Python 影像處理 OpenCV （3）：影像屬性、影像感興趣 ROI 區域及通道處理

極客挖掘機發表於2020-05-21

PythonOpenCV

前文傳送門：

「Python 影像處理 OpenCV （1）：入門」

「Python 影像處理 OpenCV （2）：畫素處理與 Numpy 操作以及 Matplotlib 顯示影像」

影像屬性

影像屬性包括行數，列數和通道數，影像資料型別，畫素數等。

1. 形狀：shape

影像的形狀可以通過 shape 關鍵字進行獲取，使用 shape 關鍵的後，獲取的資訊包括行數、列數、通道數的元祖。

需要注意的是，如果是灰度圖片，只會返回影像的行數和列數，而彩色圖片才會影像的行數、列數和通道數。

示例如下：

import cv2 as cv

# 讀取彩色圖片
color_img = cv.imread("maliao.jpg", cv.IMREAD_ANYCOLOR)

print(color_img.shape)

# 結果列印
(310, 560, 3)

# 讀取灰度圖片
gray_img = cv.imread("maliao.jpg", cv.IMREAD_GRAYSCALE)

print(gray_img.shape)

# 結果列印
(310, 560)

2. 畫素數量：size

影像的畫素數量可以通過關鍵字 size 進行獲取。

同樣需要注意的是，灰度圖片的畫素數量是要小於彩色圖片的，具體的關係是 1/3 。

import cv2 as cv

# 讀取彩色圖片
color_img = cv.imread("maliao.jpg", cv.IMREAD_ANYCOLOR)

print(color_img.size)

# 結果列印
520800

# 讀取灰度圖片
gray_img = cv.imread("maliao.jpg", cv.IMREAD_GRAYSCALE)

print(gray_img.size)

# 結果列印
173600

3. 影像型別-dtype

影像型別是通過關鍵字 dtype 獲取的，通常返回 uint8 ，這個屬性在彩色圖片和灰度圖片中是保持一致的。

注意 dtype 在除錯時非常重要，因為 OpenCV-Python 程式碼中的大量錯誤是由無效的資料型別引起的。

import cv2 as cv

# 讀取彩色圖片
color_img = cv.imread("maliao.jpg", cv.IMREAD_ANYCOLOR)

print(color_img.dtype)

# 結果列印
uint8

# 讀取灰度圖片
gray_img = cv.imread("maliao.jpg", cv.IMREAD_GRAYSCALE)

print(gray_img.dtype)

# 結果列印
uint8

獲取影像感興趣 ROI 區域

ROI（Region of Interest）表示感興趣區域。

它是指從被處理影像以方框、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，並進行影像的下一步處理，被廣泛應用於熱點地圖、人臉識別、影像分割等領域。

如果我們要對於影像中的眼睛檢測，首先對整個影像進行人臉檢測。在獲取人臉影像時，我們只選擇人臉區域，搜尋其中的眼睛，而不是搜尋整個影像。它提高了準確性(因為眼睛總是在面部上:D )和效能(因為我們搜尋的區域很小)。

我們通過畫素矩陣可以直接得到 ROI 區域，如： img[200:400, 200:400] 。

比如下面這個示例我們獲取馬里奧的臉，然後再把它顯示出來：

import cv2 as cv

img = cv.imread("maliao.jpg", cv.IMREAD_UNCHANGED)

face = img[10:175, 100:260]

# 原始影像顯示
cv.imshow("demo", img)

# 馬里奧的臉顯示
cv.imshow("face", face)

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

它的結果如下：

如果我們要把這兩張影像合成一張影像，可以對影像進行區域賦值：

import cv2 as cv

img = cv.imread("maliao.jpg", cv.IMREAD_UNCHANGED)

# 獲取 ROI 區域
face = img[10:175, 100:260]
# 影像賦值
img[0:165, 0:160] = face

# 原始影像顯示
cv.imshow("demo", img)

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

結果如下：

這裡我稍微偷點懶，直接就把 ROI 區域放在了圖片的左上角，這個位置可以隨意指定，但是指定的區域要和 ROI 的區域一樣大，否則會報一個 ValueError 的錯誤。

拆分和合並影像通道

1. 拆分影像通道

有些時候，我們需要分別處理影像的 B，G，R 通道。的通道，用 PS 摳過圖的人應該都清楚摳圖的時候可以使用單通道進行摳圖操作。

將影像的通道拆分出來可以使用 split() 函式，如下：

import cv2 as cv

img = cv.imread("maliao.jpg", cv.IMREAD_UNCHANGED)

#拆分通道
b, g, r = cv.split(img)

# 分別顯示三個通道的影像
cv.imshow("B", b)
cv.imshow("G", g)
cv.imshow("R", r)

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

結果如下：

可以看到，三個通道的影像看起來都是灰白色的，這個玩過 PS 的人應該都很熟悉。

除了使用 split() 函式獲取影像通道，還可以通過索引進行獲取，程式碼如下：

b = img[:, :, 0]
g = img[:, :, 1]
r = img[:, :, 2]

如果需要將所有紅色畫素都設定為零，無需先拆分通道，索引更快：

img[:, :, 2] = 0

注意： split() 函式是一項耗時的操作（就時間而言）。因此，僅在必要時才這樣做。否則請進行Numpy索引。

2. 合併影像通道

合併影像通道我們使用函式 merge() ，示例如下：

import cv2 as cv

img = cv.imread("maliao.jpg", cv.IMREAD_UNCHANGED)

# 拆分通道
b, g, r = cv.split(img)

# 合併影像通道
m = cv.merge([r, g, b])

cv.imshow('merge', m)

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

結果如下：

這裡如果是按照 [r, g, b] 進行影像通道合併，我們的馬里奧就會變身成為藍精靈，因為 OpenCV 是按照 BGR 讀取的，如果想要顯示會原圖，合併的時候也按照 [b, g, r] 合併即可，如下：

如果我們想要做一個真正的藍精靈，可以只提取 B 顏色通道，其餘兩個 G 、 R 通道全部設定為 0 ，這樣，我們就獲得了一個真正的藍精靈（整個影像只有藍色通道），程式碼如下：

import cv2 as cv
import numpy as np

# 讀取圖片
img = cv.imread("maliao.jpg", cv.IMREAD_UNCHANGED)
rows, cols, chn = img.shape

# 拆分通道
b = img[:, :, 0]
g = np.zeros((rows,cols), dtype=img.dtype)
r = np.zeros((rows,cols), dtype=img.dtype)

# 合併影像通道
m = cv.merge([b, g, r])

cv.imshow('merge', m)

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

結果如下：