該系列文章是講解Python OpenCV影象處理知識，前期主要講解影象入門、OpenCV基礎用法，中期講解影象處理的各種演算法，包括影象銳化運算元、影象增強技術、影象分割等，後期結合深度學習研究影象識別、影象分類應用。希望文章對您有所幫助，如果有不足之處，還請海涵~

同時推薦作者的C++影象系列知識：
[數字影象處理] 一.MFC詳解顯示BMP格式圖片
[數字影象處理] 二.MFC單文件分割視窗顯示圖片
[數字影象處理] 三.MFC實現影象灰度、取樣和量化功能詳解
[數字影象處理] 四.MFC對話方塊繪製灰度直方圖
[數字影象處理] 五.MFC影象點運算之灰度線性變化、灰度非線性變化、閾值化和均衡化處理詳解
[數字影象處理] 六.MFC空間幾何變換之影象平移、映象、旋轉、縮放詳解
[數字影象處理] 七.MFC影象增強之影象普通平滑、高斯平滑、Laplacian、Sobel、Prewitt銳化詳解

前文參考：
[Python影象處理] 一.影象處理基礎知識及OpenCV入門函式
[Python影象處理] 二.OpenCV+Numpy庫讀取與修改畫素

本篇文章主要講解Python呼叫OpenCV獲取影象屬性，擷取感興趣ROI區域，處理影象通道。全文均是基礎知識，希望對您有所幫助。知識點如下：
1.獲取影象屬性
2.獲取感興趣ROI區域
3.影象通道處理

PSS：2019年1~2月作者參加了CSDN2018年部落格評選，希望您能投出寶貴的一票。我是59號，Eastmount，楊秀璋。投票地址：https://bss.csdn.net/m/topic/blog_star2018/index

五年來寫了314篇部落格，12個專欄，是真的熱愛分享，熱愛CSDN這個平臺，也想幫助更多的人，專欄包括Python、資料探勘、網路爬蟲、影象處理、C#、Android等。現在也當了兩年老師，更是覺得有義務教好每一個學生，讓貴州學子好好寫點程式碼，學點技術，"師者，傳到授業解惑也"，提前祝大家新年快樂。2019我們攜手共進，為愛而生。

---

一.獲取影象屬性

1.形狀-shape
通過shape關鍵字獲取影象的形狀，返回包含行數、列數、通道數的元祖。其中灰度影象返回行數和列數，彩色影象返回行數、列數和通道數。如下圖所示：

# -*- coding:utf-8 -*-
import cv2
import numpy

#讀取圖片
img = cv2.imread("test.jpg", cv2.IMREAD_UNCHANGED)

#獲取影象形狀
print(img.shape)

#顯示影象
cv2.imshow("Demo", img)

#等待顯示
cv2.waitKey(0)
cv2.destroyAllWindows()

輸出結果如下圖所示：(445L, 670L, 3L)，該圖共445行、670列畫素，3個通道。

2.畫素數目-size
通過size關鍵字獲取影象的畫素數目，其中灰度影象返回行數 * 列數，彩色影象返回行數 * 列數 * 通道數。程式碼如下：

# -*- coding:utf-8 -*-
import cv2
import numpy

#讀取圖片
img = cv2.imread("test.jpg", cv2.IMREAD_UNCHANGED)

#獲取影象形狀
print(img.shape)

#獲取畫素數目
print(img.size)

輸出結果：
(445L, 670L, 3L)
894450

3.影象型別-dtype
通過dtype關鍵字獲取影象的資料型別，通常返回uint8。程式碼如下：

# -*- coding:utf-8 -*-
import cv2
import numpy

#讀取圖片
img = cv2.imread("test.jpg", cv2.IMREAD_UNCHANGED)

#獲取影象形狀
print(img.shape)

#獲取畫素數目
print(img.size)

#獲取影象型別
print(img.dtype)

輸出結果：
(445L, 670L, 3L)
894450
uint8

---

二.獲取感興趣ROI區域

ROI（Region of Interest）表示感興趣區域。它是指從被處理影象以方框、圓形、橢圓、不規則多邊形等方式勾勒出需要處理的區域。可以通過各種運算元（Operator）和函式求得感興趣ROI區域，並進行影象的下一步處理，被廣泛應用於熱點地圖、人臉識別、影象分割等領域。

通過畫素矩陣可以直接獲取ROI區域，如img[200:400, 200:400]。

程式碼如下：

# -*- coding:utf-8 -*-
import cv2
import numpy as np

#讀取圖片
img = cv2.imread("test.jpg", cv2.IMREAD_UNCHANGED)

#定義200*100矩陣 3對應BGR
face = np.ones((200, 100, 3))

#顯示原始影象
cv2.imshow("Demo", img)

#顯示ROI區域
face = img[200:400, 200:300]
cv2.imshow("face", face)

#等待顯示
cv2.waitKey(0)
cv2.destroyAllWindows()

輸出結果如下圖所示：

下面將提取的ROI影象進行融合實驗，程式碼如下：

# -*- coding:utf-8 -*-
import cv2
import numpy as np

#讀取圖片
img = cv2.imread("test.jpg", cv2.IMREAD_UNCHANGED)

#定義300*100矩陣 3對應BGR
face = np.ones((200, 200, 3))

#顯示原始影象
cv2.imshow("Demo", img)

#顯示ROI區域
face = img[100:300, 150:350]
img[0:200,0:200] = face
cv2.imshow("face", img)

#等待顯示
cv2.waitKey(0)
cv2.destroyAllWindows()

將提取的頭部融合至影象左上角部分，如下圖所示：

如果想將兩張影象進行融合，只需再讀取一張影象即可，方法原理類似。 實現程式碼如下：

# -*- coding:utf-8 -*-
import cv2
import numpy as np

#讀取圖片
img = cv2.imread("test.jpg", cv2.IMREAD_UNCHANGED)
test = cv2.imread("test3.jpg", cv2.IMREAD_UNCHANGED)

#定義300*100矩陣 3對應BGR
face = np.ones((200, 200, 3))

#顯示原始影象
cv2.imshow("Demo", img)

#顯示ROI區域
face = img[100:300, 150:350]
test[400:600,400:600] = face
cv2.imshow("Pic", test)

#等待顯示
cv2.waitKey(0)
cv2.destroyAllWindows()

輸出結果如下圖所示：

---

三.影象通道處理

1.通道拆分
OpenCV讀取的彩色影象由B、G、R三原色組成，可以通過下面程式碼獲取不同的通道。
b = img[:, :, 0]
g = img[:, :, 1]
r = img[:, :, 2]

也可以使用split()函式拆分通道，下面是拆分不同通道再顯示的程式碼。

# -*- coding:utf-8 -*-
import cv2
import numpy as np

#讀取圖片
img = cv2.imread("test.jpg", cv2.IMREAD_UNCHANGED)

#拆分通道
b, g, r = cv2.split(img)

#顯示原始影象
cv2.imshow("B", b)
cv2.imshow("G", g)
cv2.imshow("R", r)
           
#等待顯示
cv2.waitKey(0)
cv2.destroyAllWindows()

輸出結果如下圖所示：

也可以獲取不同的通道，核心程式碼如下所示： b = cv2.split(a)[0] g = cv2.split(a)[1] r = cv2.split(a)[2]

2.通道合併
影象通道合併主要呼叫merge()函式實現，核心程式碼如下：
m = cv2.merge([b, g, r])

# -*- coding:utf-8 -*-
import cv2
import numpy as np

#讀取圖片
img = cv2.imread("test.jpg", cv2.IMREAD_UNCHANGED)

#拆分通道
b, g, r = cv2.split(img)

#合併通道
m = cv2.merge([b, g, r])
cv2.imshow("Merge", m)
           
#等待顯示
cv2.waitKey(0)
cv2.destroyAllWindows()

輸出結果如下：

注意，如果是合併[r,g,b]三通道，則顯示如下所示，因OpenCV是按照BGR進行讀取的。
b, g, r = cv2.split(img)
m = cv2.merge([r, g, b])
cv2.imshow(“Merge”, m)

同時，可以提取影象的不同顏色，提取B顏色通道，G、B通道設定為0，則顯示藍色。程式碼如下所示：

# -*- coding:utf-8 -*-
import cv2
import numpy as np

#讀取圖片
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)

#合併通道
m = cv2.merge([b, g, r])
cv2.imshow("Merge", m)
           
#等待顯示
cv2.waitKey(0)
cv2.destroyAllWindows()

藍色通道輸出結果如下所示：

綠色通道核心程式碼及輸出結果如下所示：
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])

紅色通道修改方法與上面類似。
希望文章對大家有所幫助，如果有錯誤或不足之處，還請海涵。
（By：Eastmount 2018-08-29 早10點 https://blog.csdn.net/Eastmount/）