本文共 2035 字，大约阅读时间需要 6 分钟。
在开始之前我们先来说一下彩色图像的组成：我们现在看到的所有彩色图像都是可以由三原色按照一定的比例混合得来的，也就是说只要我们知道了三原色的比例，就可以调制出某种颜色。我们用小方块组合在一起，许许多多的小方块就可以拼凑出一个图像来，所以我们就有了用数组来表示图像的一个方法。所以我们在下面的对于彩色图像的处理中就可以创建一个三维数组[长、宽、3（这个三就是指三种颜色）]，然后这里很多都用RGB编码：red、green和blue即红绿蓝。得到他们的比例我们就可以得到一个颜色了。在代码中如果用黑白图像来表示的话我们就可以分为01黑白图像和灰度值图像01黑白图像中我们只有0和1，所以表示的不是很清楚，在灰度值图像和RGB图像中我们把图像分为255个等级，数字越大则颜色越浅，最深的0代表黑色，最浅的255代表白色或红色、蓝色和绿色，下面我们来看代码：
import cv2 as cvimport numpy as npdef access_pixels(image):#这个函数用来处理一下图像 print(image.shape) height=image.shape[0] width=image.shape[1] channels=image.shape[2]#图像的长宽和通道数 print("width:%s,height:%s,channels:%s"%(width,height,channels))#打印出这三个值 for row in range(height): for col in range(width): for c in range(channels): pv=image[row,col,c] image[row,col,c]=255-pv#这个循环用来把所有的像素点的灰度值有规律地变成另一个灰度值 cv.imshow("pixels_demo",image)#打印出处理后的图片def create_image():#这个函数用来自定义一个图像 # img=np.zeros([400,400,3],np.uint8) # #img[:,:,0]=np.ones([400,400])*255 # img[:, :, 0] = np.ones([400, 400]) * 255 # cv.imshow("new image:",img) #上面这些代码用来创建一个彩色图像，正如开头所说，255代表最浅的颜色，当然这里也可以乘以[0,255]之间任意一个数字 # img=np.zeros([400,400,1],np.uint8) # img[ : , : ,0]=np.ones([400,400]) # img=np.array(img,dtype=np.uint8) # cv.imshow("new image",img) #上面代码用来创建一个黑白但不是二值的图像，也就是说它会有颜色的深浅，不是简单的黑白，还有灰色在内，同样取值也在[0,255]之间，数值越大颜色越浅 m1=np.ones([3,3],np.float32)#也可以支持uint、int32，当他为int32时最大值也会发生变化，也就是说它会根据数据类型的不同而有不同的范围 #这里记住一定要变成uint8型，不然显示图片会报错 m1.fill(122.388) print(m1) m2=m1.reshape([1,9])#这里说一下reshape可以重组numpy数组 print(m2)src=cv.imread(r"C:\Users\DELL\Desktop\TIM20180421221302.png")#blue gree redcv.namedWindow("impot image",cv.WINDOW_AUTOSIZE)#cv.namedWindow("impot image",cv.WINDOW_NORMAL)cv.imshow("input image",src)t1=cv.getTickCount()create_image()access_pixels(src)t2=cv.getTickCount()print("time:%ds"%((t2-t1)/cv.getTickFrequency()))cv.waitKey(0)cv.destroyAllWindows()#上面这些代码与上篇博文差不多，感兴趣的可以移步那篇博客，链接如下：#https://blog.csdn.net/qq_43551263/article/details/108648988 有关opencv与其中常见的numpy