1.图片的表示与存储
图片以矩阵的形式存在电脑里,需要用到数组操作来完成对图像的处理。
np.ones(size) #可以创建任意维度的数组,各个元素值均为1
2
3 np.zeros(size,dtype) #同上,但各个元素值为0.默认元素类型为浮点数
使用示例:
img = np.zeros([256, 256, 3], np.uint8)
#创建长宽为256的图片,三通道(BGR),像素大小为8位无符号整数
img[: , : , 0] = np.ones([256,256])*255
#设置图片的颜色B通道为255,也就是蓝色
cv.imshow("new image", img)
#单通道的灰度图像
img1 = np.ones([400, 400, 1], np.uint8)
img1 = img1 * 147
cv.imshow("new image", img1)
示例:
m1 = np.ones([30, 30], np.uint8) #创建单通道的灰度图形
m1.fill(12)
print(m1)
cv.imshow("m1", m1)
#reshape注意size大小匹配 30*30=10*90
m2 = m1.reshape([10,90])
print(m2)
cv.imshow("m2", m2)
2.对像素pixel的操作
主要有两种形式:遍历和API的方式。
def access_pixels(image):
2 print(image.shape)
3 height = image.shape[0]
4 width = image.shape[1]
5 channels = image.shape[2]
6 print("width : %s, height : %s, channels : %s" %(width, height, channels))
7 for i in range(height):
8 for j in range(width):
9 for k in range(channels):
10 pv = 255 - image[i, j, k]
11 image[i, j, k] = pv
12 cv.imshow("pixels_demo", image)
13
14
15 def inverse(image):
16 #和上一个函数的for循环功能类似
17 dst = cv.bitwise_not(image)
18 cv.imshow("inverse demo", dst)
这时,你会发现使用API比循环遍历快不少。
3.计算函数运行时间
t1 = cv.getTickCount()
2 access_pixels(src) #需要测试时间的函数
3 t2 = cv.getTickCount()
4 time = (t2-t1)/cv.getTickFrequency()
5 print("time : %s ms" %(time*1000))