跟我学Python图像处理丨获取图像属性兴趣ROI区域及通道

　　本文分享自华为云社区《〔Python图像处理〕三。获取图像属性、兴趣ROI区域及通道处理【生长吧！Python】云社区华为云》，作者：eastmount。一。获取图像属性
　　1。形状形状
　　通过shape关键字获取图像的形状，返回包含行数、列数、通道数的元祖。其中灰度图像返回行数和列数，彩色图像返回行数、列数和通道数。如下图所示：
　　编码：UTF8
　　导入简历2
　　导入数字
　　读取图片
　　imgcv2。imread（test。jpg，cv2。IMREADUNCHANGED）
　　获取图像形状
　　打印（图像形状）
　　显示图像
　　cv2。imshow（Demo，img）
　　等待显示
　　cv2。waitKey（0）
　　cv2。destroyAllWindows（）
　　输出结果如下图所示：（445L，670L，3L），该图共445行、670列像素，3个通道。
　　2。像素数目大小
　　通过size关键字获取图像的像素数目，其中灰度图像返回行数列数，彩色图像返回行数列数通道数。代码如下：
　　编码：UTF8
　　导入简历2
　　导入数字
　　读取图片
　　imgcv2。imread（test。jpg，cv2。IMREADUNCHANGED）
　　获取图像形状
　　打印（图像形状）
　　获取像素数目
　　打印（图像大小）
　　输出结果：
　　（445公升，670升，3升）
　　894450hr3。图像类型dtype
　　通过dtype关键字获取图像的数据类型，通常返回uint8。代码如下：
　　coding：utf8
　　importcv2
　　importnumpy
　　读取图片
　　imgcv2。imread（test。jpg，cv2。IMREADUNCHANGED）
　　获取图像形状
　　print（img。shape）
　　获取像素数目
　　print（img。size）
　　获取图像类型
　　print（img。dtype）
　　输出结果：
　　（445L，670L，3L）
　　894450hruint8二。获取感兴趣ROI区域
　　ROI（RegionofInterest）表示感兴趣区域。它是指从被处理图像以方框、圆形、椭圆、不规则多边形等方式勾勒出需要处理的区域。可以通过各种算子（Operator）和函数求得感兴趣ROI区域，并进行图像的下一步处理，被广泛应用于热点地图、人脸识别、图像分割等领域。
　　通过像素矩阵可以直接获取ROI区域，如img〔200：400，200：400〕。
　　代码如下：
　　coding：utf8
　　importcv2
　　importnumpyasnp
　　读取图片
　　imgcv2。imread（test。jpg，cv2。IMREADUNCHANGED）
　　定义200100矩阵3对应BGR
　　facenp。ones（（200，100，3））
　　显示原始图像
　　cv2。imshow（Demo，img）
　　显示ROI区域
　　faceimg〔200：400，200：300〕
　　cv2。imshow（face，face）
　　等待显示
　　cv2。waitKey（0）
　　cv2。destroyAllWindows（）
　　输出结果如下图所示：
　　下面将提取的ROI图像进行融合实验，代码如下：
　　coding：utf8
　　importcv2
　　importnumpyasnp
　　读取图片
　　imgcv2。imread（test。jpg，cv2。IMREADUNCHANGED）
　　定义300100矩阵3对应BGR
　　facenp。ones（（200，200，3））
　　显示原始图像
　　cv2。imshow（Demo，img）
　　显示ROI区域
　　faceimg〔100：300，150：350〕
　　img〔0：200，0：200〕face
　　cv2。imshow（face，img）
　　等待显示
　　cv2。waitKey（0）
　　cv2。destroyAllWindows（）
　　将提取的头部融合至图像左上角部分，如下图所示：
　　如果想将两张图像进行融合，只需再读取一张图像即可，方法原理类似。实现代码如下：
　　coding：utf8
　　importcv2
　　importnumpyasnp
　　读取图片
　　imgcv2。imread（test。jpg，cv2。IMREADUNCHANGED）
　　testcv2。imread（test3。jpg，cv2。IMREADUNCHANGED）
　　定义300100矩阵3对应BGR
　　facenp。ones（（200，200，3））
　　显示原始图像
　　cv2。imshow（Demo，img）
　　显示ROI区域
　　faceimg〔100：300，150：350〕
　　test〔400：600，400：600〕face
　　cv2。imshow（Pic，test）
　　等待显示
　　cv2。waitKey（0）
　　cv2。destroyAllWindows（）
　　输出结果如下图所示：
　　三。图像通道处理
　　1。通道拆分
　　OpenCV读取的彩色图像由B、G、R三原色组成，可以通过下面代码获取不同的通道。
　　bimg〔：，：，0〕
　　gimg〔：，：，1〕
　　rimg〔：，：，2〕
　　也可以使用split（）函数拆分通道，下面是拆分不同通道再显示的代码。
　　coding：utf8
　　importcv2
　　importnumpyasnp
　　读取图片
　　imgcv2。imread（test。jpg，cv2。IMREADUNCHANGED）
　　拆分通道
　　b，g，rcv2。split（img）
　　显示原始图像
　　cv2。imshow（B，b）
　　cv2。imshow（G，g）
　　cv2。imshow（R，r）
　　等待显示
　　cv2。waitKey（0）
　　cv2。destroyAllWindows（）
　　输出结果如下图所示：
　　也可以获取不同的通道，核心代码如下所示：bcv2。split（a）〔0〕gcv2。split（a）〔1〕rcv2。split（a）〔2〕
　　2。通道合并
　　图像通道合并主要调用merge（）函数实现，核心代码如下：
　　mcv2。merge（〔b，g，r〕）
　　编码：UTF8
　　导入简历2
　　将numpy导入为NP
　　读取图片
　　imgcv2。imread（test。jpg，cv2。IMREADUNCHANGED）
　　拆分通道
　　b，g，rcv2。split（img）
　　合并通道
　　mcv2。merge（〔b，g，r〕）
　　cv2。imshow（Merge，m）
　　等待显示
　　cv2。waitKey（0）
　　cv2。destroyAllWindows（）
　　输出结果如下：
　　注意，如果是合并〔r，g，b〕三通道，则显示如下所示，因OpenCV是按照BGR进行读取的。
　　b，g，rcv2。split（img）
　　mcv2。merge（〔r，g，b〕）
　　cv2。imshow（Merge，m）
　　同时，可以提取图像的不同颜色，提取B颜色通道，G、B通道设置为0，则显示蓝色。代码如下所示：
　　coding：utf8
　　importcv2
　　importnumpyasnp
　　读取图片
　　imgcv2。imread（test。jpg，cv2。IMREADUNCHANGED）
　　rows，cols，chnimg。shape
　　拆分通道
　　bcv2。split（img）〔0〕
　　gnp。zeros（（rows，cols），dtypeimg。dtype）
　　rnp。zeros（（rows，cols），dtypeimg。dtype）
　　合并通道
　　mcv2。merge（〔b，g，r〕）
　　cv2。imshow（Merge，m）
　　等待显示
　　cv2。waitKey（0）
　　cv2。destroyAllWindows（）
　　蓝色通道输出结果如下所示：
　　绿色通道核心代码及输出结果如下所示：
　　rows，cols，chnimg。shape
　　bnp。zeros（（rows，cols），dtypeimg。dtype）
　　gcv2。split（img）〔1〕
　　rnp。zeros（（rows，cols），dtypeimg。dtype）
　　mcv2。merge（〔b，g，r〕）
　　红色通道修改方法与上面类似。
　　希望文章对大家有所帮助，如果有错误或不足之处，还请海涵。
　　该系列在github所有源代码：https：github。comeastmountyxzImageProcessingPython
　　点击下方，第一时间了解华为云新鲜技术
　　华为云博客大数据博客AI博客云计算博客开发者中心华为云