opencv入门系列教学（五）图像的基本操作（像素值、属性、ROI和边框）
0.序言
每个图像是由一个个点组成的，而这些点可以表示为像素值的形式。
这篇博客里我们将学会：
- 访问像素值并修改它们 。
- 访问图像属性 。
- 设置感兴趣区域(ROI) 。
- 分割和合并图像。
对于图像的基本操作我们需要对numpy知识的了解，不需要很多，只知道基本用法即可。这里暂不赘述，读者可查阅其余资料进行学习。
1.访问和修改像素值
让我们先加载彩色图像：
- import numpy as np
- import cv2 as cv
- img = cv.imread('cat.jpg')
我们可以通过行和列坐标来访问像素值。对于 BGR 图像，它返回一个由蓝色、绿色和红色值组成的数组。而如果是灰度图像的话，它只返回相应的灰度。我们也可以用相同的方式来对像素值进行修改。
Numpy是用于快速数组计算的优化库。因此，简单地访问每个像素值并对其进行修改将非常慢，因此不建议使用。对于单个像素访问，Numpy数组方法array.item()和array.itemset())被认为更好，但是它们始终返回标量。如果要访问所有B，G，R值，则需要分别调用所有的array.item()。
比如我们可以用下面的方法来进行像素的访问和编辑：
2.访问图像属性
图像属性包括行数，列数，通道数，图像数据类型，像素数等等。
图像的形状可通过 img.shape 访问。它返回行，列和通道数的元组（如果图像是彩色的）
注意：如果图像是灰度的，则返回的元组仅包含行数和列数，因此这是检查加载的图像是灰度还是彩色的好方法。
- >>> print( img.shape )
- (342, 548, 3)
像素总数可通过访问 img.size ：
- >>> print( img.size )
- 562248
图像数据类型通过 img.dtype 获得：
- >>> print( img.dtype )
- uint8
注意：img.dtype在调试时非常重要，因为OpenCV-Python代码中的大量错误是由无效的数据类型引起的。
3.图像感兴趣区域ROI
有时候，我们不得不处理一些特定区域的图像。比如对于图像中的眼睛检测，首先对整个图像进行人脸检测。在获取人脸图像时，我们只选择人脸区域，搜索其中的眼睛，而不是搜索整个图像。它提高了准确性和性能。
这里我们直接使用numpy的切片即可，比如：
- >>> ROI = img[280:340, 330:390]
不规则形状的ROI区域的设置，我们将在以后的文章里再详细阐述。
4.拆分和合并图像通道
有时我们需要分别处理图像的B，G，R通道。在这种情况下，我们需要将BGR图像拆分为单个通道。我们可以这样做：
- >>> b,g,r = cv.split(img) >>> img = cv.merge((b,g,r))
但是cv.split() 是一项耗时的操作（就时间而言）。因此，仅在必要时才这样做。我们一般采用Numpy索引的方法。比如我们要将所有的红色像素都设置为0：
- >>> img [:, :, 2] = 0
5.为图像设置边框
如果我们要在图像周围创建边框（如相框），那可以使用 cv.copyMakeBorder() 。它在以后对图像进行高级处理的时候，比如卷积运算，零填充等方面将有更多应用。此函数采用以下参数：
- src – 输入图像
- top，bottom，left，right 边界宽度（以相应方向上的像素数为单位）
- borderType – 定义要添加哪种边框的标志。它可以是以下类型：
- cv.BORDER_CONSTANT – 添加恒定的彩色边框。该值应作为下一个参数给出。
- cv.BORDER_REFLECT – 边框将是边框元素的镜像，如下所示： fedcba | abcdefgh hgfedcb
- **cv.BORDER_REFLECT_101**或 **cv.BORDER_DEFAULT**与上述相同，但略有变化，例如： gfedcb | abcdefgh | gfedcba
- **cv.BORDER_REPLICATE**最后一个元素被复制，像这样： aaaaaa | abcdefgh | hhhhhhh
- **cv.BORDER_WRAP**看起来像这样： cdefgh | abcdefgh | abcdefg
- value -边框的颜色，如果边框类型为**cv.BORDER_CONSTANT**
下面我们来看一下各个边框类型在图片显示上的结果。注意因为图像是基于matplotlib一起显示的。所以红色和蓝色通道将会互换。
- import cv2 as cv
- import numpy as np
- from matplotlib import pyplot as plt
- BLUE = [255,0,0]
- img1 = cv.imread('opencv-logo.png')
- replicate = cv.copyMakeBorder(img1,10,10,10,10,cv.BORDER_REPLICATE)
- reflect = cv.copyMakeBorder(img1,10,10,10,10,cv.BORDER_REFLECT)
- reflect101 = cv.copyMakeBorder(img1,10,10,10,10,cv.BORDER_REFLECT_101)
- wrap = cv.copyMakeBorder(img1,10,10,10,10,cv.BORDER_WRAP)
- constant= cv.copyMakeBorder(img1,10,10,10,10,cv.BORDER_CONSTANT,value=BLUE)
- plt.subplot(231),plt.imshow(img1,'gray'),plt.title('ORIGINAL')
- plt.subplot(232),plt.imshow(replicate,'gray'),plt.title('REPLICATE')
- plt.subplot(233),plt.imshow(reflect,'gray'),plt.title('REFLECT')
- plt.subplot(234),plt.imshow(reflect101,'gray'),plt.title('REFLECT_101')
- plt.subplot(235),plt.imshow(wrap,'gray'),plt.title('WRAP')
- plt.subplot(236),plt.imshow(constant,'gray'),plt.title('CONSTANT')
- plt.show()
结果如下：