一，图像的基础操作

１，获取并修改像素值

获取（速度比较慢）

px=img[100,100]

print px

blue=img[100,100,0]

print blue

修改

img[100,100]=[255,255,255]

print img[100,100]

另一种更好的方法（使用numpy）速度会更快

print img.item(10,10,2)

img.itemset((10,10,2),100)

print img.item(10,10,2)

２，获取图像的属性

img.shape　行列通道

img.size　像素数目

img.dtype 数据类型

注释：常用编码　# -*- coding: utf-8 -*-

３，图像ＲＯＩ

ball=img[280:340,330:390]

img[273:333,100:160]=ball

4,拆分以及合并图像通道

b,g,r=cv2.split(img)

img=cv2.merge(b,g,r)

或者

bgr

b=img[:,:,0]　　　蓝色通道

img[:,:,2]=0          红色通道置０

５，图像填充

BLUE=[255,0,0]

img1=cv2.imread('opencv_logo.png')

replicate = cv2.copyMakeBorder(img1,10,10,10,10,cv2.BORDER_REPLICATE)

reflect = cv2.copyMakeBorder(img1,10,10,10,10,cv2.BORDER_REFLECT)

reflect101 = cv2.copyMakeBorder(img1,10,10,10,10,cv2.BORDER_REFLECT_101)

wrap = cv2.copyMakeBorder(img1,10,10,10,10,cv2.BORDER_WRAP)

constant= cv2.copyMakeBorder(img1,10,10,10,10,cv2.BORDER_CONSTANT,value=BLUE)

plt.subplot(231),plt.imshow(img1,'gray'),plt.title('ORIGINAL')

plt.subplot(232),plt.imshow(replicate,'gray'),plt.title('REPLICATE')

plt.subplot(233),plt.imshow(reflect,'gray'),plt.title('REFLECT')

plt.subplot(234),plt.imshow(reflect101,'gray'),plt.title('REFLECT_101')

plt.subplot(235),plt.imshow(wrap,'gray'),plt.title('WRAP')

plt.subplot(236),plt.imshow(constant,'gray'),plt.title('CONSTANT')

plt.show()

参数：img1输入图像 10,10,10,10是对应边界像素数目，边界类型（有颜色常数，镜像...）

二，图像上的算数运算

１，图像加法

x = np.uint8([250])

y = np.uint8([10])

print cv2.add(x,y) # 250+10 = 260 => 255

[[255]]

print x+y　# 250+10 = 260 % 256 = 4

[4]

OpenCV 中的加法与 Numpy 的加法是有所不同的。OpenCV 的加法

是一种饱和操作,而 Numpy 的加法是一种模操作。

２．图像混合

import cv2

import numpy as np

img1=cv2.imread('ml.png')

img2=cv2.imread('opencv_logo.jpg')

dst=cv2.addWeighted(img1,0.7,img2,0.3,0)

cv2.imshow('dst',dst)

cv2.waitKey(0)

cv2.destroyAllWindow()

３，按位运算

AND,OR,NOT,XOR

三，程序优化

１，检测程序效率

import cv2

import numpy as np

e1 = cv2.getTickCount()

# your code execution

e2 = cv2.getTickCount()

time = (e2 - e1)/ cv2.getTickFrequency()

２，优化

使用函数 cv2.useOptimized()

来查看优化是否被开启了,使用函数 cv2.setUseOptimized() 来开启优化