[Python图像处理] 三.获取图像属性、兴趣ROI区域及通道处理

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>
[Python图像处理] 二.OpenCV+Numpy库读取与修改像素
<https://blog.csdn.net/eastmount/article/details/82120114>

本篇文章主要讲解Python调用OpenCV获取图像属性，截取感兴趣ROI区域，处理图像通道。全文均是基础知识，希望对您有所帮助。知识点如下：
1.获取图像属性
2.获取感兴趣ROI区域
3.图像通道处理

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.获取图像属性

1.形状-shape
通过shape关键字获取图像的形状，返回包含行数、列数、通道数的元祖。其中灰度图像返回行数和列数，彩色图像返回行数、列数和通道数。如下图所示：
# -*- coding:utf-8 -*- import cv2 import numpy #读取图片 img = cv2.imread(
"test.jpg", cv2.IMREAD_UNCHANGED) #获取图像形状 print(img.shape) #显示图像 cv2.imshow(
"Demo", img) #等待显示 cv2.waitKey(0) cv2.destroyAllWindows()
输出结果如下图所示：(445L, 670L, 3L)，该图共445行、670列像素，3个通道。

2.像素数目-size
通过size关键字获取图像的像素数目，其中灰度图像返回行数 * 列数，彩色图像返回行数 * 列数 * 通道数。代码如下：
# -*- coding:utf-8 -*- import cv2 import numpy #读取图片 img = cv2.imread(
"test.jpg", cv2.IMREAD_UNCHANGED) #获取图像形状 print(img.shape) #获取像素数目 print(img.
size)
输出结果：
(445L, 670L, 3L)
894450

3.图像类型-dtype
通过dtype关键字获取图像的数据类型，通常返回uint8。代码如下：
# -*- coding:utf-8 -*- import cv2 import numpy #读取图片 img = cv2.imread(
"test.jpg", cv2.IMREAD_UNCHANGED) #获取图像形状 print(img.shape) #获取像素数目 print(img.
size) #获取图像类型 print(img.dtype)
输出结果：
(445L, 670L, 3L)
894450
uint8


<>二.获取感兴趣ROI区域

ROI（Region of
Interest）表示感兴趣区域。它是指从被处理图像以方框、圆形、椭圆、不规则多边形等方式勾勒出需要处理的区域。可以通过各种算子（Operator）和函数求得感兴趣ROI区域，并进行图像的下一步处理，被广泛应用于热点地图、人脸识别、图像分割等领域。

通过像素矩阵可以直接获取ROI区域，如img[200:400, 200:400]。
代码如下： ```python # -*- coding:utf-8 -*- import cv2 import numpy as np
#读取图片
img = cv2.imread(“test.jpg”, cv2.IMREAD_UNCHANGED)

#定义200*100矩阵 3对应BGR
face = np.ones((200, 100, 3))

#显示原始图像
cv2.imshow(“Demo”, img)

#显示ROI区域
face = img[200:400, 200:300]
cv2.imshow(“face”, face)

#等待显示
cv2.waitKey(0)
cv2.destroyAllWindows()
输出结果如下图所示： <center> <img
src="https://img-blog.csdn.net/20180829090652805?watermark/2/text/aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0Vhc3Rtb3VudA==/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70"
width="70%" height="80%" /> </center> 下面将提取的ROI图像进行融合实验，代码如下： ```python # -*-
coding:utf-8 -*- import cv2 import numpy as np #读取图片 img =
cv2.imread("test.jpg", cv2.IMREAD_UNCHANGED) #定义300*100矩阵 3对应BGR face =
np.ones((200, 200, 3)) #显示原始图像 cv2.imshow("Demo", img) #显示ROI区域 face =
img[100:300, 150:350] img[0:200,0:200] = face cv2.imshow("face", img) #等待显示
cv2.waitKey(0) cv2.destroyAllWindows()
将提取的头部融合至图像左上角部分，如下图所示：
如果想将两张图像进行融合，只需再读取一张图像即可，方法原理类似。 实现代码如下： ```python # -*- coding:utf-8 -*-
import cv2 import numpy as np
#读取图片
img = cv2.imread(“test.jpg”, cv2.IMREAD_UNCHANGED)
test = cv2.imread(“test3.jpg”, cv2.IMREAD_UNCHANGED)

#定义300*100矩阵 3对应BGR
face = np.ones((200, 200, 3))

#显示原始图像
cv2.imshow(“Demo”, img)

#显示ROI区域
face = img[100:300, 150:350]
test[400:600,400:600] = face
cv2.imshow(“Pic”, test)

#等待显示
cv2.waitKey(0)
cv2.destroyAllWindows()
输出结果如下图所示： <center> <img
src="https://img-blog.csdn.net/20180829093420612?watermark/2/text/aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0Vhc3Rtb3VudA==/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70"
width="70%" height="80%" /> </center> --- <br /> # 三.图像通道处理 **1.通道拆分**
OpenCV读取的彩色图像由B、G、R三原色组成，可以通过下面代码获取不同的通道。 b = img[:, :, 0] g = img[:, :, 1] r =
img[:, :, 2] <center> <img
src="https://img-blog.csdn.net/20180829094259100?watermark/2/text/aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0Vhc3Rtb3VudA==/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70"
width="70%" height="80%" /> </center> 也可以使用split()函数拆分通道，下面是拆分不同通道再显示的代码。
```python # -*- coding:utf-8 -*- import cv2 import numpy as np #读取图片 img =
cv2.imread("test.jpg", cv2.IMREAD_UNCHANGED) #拆分通道 b, g, r = cv2.split(img)
#显示原始图像 cv2.imshow("B", b) cv2.imshow("G", g) cv2.imshow("R", r) #等待显示
cv2.waitKey(0) cv2.destroyAllWindows()
输出结果如下图所示：
也可以获取不同的通道，核心代码如下所示： b = cv2.split(a)[0] g = cv2.split(a)[1] r =
cv2.split(a)[2]
2.通道合并
图像通道合并主要调用merge()函数实现，核心代码如下：
m = cv2.merge([b, g, r])
# -*- coding:utf-8 -*- import cv2 import numpy as np #读取图片 img = cv2.imread(
"test.jpg", cv2.IMREAD_UNCHANGED) #拆分通道 b, g, r = cv2.split(img) #合并通道 m = cv2.
merge([b, g, r]) cv2.imshow("Merge", m) #等待显示 cv2.waitKey(0) cv2.
destroyAllWindows()
输出结果如下：

注意，如果是合并[r,g,b]三通道，则显示如下所示，因OpenCV是按照BGR进行读取的。
b, g, r = cv2.split(img)
m = cv2.merge([r, g, b])
cv2.imshow(“Merge”, m)

同时，可以提取图像的不同颜色，提取B颜色通道，G、B通道设置为0，则显示蓝色。代码如下所示：
# -*- coding:utf-8 -*- import cv2 import numpy as np #读取图片 img = cv2.imread(
"test.jpg", cv2.IMREAD_UNCHANGED) rows, cols, chn = img.shape #拆分通道 b = cv2.
split(img)[0] g = np.zeros((rows,cols),dtype=img.dtype) r = np.zeros((rows,cols)
,dtype=img.dtype) #合并通道 m = cv2.merge([b, g, r]) cv2.imshow("Merge", m) #等待显示
cv2.waitKey(0) cv2.destroyAllWindows()
蓝色通道输出结果如下所示：

绿色通道核心代码及输出结果如下所示：
rows, cols, chn = img.shape
b = np.zeros((rows,cols),dtype=img.dtype)
g = cv2.split(img)[1]
r = np.zeros((rows,cols),dtype=img.dtype)
m = cv2.merge([b, g, r])

红色通道修改方法与上面类似。
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 2018-08-29 早10点 https://blog.csdn.net/Eastmount/）
<https://blog.csdn.net/Eastmount/%EF%BC%89>

• « 上一篇：道LOT--史上最简单的物联网系统
• » 下一篇：NodeJS区块链实践（1）Nodejs搭建简易区块链