python+opencv图像处理：numpy数组操作

图片以矩阵的形式存在电脑里，需要用到数组操作来完成对图像的处理

 

常用的有两个API: zeros和ones

np.ones(size) 可以创建任意维度的数组，各个元素值均为1

np.zeros(size,dtype) 同上，但各个元素值为0.默认元素类型为浮点数

使用示例：

　　 img = np.zeros([256, 256, 3], np.uint8)
    #创建长宽为256的图片，三通道(BGR)，像素大小为8位无符号整数
    img[: , : , 0] = np.ones([256,256])*255
    #设置图片的颜色B通道为255，也就是蓝色
    cv.imshow("new image", img)

    #单通道的灰度图像
    img1 = np.ones([400, 400, 1], np.uint8)
    img1 = img1 * 147
    cv.imshow("new image", img1)

 

图片填充 image.fill(pixel)

转换维度 image.reshape(size)

使用示例：

m1 = np.ones([30, 30], np.uint8) #创建单通道的灰度图形
m1.fill(12)
print(m1)
cv.imshow("m1", m1)
#reshape注意size大小匹配 30*30=10*90
m2 = m1.reshape([10,90])
print(m2)
cv.imshow("m2", m2)

 

对pixel的简单操作：方法一：遍历； 方法二：API

def access_pixels(image):
    print(image.shape)
    height = image.shape[0]
    width = image.shape[1]
    channels = image.shape[2]
    print("width : %s, height : %s, channels : %s" %(width, height, channels))
    for i in range(height):
        for j in range(width):
            for k in range(channels):
                pv = 255 - image[i, j, k]
                image[i, j, k] = pv
    cv.imshow("pixels_demo", image)


def inverse(image):
    #和上一个函数的for循环功能类似
    dst = cv.bitwise_not(image)
    cv.imshow("inverse demo", dst)

分别运行两个函数发现使用API比循环遍历快不少。（python运行比较慢，API是C++写的）

 

计算函数运行时间：

t1 = cv.getTickCount()
access_pixels(src) #需要测试时间的函数
t2 = cv.getTickCount()
time = (t2-t1)/cv.getTickFrequency()
print("time : %s ms" %(time*1000))