像素是計(jì)算機(jī)視覺中圖像的重要屬性。它們是表示圖像中特定空間中光的顏色強(qiáng)度的數(shù)值，是圖像中數(shù)據(jù)的最小單位。

圖像中的像素總數(shù)是高度、寬度和通道的乘積。

由于OpenCV中的圖像被讀取為像素值的Numpy數(shù)組，因此可以使用數(shù)組切片操作獲取并處理由該區(qū)域的像素表示的圖像區(qū)域。

切片操作用于檢索序列子集，如列表、元組和數(shù)組，因此可用于獲取圖像區(qū)域的像素值，以便進(jìn)行編輯、格式化或裁剪等處理。

切片操作

腳本：使用切片操作獲取列表的子集。

# 切片字母列表
letters = ['a', 'b', 'c', 'd', 'e']
 
# 頭三個(gè)字母
first_three = letters[:3]
 
# 最后三個(gè)字母
last_three = letters[-3:]
 
# 得到第二個(gè)到第四個(gè)字母
second_to_fourth = letters[1:4]
 
# 顯示結(jié)果
print('First three letters: ', first_three)
print('Last three letters: ', last_three)
print('Second to fourth letters: ', second_to_fourth)

請(qǐng)注意，我使用索引值對(duì)字母列表進(jìn)行切片。例如，傳遞起始索引1（列表中第二個(gè)字母的索引）和4將返回列表的一個(gè)片段，從第二個(gè)值到第四個(gè)值。

由于索引值用于以這種方式檢索子集，因此它們也用于定位和檢索圖像中感興趣的區(qū)域。

以圖像中的區(qū)域?yàn)槟繕?biāo)的切片由圖像的兩個(gè)軸（水平（X）和垂直（Y））的起始值和結(jié)束值定義，格式如下：

image[startY: endY, startx:endX]

它返回所需感興趣區(qū)域的（圖像像素的）Numpy數(shù)組。

那么，我們?nèi)绾未_定感興趣區(qū)域的X軸和Y軸的起始值和結(jié)束值？

這些值（startX、endX、startY、endY）是映射出感興趣區(qū)域的坐標(biāo)值。

使用OpenCV顯示時(shí)，這些值不會(huì)顯示在圖像旁邊，但我們可以使用其他應(yīng)用程序（如Photoshop、Corel Draw、Paint e.t.c）或其他python可視化庫(kù)（如Matplotlib）來(lái)顯示具有X和Y坐標(biāo)值的圖像。

一如既往，這在實(shí)踐中得到了更好的理解。讓我們使用matplotlib顯示一個(gè)圖像。pyplot，我們可以從中檢索坐標(biāo)，這些坐標(biāo)映射出圖像中的目標(biāo)感興趣區(qū)域。

我用加納共和國(guó)國(guó)旗的圖像來(lái)證明這一點(diǎn)。在這里，我的目標(biāo)是圖像中圍繞黑星的區(qū)域。

獲取感興趣區(qū)域的坐標(biāo)值

使用Matplotlib加載并顯示圖像

# 導(dǎo)入matplotlib的plot
import matplotlib.pyplot as plt
 
# 加載和顯示原始圖像
image = plt.imread('Flag_of_Ghana.png')
 
# 顯示圖片
plt.imshow("Original", image)
plt.plot()

輸出：加載的圖像及其X和Y坐標(biāo)。

正如你所看到的，plt.imshow函數(shù)返回讀取的圖像以及x和y軸的坐標(biāo)值。

然后，我們可以檢索感興趣區(qū)域（黑星）的起始和結(jié)束坐標(biāo)值。

追蹤黑星區(qū)域的坐標(biāo)值

這幅圖像顯示了如何追蹤黑星周圍區(qū)域的坐標(biāo)。

我們可以從圖像中檢索坐標(biāo)（startY（y1）、endY（y2）、startX（x1）、endX（x2））。然后，我們可以定義兩個(gè)軸的起點(diǎn)和終點(diǎn)坐標(biāo)，并裁剪為：

image[y1: y2, x1:x2]

if we get y1, y2 = [145, 295] and x1, x2 = [245, 400]

那么繪制出黑星的區(qū)域?qū)⑹牵?/p>

black_star = image[145:295, 245:400]

這將返回映射感興趣區(qū)域（本例中為黑星）的像素值（在Numpy數(shù)組中）。

現(xiàn)在，我們可以利用這種技術(shù)對(duì)圖像區(qū)域進(jìn)行定位和切片，以進(jìn)行各種圖像處理。

使用切片操作裁剪圖像

1.加載并顯示原始圖像

# 導(dǎo)入matplotlib的plot
import matplotlib.pyplot as plt
 
# 加載和顯示原始圖像
image = plt.imread('Flag_of_Ghana.png')
 
# 顯示圖片
plt.imshow("Original", image)
plt.plot()

輸出：顯示加載的圖像。

2.獲取圖像的空間維度

# 獲取圖像的空間尺寸
# 初始化
originY, originX = 0, 0
 
# 獲取圖像的高度和寬度
height, width = image.shape[:2]
 
# 計(jì)算圖像的中心
(centerX, centerY) = (width // 2, height // 2)
print('Image height: ', height)
print('Image width: ', width)
print('Center location: ', (centerY, centerX))

輸出：顯示圖像的空間尺寸。

3.裁剪圖像

裁剪出圖像的左上角

# 裁剪圖像的左上角
# 高度從原點(diǎn)到中心
# 寬度從原點(diǎn)到中心
 
top_left = image[originY:centerY, originX:centerX]
cv2.imshow("Top-Left Corner", top_left)
cv2.waitKey(0)

輸出：圖像的左上角

裁剪出圖像的右上角

# 裁剪右上角
# 高度從原點(diǎn)到中心
# 寬度從中心到右上角(寬度)
 
top_right = image[originY:centerY, centerX:width]
cv2.imshow("Top-Right Corner", top_right)
cv2.waitKey(0)

輸出：圖像的右上角

裁剪出圖像的左下角

# 裁剪左下角
# 高度從中心到左下角(高度)
# 寬度從中心到右上角(寬度)
 
bottom_left = image[centerY:height, originX:centerX]
cv2.imshow("Bottom-Left Corner", bottom_left)
cv2.waitKey(0)

輸出：圖像的左下角

裁剪出圖像的右下角

# 裁剪右下角
# 高度從中心到左下角(高度)
# 寬度從中心到右上角(寬度)
 
bottom_right = image[centerY:height, centerX:width]
cv2.imshow("Bottom-Right Corner", bottom_right)
cv2.waitKey(0)

輸出：左下角。

4.使用尺寸將部分圖像設(shè)置為特定顏色。

# 設(shè)置原始圖像的左上角為綠色
image[originY:centerY, originX:centerX] = (0, 255, 0)
 
# 顯示更新后的圖像
cv2.imshow("Updated", image)
cv2.waitKey(0)

輸出：將左上角設(shè)置為綠色

總結(jié)

圖像像素是表示圖像中顏色強(qiáng)度的數(shù)值。使用OpenCV獲取和設(shè)置不同圖像處理的圖像像素的過程基于Numpy陣列的切片操作。切片像素值在裁剪、重置、復(fù)制或增強(qiáng)圖像時(shí)非常有用。

以上就是詳解在OpenCV中如何使用圖像像素的詳細(xì)內(nèi)容，更多關(guān)于OpenCV圖像像素的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！