每个图像是由一个个点组成的，而这些点可以表示为像素值的形式。

这篇博客里我们将学会：

• 访问像素值并修改它们 。
• 访问图像属性 。
• 设置感兴趣区域(ROI) 。
• 分割和合并图像。

对于图像的基本操作我们需要对numpy知识的了解，不需要很多，只知道基本用法即可。这里暂不赘述，读者可查阅其余资料进行学习。

让我们先加载彩色图像：

import numpy as np
import cv2 as cv

img = cv.imread('cat.jpg')

我们可以通过行和列坐标来访问像素值。对于 BGR 图像，它返回一个由蓝色、绿色和红色值组成的数组。而如果是灰度图像的话，它只返回相应的灰度。我们也可以用相同的方式来对像素值进行修改。

# 通过行和列坐标来访问像素值

px = img[100,100]
print( px )
[157 166 200]

修改像素值

img[100,100] = [255,255,255]
print( img[100,100] )
[255 255 255]

Numpy是用于快速数组计算的优化库。因此，简单地访问每个像素值并对其进行修改将非常慢，因此不建议使用。对于单个像素访问，Numpy数组方法array.item()和array.itemset())被认为更好，但是它们始终返回标量。如果要访问所有B，G，R值，则需要分别调用所有的array.item()。

比如我们可以用下面的方法来进行像素的访问和编辑：

# 访问 RED 值

img.item(10,10,2)
59

修改 RED 值

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

图像属性包括行数，列数，通道数，图像数据类型，像素数等等。

图像的形状可通过 img.shape 访问。它返回行，列和通道数的元组（如果图像是彩色的）

注意：如果图像是灰度的，则返回的元组仅包含行数和列数，因此这是检查加载的图像是灰度还是彩色的好方法。

>>> print( img.shape )
(342, 548, 3)

像素总数可通过访问 img.size ：

>>> print( img.size )
562248

图像数据类型通过 img.dtype 获得：

>>> print( img.dtype )
uint8

注意：img.dtype在调试时非常重要，因为OpenCV-Python代码中的大量错误是由无效的数据类型引起的。

有时候，我们不得不处理一些特定区域的图像。比如对于图像中的眼睛检测，首先对整个图像进行人脸检测。在获取人脸图像时，我们只选择人脸区域，搜索其中的眼睛，而不是搜索整个图像。它提高了准确性和性能。

这里我们直接使用numpy的切片即可，比如：

>>> ROI = img[280:340, 330:390]

不规则形状的ROI区域的设置，我们将在以后的文章里再详细阐述。

4.拆分和合并图像通道

有时我们需要分别处理图像的B，G，R通道。在这种情况下，我们需要将BGR图像拆分为单个通道。我们可以这样做：

>>> b,g,r = cv.split(img) >>> img = cv.merge((b,g,r))

但是cv.split() 是一项耗时的操作（就时间而言）。因此，仅在必要时才这样做。我们一般采用Numpy索引的方法。比如我们要将所有的红色像素都设置为0：

>>> img [:, :, 2] = 0

如果我们要在图像周围创建边框（如相框），那可以使用 cv.copyMakeBorder() 。它在以后对图像进行高级处理的时候，比如卷积运算，零填充等方面将有更多应用。此函数采用以下参数：

• src - 输入图像
• top，bottom，left，right 边界宽度（以相应方向上的像素数为单位）
• borderType - 定义要添加哪种边框的标志。它可以是以下类型：
• cv.BORDER_CONSTANT - 添加恒定的彩色边框。该值应作为下一个参数给出。
• cv.BORDER_REFLECT - 边框将是边框元素的镜像，如下所示： fedcba | abcdefgh hgfedcb
• **cv.BORDER_REFLECT_101**或 **cv.BORDER_DEFAULT**与上述相同，但略有变化，例如： gfedcb | abcdefgh | gfedcba
• **cv.BORDER_REPLICATE**最后一个元素被复制，像这样： aaaaaa | abcdefgh | hhhhhhh
• **cv.BORDER_WRAP**看起来像这样： cdefgh | abcdefgh | abcdefg
• value -边框的颜色，如果边框类型为**cv.BORDER_CONSTANT**

下面我们来看一下各个边框类型在图片显示上的结果。注意因为图像是基于matplotlib一起显示的。所以红色和蓝色通道将会互换。

import cv2 as cv
import numpy as np
from matplotlib import pyplot as plt
BLUE = [255,0,0]
img1 = cv.imread('opencv-logo.png')
replicate = cv.copyMakeBorder(img1,10,10,10,10,cv.BORDER_REPLICATE)
reflect = cv.copyMakeBorder(img1,10,10,10,10,cv.BORDER_REFLECT)
reflect101 = cv.copyMakeBorder(img1,10,10,10,10,cv.BORDER_REFLECT_101)
wrap = cv.copyMakeBorder(img1,10,10,10,10,cv.BORDER_WRAP)
constant= cv.copyMakeBorder(img1,10,10,10,10,cv.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()

结果如下：

​