文章目录
- 明确opencv的彩色图片读取返回的数据主要包含什么（是一个numpy数组）
- 如何访问像素
- 修改像素信息（包含图像数据类型的查看——.dtype）
- 读取和修改像素的展示
- 实现代码
- 关于图片读取后的像素信息读取的其他方法
- 对于单个像素的访问——item
- 对于单个像素的修改itemset
- 访问图像信息——访问img的数组信息（shape）
- 总结
明确opencv的彩色图片读取返回的数据主要包含什么（是一个numpy数组）
import cv2
img = cv2.imread(r"./imag_in_save/open_class.png") # 读取彩色图片在读取返回的img中主要是像素信息，包含BGR颜色数据，以及行列参数和当前通道数。
我们可以通过行列区访问某一像素的信息等操作。
除了彩色图片以外，我们有时读取灰度图像时候——除了行列参数外，返回的是相应的强度。
import cv2
img = cv2.imread(r"./imag_in_save/open_class.png", 0) # 读取灰度图片如何访问像素
我们可以从读取返回的img中得到像素的颜色（BGR）信息
color_t = img[200, 120]直接通过对img的行列搜索得到该点的像素颜色——这里是彩色照片
打印的结果：print(color_t, color_t.dtype)
所以，我补充一下，我们返回的img实际上是具有数据类型属性的——并且图片的像素信息，一般为uint8——这也是，为什么我们创建黑色背景图片时采用numpy的array产生一个指定形状（shape）的数据类型为numpy.uint8的多维数组的原因！！！
修改像素信息（包含图像数据类型的查看——.dtype）
我们既然可以得到，同样的也可以通过对行列索引的img实现赋值来修改像素颜色信息等~
import cv2 as cv
import numpy as np
img = cv.imread('./imag_in_save/open_class.png')
color_t = img[200, 120] # 原始数据
print(color_t, color_t.dtype)
# 修改该位置像素信息
img[200, 120] = [255, 0, 255] # 它会在赋值时自动转为uint8
color_t = img[200, 120]
print(color_t, color_t.dtype)打印的结果：第二行数据，说明该位置的像素颜色数据得到的修改
读取和修改像素的展示
实现代码
import cv2 as cv
import numpy as np
if __name__ == "__main__":
img = cv.imread('./imag_in_save/open_class.png') # 修改成自己的图片就好
color_t = img[200, 120] # 图片修改后，位置可能需要调整下——因为如果刚好读取到颜色不明显的地方，显示就不形象了
b, g, r = color_t
cv.namedWindow('imag', cv.WINDOW_NORMAL)
cv.resizeWindow('imag', 500, 500)
cv.putText(img, f'{color_t}', (20, 40), cv.FONT_HERSHEY_COMPLEX_SMALL, 2, (int(b), int(g), int(r)), 2, cv.LINE_AA) # 在图像上绘字
img[200, 120] = [255, 0, 255] # 修改像素颜色——它会在赋值时自动转为uint8
color_t = img[200, 120]
b, g, r = color_t
cv.putText(img, f'{color_t}', (20, 140), cv.FONT_HERSHEY_COMPLEX_SMALL, 2, (int(b), int(g), int(r)), 2, cv.LINE_AA)
cv.imshow('imag', img)
cv.waitKey(0)
cv.destroyAllWindows()关于图片读取后的像素信息读取的其他方法
对于单个像素的访问——item
array.item()——作为numpy数组的方法，在opencv中imread返回的img也是适用的——因为返回的就是一个numpy数组哦（再次加深影响）——不过呢，item方法返回的是某一个通道的值（所以要获取一个像素的全部颜色信息需要对BGR分别采用该方法3次）
item()参数：
- 参数形式——是既包含行列，又包含通道数的——（x, y, n）：n对于彩色图片而言有:0->B色值,1->G色值,2->R色值！！！
代码展示一下：
import cv2 as cv
import numpy as np
img = cv.imread('./imag_in_save/open_class.png')
print(img.item(200, 120, 0)) # [200, 120]位置的B值
print(img.item(200, 120, 1)) # [200, 120]位置的G值
print(img.item(200, 120, 2)) # [200, 120]位置的R值打印结果：与之前相同位置的颜色信息比较，发现完全一致——所以这就告诉我们，opencv的使用，必然会与numpy息息相关！
对于单个像素的修改itemset
array.itemset()实现对某个像素的某一个通道值进行设置——同样的，完整修改一个像素点全部信息，需要三次不同的通道调用！！！
array.itemset()参数：
- 参数形式为——位置通道元组+修改值: 如((200, 120, 0), 100)
代码展示一下：
import cv2 as cv
import numpy as np
img = cv.imread('./imag_in_save/open_class.png')
print("原始[200, 120]位置的B值: "+str(img.item(200, 120, 0))) # 打印原始[200, 120]位置的B值
set_value = 100
print("设置的[200, 120]位置的B值: "+str(set_value))
img.itemset((200, 120, 0), 100) # 设置[200, 120]位置的B值为100
print("现在[200, 120]位置的B值: "+str(img.item(200, 120, 0))) # 打印现在[200, 120]位置的B值打印结果：发现确实更改了指定位置的指定通道的值
访问图像信息——访问img的数组信息（shape）
直接上代码：
import cv2 as cv
import numpy as np
if __name__ == "__main__":
img = cv.imread('./imag_in_save/open_class.png')
print(img.shape)打印结果:（返回的是该array数组的形状——表示行列和通道数——这是对于彩色图片的）
针对这个特性——可以推出，灰度图片判别的方式之一是，shape是否含有通道数——无的话，就是灰度图像了。
总结
我们imread方法返回的数据是一个numpy的array数组，是多维度的——介于这个特性，我们可以对图像进行很多科学计算——以上的像素处理仅仅是基础应用，或者说熟悉如何去处理像素信息，像素是什么的认识。在后边，慢慢接触，可能会有更多的类似图像复制，拼接图像，检测特征等。
总之，numpy的方法，对opencv都是适用的——
比如采用numpy.zeros()方法创建指定大小的黑色图片:img = np.zeros((512, 512, 3), np.uint8)
从这里，也可以看出，图像的基本数据类型是uint8，和彩色图片的数组形状——也就是行列，以及彩色图片必含的3个通道数（BGR）
