2
import numpy as np
import matplotlib.pyplot as plt
if __name__ == "__main__":
    # 读取彩色照片
    img = cv2.imread(r'C:\Users\Nobody\Desktop\img1.png',1)
    cv2.imshow('img',img)
    b,g,r=cv2.split(img)
    h,w=b.shape
    array=np.zeros([256], dtype = np.int32)
    for img_p in [b,g,r]:
        for row in range(h):
            for col in range(w):
                pix_value=img_p[row,col]
                array[pix_value]+=1
    plt.plot(array,'r')
    plt.show()

结果输出：

（2）灰度照片像素点统计

测试代码：

import cv2
import numpy as np
import matplotlib.pyplot as plt
if __name__ == "__main__":
    # 读取灰度照片
    img = cv2.imread(r'C:\Users\Nobody\Desktop\img1.png',0)
    cv2.imshow('img',img)
    h,w=img.shape
    array=np.zeros([256], dtype = np.int32)
    for row in range(h):
        for col in range(w):
            pix_value=img[row,col]
            array[pix_value]+=1
    plt.plot(array,'r')
    plt.show()

结果输出：

（3）纯白照片像素点统计

测试代码：

import cv2
import numpy as np
import matplotlib.pyplot as plt
if __name__ == "__main__":
    # 纯白照片
    img = np.zeros([400,400,3],np.uint8)+255
    cv2.imshow('img',img)
    b,g,r=cv2.split(img)
    h,w=b.shape
    array=np.zeros([256], dtype = np.int32)
    for img_p in [b,g,r]:
        for row in range(h):
            for col in range(w):
                pix_value=img_p[row,col]
                array[pix_value]+=1
    plt.plot(array,'r')
    plt.show()

结果输出：

（4）纯黑照片像素点统计

测试代码：

import cv2
import numpy as np
import matplotlib.pyplot as plt
if __name__ == "__main__":
    # 纯白照片
    img = np.zeros([400,400,3],np.uint8)
    cv2.imshow('img',img)
    b,g,r=cv2.split(img)
    h,w=b.shape
    array=np.zeros([256], dtype = np.int32)
    for img_p in [b,g,r]:
        for row in range(h):
            for col in range(w):
                pix_value=img_p[row,col]
                array[pix_value]+=1
    plt.plot(array,'r')
    plt.show()

结果输出：

（5）随机生成的照片像素点统计

测试代码：

import cv2
import numpy as np
import matplotlib.pyplot as plt
if __name__ == "__main__":
    # 纯白照片
    img = np.random.randint(0,255,(400,400,3),dtype='uint8')
    cv2.imshow('img',img)
    b,g,r=cv2.split(img)
    h,w=b.shape
    array=np.zeros([256], dtype = np.int32)
    for img_p in [b,g,r]:
        for row in range(h):
            for col in range(w):
                pix_value=img_p[row,col]
                array[pix_value]+=1
    plt.plot(array,'r')
    plt.show()

结果输出：

4.像素选取和修改

（1）彩色照片

照片是一组三维矩阵，而彩色照片channels为3，即第三维的长度为3

通过【h,w】获取出来的像素是3个通道的像素

a.单个像素选取

程序如下：

    # 彩色照片
    img =cv2.imread(r'C:\Users\Nobody\Desktop\img1.png',1)
    pix_b,pix_g,pix_r=img[100,100]
    print(f'pix_b:{pix_b}\npix_g:{pix_g}\npix_r:{pix_r}')

输出：

pix_b:223
pix_g:233
pix_r:243

b.单个像素修改

img[100,100]=0

c.某些像素选取(ROI提取)

ROI（region of interest），感兴趣区域。

如下图：RIO区域为花

代码：

    img =cv2.imread(r'C:\Users\Nobody\Desktop\img1.png',1)
    cv2.imshow('img',img)
    img_copy=img.copy()
    roi_img=img_copy[195:445,800:1100]
    cv2.imshow('roi_img', roi_img)

结果输出：

d.某些像素修改

代码如下：

    # 彩色照片
    img = cv2.imread(r'C:\Users\Nobody\Desktop\img1.png', 1)
    img_copy = img.copy()
    roi_img = img_copy[195:445, 800:1100]
    img_copy[100:350,200:500]=roi_img
    cv2.imshow('new_img',img_copy)

输出：