2.1 图像的基本操作

翻译及二次校对：cvtutorials.com

编辑者：廿瓶鲸（和鲸社区Siby团队成员）

目标

学会:

• 访问像素值并修改它们
• 访问图像属性
• 设置感兴趣的区域（ROI）
• 分割和合并图像

本节中几乎所有的操作都主要与Numpy而不是OpenCV有关。要想用OpenCV写出更好的优化代码，需要有良好的Numpy知识。

（例子将在Python终端中显示，因为大多数只是单行的代码）

访问和修改像素值

让我们先加载一个彩色图像。

>>> import numpy as np
>>> import cv2 as cv
>>> img = cv.imread('messi5.jpg')

你可以通过其行和列坐标来访问一个像素值。对于BGR图像，它返回一个蓝、绿、红值的数组。对于灰度图像，只返回相应的强度。

>>> px = img[100,100]
>>> print( px )
[157 166 200]
# accessing only blue pixel
>>> blue = img[100,100,0]
>>> print( blue )
157

你可以用同样的方法修改像素值。

>>> img[100,100] = [255,255,255]
>>> print( img[100,100] )
[255 255 255]

警告：Numpy是一个用于快速数组计算的优化库。因此，简单地访问每一个像素值并对其进行修改将是非常缓慢的，我们不鼓励这样做。

注释：上述方法通常用于选择一个数组的某个区域，例如前5行和后3列。对于单个像素的访问，Numpy数组方法，array.item()和array.itemset()被认为更好。然而，它们总是返回一个标量，所以如果你想访问所有的B、G、R值，你将需要为每个值分别调用array.item()。

更好的像素访问和编辑方法:

# accessing RED value
>>> img.item(10,10,2)
59
# modifying RED value
>>> img.itemset((10,10,2),100)
>>> img.item(10,10,2)
100

访问图像属性

图像属性包括行、列和通道的数量；图像数据的类型；像素的数量等。

图像的形状是由img.shape访问的。它返回一个包含行数、列数和通道数（如果图像是彩色的）的元组。

>>> print( img.shape )
(342, 548, 3)

如果一个图像是灰度的，返回的元组只包含行和列的数量，所以这是一个很好的方法来检查加载的图像是灰度还是彩色。

总像素数由Img.size访问。

>> print( img.size )
562248

图像数据类型由img.type获得。

>> print( img.dtype )
uint8

注意:img.dtype在调试时非常重要，因为OpenCV-Python代码中大量的错误是由无效的数据类型引起的。

图像ROI

有时，你必须对图像的某些区域进行处理。对于图像中的眼睛检测，首先在整个图像上进行人脸检测。当得到一个人脸时，我们单独选择人脸区域并在其中搜索眼睛，而不是搜索整个图像。它提高了准确性（因为眼睛总是在脸上）和性能（因为我们在一个小区域内搜索）。

使用Numpy索引再次获得ROI。这里我选择了球，并将其复制到图像的另一个区域。

>> ball = img[280:340, 330:390] 
>> img[273:333, 100:160] = ball

看看下面的结果:

分割和合并图像通道

有时你需要分别处理图像的B、G、R通道。在这种情况下，你需要将BGR图像分割成单个通道。在其他情况下，你可能需要将这些单独的通道连接起来以创建一个BGR图像。你可以通过以下方式简单地做到这一点。

>>> b,g,r = cv.split(img)
>>> img = cv.merge((b,g,r))

或者：

>>> b = img[:,:,0]

假设你想把所有的红色像素设置为零–你不需要先分割通道。Numpy索引的速度更快。

>>> img[:,:,2] = 0

警告：cv.split()是一个耗时的操作。所以只有在必要时才使用它。否则，请使用Numpy索引。

为图像制作边框（填充）

如果你想在图像周围创建一个边框，类似于一个相框，你可以使用cv.copyMakeBorder()。但它在卷积操作、零填充等方面有更多应用。这个函数需要以下参数。

• src - 输入图像
• top, bottom, left, right - 相应方向的边框宽度，以像素数计
• borderType - 定义要添加的边界类型的标志。它可以是以下类型： cv.BORDER_CONSTANT - 添加一个恒定颜色的边框。该值应作为下一个参数给出； cv.BORDER_REFLECT - 边框将是边框元素的镜像反射，像这样：Fedcba|abcdefgh|hgfedcb； cv.BORDER_REFLECT_101 或 cv.BORDER_DEFAULT - 与上述相同，但有轻微变化，像这样：gfedcb|abcdefgh|gfedcba； cv.BORDER_REPLICATE - 最后一个元素被整体复制，像这样：aaaaa|abcdefgh|hhhhh； cv.BORDER_WRAP - 无法解释，看起来会像这样：cdefgh|abcdefgh|abcdefg；
• value - 如果边框类型是cv.BORDER_CONSTANT，它指的是边框的颜色。

下面是一个演示所有这些边框类型的示例代码，以便更好地理解:

import cv2 as cv
import numpy as np
from matplotlib import pyplot as plt
BLUE = [255,0,0]
img1 = cv.imread('opencv-logo.png')
replicate = cv.copyMakeBorder(img1,10,10,10,10,cv.BORDER_REPLICATE)
reflect = cv.copyMakeBorder(img1,10,10,10,10,cv.BORDER_REFLECT)
reflect101 = cv.copyMakeBorder(img1,10,10,10,10,cv.BORDER_REFLECT_101)
wrap = cv.copyMakeBorder(img1,10,10,10,10,cv.BORDER_WRAP)
constant= cv.copyMakeBorder(img1,10,10,10,10,cv.BORDER_CONSTANT,value=BLUE)
plt.subplot(231),plt.imshow(img1,'gray'),plt.title('ORIGINAL')
plt.subplot(232),plt.imshow(replicate,'gray'),plt.title('REPLICATE')
plt.subplot(233),plt.imshow(reflect,'gray'),plt.title('REFLECT')
plt.subplot(234),plt.imshow(reflect101,'gray'),plt.title('REFLECT_101')
plt.subplot(235),plt.imshow(wrap,'gray'),plt.title('WRAP')
plt.subplot(236),plt.imshow(constant,'gray'),plt.title('CONSTANT')
plt.show()

请看下面的结果。(图片是用matplotlib显示的。所以红色和蓝色通道将被替换）。

2.2 图像上的算术操作

翻译及二次校对：cvtutorials.com

目标

• 学习图像上的几种算术运算，如加法、减法、位运算等。
• 学习这些函数：cv.add(), cv.addWeighted(), 等等。

图像加法

你可以用OpenCV函数cv.add()将两幅图像相加，或者简单地用numpy操作res = img1 + img2。两幅图像应该是相同的深度和类型，或者第二幅图像可以只是一个标量值。

注意:OpenCV的加法和Numpy的加法是有区别的。OpenCV加法是一个饱和操作，而Numpy加法是一个模数操作。

例如，考虑下面的例子:

>>> x = np.uint8([250])
>>> y = np.uint8([10])
>>> print( cv.add(x,y) ) # 250+10 = 260 => 255
[[255]]
>>> print( x+y )          # 250+10 = 260 % 256 = 4
[4]

当你添加两张图片时，这将更加明显。请使用OpenCV函数，因为它们会提供一个更好的结果。

图像混合

这也是图像添加，但对图像给予不同的权重，以便给人以混合或透明的感觉。图像的添加是按照下面的公式进行的:
g ( x ) = ( 1 − α ) f 0 ( x ) + α f 1 ( x ) g(x) = (1 - \alpha)f_{0}(x) + \alpha f_{1}(x) g(x)=(1−α)f0​(x)+αf1​(x)

通过改变α从0→1，你可以在一个图像和另一个图像之间进行很酷的过渡。

这里我取了两张图片来混合。第一张图片的权重为0.7，第二张图片的权重为0.3。cv.addWeighted()对图片应用了以下公式。
$$dst=\alpha \cdot img1+\beta \cdot img2+\gamma$$

这里的γ取0。

img1 = cv.imread('ml.png')
img2 = cv.imread('opencv-logo.png')
dst = cv.addWeighted(img1,0.7,img2,0.3,0)
cv.imshow('dst',dst)
cv.waitKey(0)
cv.destroyAllWindows()

请看下面的结果:

位操作

这包括按位的AND、OR、NOT和XOR操作。它们在提取图像的任何部分（正如我们将在接下来的章节中看到的那样）、定义和处理非矩形的ROI等方面将非常有用。下面我们将看到一个如何改变图像中某一区域的例子。

我想把OpenCV的标志放在一张图片上面。如果我将两张图片相加，它将改变颜色。如果我把它们混合起来，我就会得到一个透明的效果。但我希望它是不透明的。如果它是一个矩形区域，我可以像我们在上一章做的那样使用ROI。但是OpenCV的标志不是一个矩形的形状。所以你可以用位操作来做，如下图所示。

# Load two images
img1 = cv.imread('messi5.jpg')
img2 = cv.imread('opencv-logo-white.png')
# I want to put logo on top-left corner, So I create a ROI
rows,cols,channels = img2.shape
roi = img1[0:rows, 0:cols]
# Now create a mask of logo and create its inverse mask also
img2gray = cv.cvtColor(img2,cv.COLOR_BGR2GRAY)
ret, mask = cv.threshold(img2gray, 10, 255, cv.THRESH_BINARY)
mask_inv = cv.bitwise_not(mask)
# Now black-out the area of logo in ROI
img1_bg = cv.bitwise_and(roi,roi,mask = mask_inv)
# Take only region of logo from logo image.
img2_fg = cv.bitwise_and(img2,img2,mask = mask)
# Put logo in ROI and modify the main image
dst = cv.add(img1_bg,img2_fg)
img1[0:rows, 0:cols ] = dst
cv.imshow('res',img1)
cv.waitKey(0)
cv.destroyAllWindows()

请看下面的结果。左图是我们创建的遮罩。右图是最终的结果。为了更好地理解，显示上述代码中的所有中间图像，特别是img1_bg和img2_fg。

练习

使用cv.addWeighted函数创建一个文件夹中图片的幻灯片，并在图片之间平滑过渡。

2.3 性能测量和改进技术

翻译及二次校对：cvtutorials.com

目标

在图像处理中，由于你要每秒处理大量操作，你的代码不仅要提供正确的解决方案，而且要以最快的方式提供，这是必须的。因此，在本章中，你将学习：

• 测试代码的性能。
• 一些提高代码性能的技巧。
• 你会看到这些函数：cv.getTickCount, cv.getTickFrequency，等等。

除了OpenCV之外，Python还提供了一个模块time，这对测量执行时间很有帮助。另一个模块profile有助于获得代码的详细报告，比如代码中每个函数花了多少时间，函数被调用了多少次，等等。但是，如果你使用的是IPython，所有这些功能都以一种用户友好的方式整合在一起。我们将看到一些重要的功能，更多的细节，请查看附加资源部分的链接。

用OpenCV测量性能

cv.getTickCount函数返回一个参考事件（比如机器被打开的那一刻）到这个函数被调用的那一刻之后的时钟周期的数量。因此，如果你在函数执行之前和之后调用它，你可以得到执行一个函数所使用的时钟周期数。

cv.getTickFrequency函数返回时钟周期的频率，或每秒的时钟周期数。所以要找到以秒为单位的执行时间，你可以做以下工作。

e1 = cv.getTickCount()
# your code execution
e2 = cv.getTickCount()
time = (e2 - e1)/ cv.getTickFrequency()

我们将用下面的例子来证明。下面的例子应用中值滤波，其内核大小从5到49不等。 不要担心结果会是什么样子–那不是我们的目标:

img1 = cv.imread('messi5.jpg')
e1 = cv.getTickCount()
for i in range(5,49,2):
    img1 = cv.medianBlur(img1,i)
e2 = cv.getTickCount()
t = (e2 - e1)/cv.getTickFrequency()
print( t )
# Result I got is 0.521107655 seconds

你可以用时间模块做同样的事情。不使用cv.getTickCount，而使用time.time()函数。然后取这两个时间的差值。

OpenCV中的默认优化

OpenCV的许多函数都使用SSE2，AVX等进行了优化。它也包含未经优化的代码。因此，如果我们的系统支持这些功能，我们应该利用它们（几乎所有的现代处理器都支持它们）。在编译的时候，它是默认启用的。所以，如果OpenCV启用了优化代码，它就会运行优化的代码，否则就会运行未优化的代码。你可以使用cv.useOptimized()来检查它是否被启用/禁用，cv.setUseOptimized()来启用/禁用它。让我们看一个简单的例子。

In [10]: x = 5
In [11]: %timeit y=x**2
10000000 loops, best of 3: 73 ns per loop
In [12]: %timeit y=x*x
10000000 loops, best of 3: 58.3 ns per loop
In [15]: z = np.uint8([5])
In [17]: %timeit y=z*z
1000000 loops, best of 3: 1.25 us per loop
In [19]: %timeit y=np.square(z)
1000000 loops, best of 3: 1.16 us per loop

你可以看到，x = 5 ; y = x*x是最快的，与Numpy相比，它大约快20倍。如果你也考虑到数组的创建，它可能达到100倍的速度。(Numpy的开发者们正在解决这个问题)。

注意:Python的标量操作要比Numpy的标量操作快。所以对于包括一个或两个元素的操作，Python标量比Numpy数组更好。当数组的大小稍微大一点时，Numpy有优势。

我们将再试一个例子。这一次，我们将比较cv.countNonZero()和np.count_nonzero()对同一图像的性能:

In [35]: %timeit z = cv.countNonZero(img)
100000 loops, best of 3: 15.8 us per loop
In [36]: %timeit z = np.count_nonzero(img)
1000 loops, best of 3: 370 us per loop

看，OpenCV函数比Numpy函数快了近25倍。

注意:通常情况下，OpenCV函数比Numpy函数快。所以对于同样的操作，OpenCV函数是首选。但是，也可能有例外，特别是当Numpy使用视图而不是拷贝时。

更多的IPython魔法命令

还有其他一些神奇的命令来测量性能、剖析、行剖析、内存测量等等。它们都有很好的文档。所以这里只提供这些文档的链接。建议有兴趣的读者可以尝试一下。

性能优化技术

有几种技术和编码方法可以发挥Python和Numpy的最大性能。这里只指出了相关的技术和方法，并给出了重要来源的链接。这里需要注意的是，首先尝试以一种简单的方式实现算法。一旦它开始工作，对它进行剖析，找到瓶颈，并对其进行优化。

1.尽可能避免在Python中使用循环，特别是双倍/三倍循环等。它们本身就很慢。
2.尽可能地将算法/代码矢量化，因为Numpy和OpenCV是为矢量操作而优化的。
3.利用高速缓存的一致性。
4.除非有必要，否则不要对数组进行复制。尽量使用视图来代替。阵列的复制是一个昂贵的操作。

如果你的代码在做完所有这些操作后仍然很慢，或者不可避免地要使用大的循环，请使用额外的库，如Cython，使其更快。

额外的资源

• Python优化技术
• Scipy讲义–高级Numpy
• IPython中的计时和剖析