OpenCV---Numpy数组的使用以及创建图片

一：对头像的所有像素进行访问，并UI图像进行像素取反

（一）for循环取反

import cv2 as cv
import numpy as np

def access_pixels(image):   #对图像的所有像素进行访问
    print(image.size)
    height,width,channel = image.shape  #每个像素3个通道，通道顺序b,g,r
    print("height:%s
%s
channel:%s
"%(height,width,channel))
    '''
    height:608
    343
    channel:3
    '''
    for row in range(height):
        for col in range(width):
            for c in range(channel):    #循环会变慢,经过625632循环
                pv = image[row,col,c]
                image[row,col,c] = 255 - pv　　#像素取反
    cv.imshow("pixels_demo",image)



src = cv.imread("./1.png")  #读取图片
cv.namedWindow("input image",cv.WINDOW_AUTOSIZE)    #创建GUI窗口,形式为自适应
cv.imshow("input image",src)    #通过名字将图像和窗口联系
t1 = cv.getTickCount()  #获取时间，用于精度计时，操作系统启动所经过（elapsed）的毫秒数
access_pixels(src)
t2 = cv.getTickCount()
print((t2-t1)/cv.getTickFrequency())    #getTickFrequency()是获取一秒钟结果的点数，获取秒数
cv.waitKey(0)   #等待用户操作，里面等待参数是毫秒，我们填写0，代表是永远，等待用户操作
cv.destroyAllWindows()  #销毁所有窗口

625632
height:608
343
channel:3

15.740029368334588　　#经历了15秒，是十分耗时的循环，我们可以使用Numpy数组访问，更加方便快捷

（二）使用内置方法取反（直接使用c代码执行，效率更高）

def inverse(image):
    img = cv.bitwise_not(image)
    cv.imshow("inverse image",img)

t1 = cv.getTickCount()  #获取时间，用于精度计时，操作系统启动所经过（elapsed）的毫秒数
inverse(src)
t2 = cv.getTickCount()

0.09940230583146789

二：使用Numpy数组，创建图片

（一）使用多个信道创建图片

def create_img():
    img = np.zeros([400,400,3],np.uint8)    #创建一个三维数组高400，宽400，信号通道3个，初始都为0，每通道占8位个
    img[:,:,0] = np.ones([400,400])*255     #将0号通道下[400,400]面积使用ones设置为1，之后乘以255，将其设置为255，注意：3个信道分别是b,g,r所以这里显示为蓝色

    cv.imshow("new image",img)

create_img()
cv.waitKey(0)   #等待用户操作，里面等待参数是毫秒，我们填写0，代表是永远，等待用户操作
cv.destroyAllWindows()  #销毁所有窗口

（二）使用单个信道创建图像（灰度图像）

def create_img():
    img = np.zeros([400,400,1],np.uint8)　　#创建一个只有一个信道的三维数组，初始为0
    img[:,:,0] = np.ones([400,400])*127　　#修改这个图像的信道为127，灰色
    cv.imshow("new image",img)

或者（所以初始时候使用ones会更加灵活）

def create_img():
    img = np.ones([400,400,1],np.uint8)　　#创建一个只有一个信道的三维数组，初始为1
    img = img * 127　　#可以直接进行运算

    cv.imshow("new image",img)
    cv.imwrite(".3.png",img)　　#可以进行保存

三：补充Numpy的使用

（一）二维数组的使用（选择正确的类型）

1.float类型

def create_arr():
    ml = np.ones([3,3],np.float32)　　#float类型，允许小数存在
    ml.fill(122.388)
    print(ml)

create_arr()

[[122.388 122.388 122.388]
 [122.388 122.388 122.388]
 [122.388 122.388 122.388]]

2.int类型

def create_arr():
    ml = np.ones([3,3],np.uint8)　　#不允许小数的存在,且有最大是255
    ml.fill(122.388)
    print(ml)

create_arr()

[[122 122 122]
 [122 122 122]
 [122 122 122]]

def create_arr():
    ml = np.ones([3,3],np.uint8)　　#有位数限制，高位被截断了，低位留下了
    ml.fill(256.388)
    print(ml)

create_arr()

[[0 0 0]
 [0 0 0]
 [0 0 0]]

（二）维数转换reshape

def create_arr():
    ml = np.ones([3,3],np.uint8)
    ml.fill(122.388)
    m2 = ml.reshape([1,9])　　#注意：转换维度，数组大小还是要一致的，不然报错
    print(m2)

[[122 122 122 122 122 122 122 122 122]]

 （三）使用array自定义数组

def create_arr():
    m3 = np.array([[2,2,3],[4,5,6],[7,8,9]],np.uint8)
    print(m3)

[[2 2 3]
 [4 5 6]
 [7 8 9]]