[Python图像处理] 二.OpenCV+Numpy库读取与修改像素

该系列文章是讲解Python
OpenCV图像处理知识，前期主要讲解图像入门、OpenCV基础用法，中期讲解图像处理的各种算法，包括图像锐化算子、图像增强技术、图像分割等，后期结合深度学习研究图像识别、图像分类应用。希望文章对您有所帮助，如果有不足之处，还请海涵~

同时推荐作者的C++图像系列知识：
[数字图像处理] 一.MFC详解显示BMP格式图片
<https://blog.csdn.net/eastmount/article/details/18238863>
[数字图像处理] 二.MFC单文档分割窗口显示图片
<https://blog.csdn.net/eastmount/article/details/18987539>
[数字图像处理] 三.MFC实现图像灰度、采样和量化功能详解
<https://blog.csdn.net/eastmount/article/details/46010637>
[数字图像处理] 四.MFC对话框绘制灰度直方图
<https://blog.csdn.net/eastmount/article/details/46237463>
[数字图像处理] 五.MFC图像点运算之灰度线性变化、灰度非线性变化、阈值化和均衡化处理详解
<https://blog.csdn.net/eastmount/article/details/46312145>
[数字图像处理] 六.MFC空间几何变换之图像平移、镜像、旋转、缩放详解
<https://blog.csdn.net/eastmount/article/details/46345299>
[数字图像处理] 七.MFC图像增强之图像普通平滑、高斯平滑、Laplacian、Sobel、Prewitt锐化详解
<https://blog.csdn.net/eastmount/article/details/46378783>

前文参考：
[Python图像处理] 一.图像处理基础知识及OpenCV入门函数
<https://blog.csdn.net/Eastmount/article/details/81748802>

本篇文章主要讲解 OpenCV+Numpy 图像处理基础知识，包括读取像素和修改像素。知识点如下：
1.传统读取像素方法
2.传统修改像素方法
3.Numpy读取像素方法
4.Numpy修改像素方法

PS: 文章也学习了网易云高登教育的知识，推荐大家学习。

PSS：2019年1~2月作者参加了CSDN2018年博客评选，希望您能投出宝贵的一票。我是59号，Eastmount，杨秀璋。投票地址：
https://bss.csdn.net/m/topic/blog_star2018/index
<https://bss.csdn.net/m/topic/blog_star2018/index>

五年来写了314篇博客，12个专栏，是真的热爱分享，热爱CSDN这个平台，也想帮助更多的人，专栏包括Python、数据挖掘、网络爬虫、图像处理、C#、Android等。现在也当了两年老师，更是觉得有义务教好每一个学生，让贵州学子好好写点代码，学点技术，"师者，传到授业解惑也"，提前祝大家新年快乐。2019我们携手共进，为爱而生。

<>一.传统读取像素方法

1.灰度图像，返回灰度值。
返回值=图像(位置参数)，例：p = img[88,142] print§
# -*- coding:utf-8 -*- import cv2 #读取图片 img = cv2.imread("picture.bmp", cv2.
IMREAD_UNCHANGED) #灰度图像 p = img[88, 142] print(p) #显示图像 cv2.imshow("Demo", img)
#等待显示 cv2.waitKey(0) cv2.destroyAllWindows() #写入图像 cv2.imwrite("testyxz.jpg",
img)
输出结果如下图所示：[131 131 131]，由于该图是24位BMP，B=G=R输出三个相同的结果，有的图像仅有一个像素点则输出一个值。

2.BGR图像，返回值为B、G、R的值。
例：
b = img[78, 125, 0] print(b)
g = img[78, 125, 1] print(g)
r = img[78,125, 2] print®
# -*- coding:utf-8 -*- import cv2 #读取图片 img = cv2.imread("test.jpg", cv2.
IMREAD_UNCHANGED) #BGR图像 b = img[78, 125, 0] print(b) g = img[78, 125, 1] print(
g) r = img[78, 125, 2] print(r) #方法二 bgr = img[78, 125] print(bgr) #显示图像 cv2.
imshow("Demo", img) #等待显示 cv2.waitKey(0) cv2.destroyAllWindows() #写入图像 cv2.
imwrite("testyxz.jpg", img)
输出像素和图像如下所示：
155
104
61
[155 104 61]


<>二.传统修改像素方法

1.修改单个像素值
BGR图像可以通过位置参数直接访问像素值并进行修改，输出结果如下所示：
# -*- coding:utf-8 -*- import cv2 #读取图片 img = cv2.imread("test.jpg", cv2.
IMREAD_UNCHANGED) #BGR图像 print(img[78, 125, 0]) print(img[78, 125, 1]) print(img
[78, 125, 2]) #修改像素 img[78, 125, 0] = 255 img[78, 125, 1] = 255 img[78, 125, 2]
=255 print(img[78, print(img[78, 125]) img[78, 125] = [10, 10, 10] print(img[78,
125])125, 0]) print(img[78, 125, 1]) print(img[78, 125, 2]) #方法二 print(img[78,
125]) img[78, 125] = [10, 10, 10] print(img[78, 125])
输出结果如下所示，通过两种方法分别将B、G、R像素值修改为255和0。
155
104
61
255
255
255
[255 255 255]
[10 10 10]


2.修改区域像素
通过访问图像数组的位置区域实现区域像素修改，比如 [100:150,400:500]
是访问第100到150行，400到500列的区域，再对该区域像素进行修改。代码如下所示：
# -*- coding:utf-8 -*- import cv2 #读取图片 img = cv2.imread("test.jpg", cv2.
IMREAD_UNCHANGED) #BGR图像 img[100:150, 400:500] = [255, 255, 0] #显示图像 cv2.imshow(
"Demo", img) #等待显示 cv2.waitKey(0) cv2.destroyAllWindows() #写入图像 cv2.imwrite(
"testyxz.jpg", img)
输出结果如下图所示，[255, 255, 0]是浅蓝色。


<>三.Numpy读取像素方法

使用Numpy进行像素读取，调用方式如下：
返回值 = 图像.item(位置参数)
# -*- coding:utf-8 -*- import cv2 import numpy #读取图片 img = cv2.imread(
"test.jpg", cv2.IMREAD_UNCHANGED) #Numpy读取像素 blue = img.item(78, 100, 0) green =
img.item(78, 100, 1) red = img.item(78, 100, 2) print(blue) print(green) print(
red) #显示图像 cv2.imshow("Demo", img) #等待显示 cv2.waitKey(0) cv2.destroyAllWindows()
输出结果如下，注意OpenCV读取图像通道是BGR，也可以转换成RGB在进行处理。
155
104
61


<>四.Numpy修改像素方法

使用Numpy的itemset函数修改像素，调用方式如下：
图像.itemset(位置, 新值)
例如：img.itemset((88,99), 255)
# -*- coding:utf-8 -*- import cv2 import numpy #读取图片 img = cv2.imread(
"test.jpg", cv2.IMREAD_UNCHANGED) #Numpy读取像素 print(img.item(78, 100, 0)) print(
img.item(78, 100, 1)) print(img.item(78, 100, 2)) img.itemset((78, 100, 0), 100)
img.itemset((78, 100, 1), 100) img.itemset((78, 100, 2), 100) print(img.item(78
, 100, 0)) print(img.item(78, 100, 1)) print(img.item(78, 100, 2))
输出结果如下：
155
104
61
100
100
100

也可以同时输出B、G、R三个值，核心代码如下：
print(img[78, 78]) img.itemset((78, 78, 0), 0) img.itemset((78, 78, 1), 0) img.
itemset((78, 78, 2), 0) print(img[78, 78]) #[155 104 61] #[0 0 0]

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。
（By：Eastmount 2018-08-28 早8点 https://blog.csdn.net/Eastmount/）
<https://blog.csdn.net/Eastmount/%EF%BC%89>

• « 上一篇：28岁程序员：我要转行能行么？网友：除了写代码你还能干啥？
• » 下一篇：安装Ubuntu Server18.04（附与CentOS占用体积和Python版本的对比）