《数字图像处理-OpenCV/Python》连载（10）图像属性与数据类型

《数字图像处理-OpenCV/Python》连载（10）图像属性与数据类型

本书京东优惠购书链接：https://item.jd.com/14098452.html
本书CSDN独家连载专栏：https://blog.csdn.net/youcans/category_12418787.html

第2章 图像的数据格式

在Python语言中，OpenCV以Numpy数组存储图像，对图像的访问和处理都是通过Numpy数组的操作来实现的。

本章内容概要

• 介绍Python语言中OpenCV的数据结构，学习获取图像的基本属性。
• 学习使用Numpy数组实现图像的创建、复制、裁剪、拼接、拆分与合并的方法。
• 学习使用查找表（LUT）快速实现像素值的替换。

2.1 图像属性与数据类型

2.1.1　图像颜色分类

按照图像颜色分类，图像可以分为二值图像、灰度图像和彩色图像。

• 二值图像：只有黑色和白色两种颜色的图像。每个像素点的像素值可以用0/1或0/255表示，0表示黑色，1或255表示白色。
• 灰度图像：只有灰度的图像。每个像素点的像素值可以用8bit数字[0, 255]表示灰度级，如0表示纯黑，255表示纯白。
• 彩色图像：彩色图像可以采用蓝色（B）、绿色（G）和红色（R）三个颜色通道的组合来表示。每个像素点可以用3个 8bit 数字[0, 255]分别表示红色、绿色和蓝色的颜色分量，如(0,0,0) 表示黑色，(0,0,255) 表示红色，(255,255,255) 表示白色。

OpenCV使用BGR格式读取图像解码后，按B/G/R顺序存储为多维Numpy数组，而PIL、PyQt、Matplotlib等库使用的是RGB格式。

在数字图像处理中，可以根据需要对图像的颜色通道顺序进行转换，或将彩色图像转换为灰度图像和二值图像。

2.1.2　以Numpy数组表示数字图像

数字图像由像素点组成的矩阵来描述，以多维Numpy数组来表示和处理。

OpenCV在C++语言中定义的Mat类，是最基本的图像存储格式。在Python语言的API中则基于Numpy库来存储和处理多维数组，即以多维Numpy数组来存储和处理图像。在Python语言中，OpenCV对图像的任何操作，本质上都是对多维Numpy数组的操作和运算。

OpenCV中的二值图像和灰度图像用二维数组表示，数组的形状是(h,w)，行与列分别表示图像的高度与宽度。数组中每个元素的值表示对应行/列像素点的灰度值。二值图像是特殊的灰度图像，像素值取0/1或0/255。

OpenCV中的彩色图像用三维数组(h,w,ch) 表示，ch=3表示通道数，数据组织形式如图2-1所示。数组中的每个元素对应像素点的某种颜色分量值。

OpenCV颜色通道的顺序为B/G/R，因此img[:,:,0]表示彩色图像img的B通道，img[:,:,1]表示G通道，img[:,:,2]表示R通道。

在OpenCV中，图像的数据结构是Numpy数组，因此Numpy数组的所有属性和操作方法都适用于OpenCV的图像对象。例如：

• img.ndim：查看图像的维数，彩色图像的维数为3，灰度图像的维数为2。
• img.shape：查看图像的形状(h,w,ch)，即图像的行数（高度）、列数（宽度）和通道数。
• img.size：查看图像数组元素的总数，即图像像素的数量与通道数的乘积。

2.1.3　图像的数据类型

OpenCV函数对于数据类型有严格要求，错误的数据类型会导致语法错误。

OpenCV中图像数据类型的参数命名格式如下。

CV_{数字位数}{数字类型}C{通道数}

例如，CV_8UC3表示三通道8位无符号整型数据格式的矩阵。

OpenCV数据类型与Numpy数据类型的对照关系如表2-1所示。在图像处理中，最常用的数据类型是8位无符号整型数据CV_8U，对应的Numpy数据类型是uint8。

推荐在调用Numpy库函数时使用Numpy数据类型的名称，而在调用OpenCV函数时使用OpenCV数据类型的名称，以免发生错误。

使用img.dtype可以获得Numpy数组的数据类型，使用img.astype可以把图像的数据类型转换成指定的Numpy数据类型。

【例程0201】图像属性与数据类型转换

本例程使用Numpy数组的操作方法，获取图像属性和数据格式。

# 【0201】图像属性与数据类型转换
import cv2 as cv
import numpy as npif __name__ == '__main__':# 读取图像，支持 BMP、JPG、PNG、TIFF 等常用格式filepath = "../images/imgLena.tif"  # 读取文件的路径img = cv.imread(filepath, flags=1)  # flags=1 读取彩色图像(BGR)gray = cv.imread(filepath, flags=0)  # flags=0 读取为灰度图像# 维数(Ndim)、形状(Shape)、元素总数(Size)、数据类型(Dtype)print("Ndim of img(BGR): {}, gray: {}".format(img.ndim, gray.ndim))print("Shape of img(BGR): {}, gray: {}".format(img.shape, gray.shape))  # number of rows, columns and channelsprint("Size of img(BGR): {}, gray: {}".format(img.size, gray.size))  # size = rows × columns × channelsimgFloat = img.astype(np.float32) / 255print("Dtype of img(BGR): {}, gray: {}".format(img.dtype, gray.dtype))  # uint8
print("Dtype of imgFloat: {}".format(imgFloat.dtype))  # float32

运行结果：

Ndim of img(BGR): 3, gray: 2
Shape of img(BGR): (512, 512, 3), gray: (512, 512)
Size of img(BGR): 786432, gray: 262144
Dtype of img(BGR): uint8, gray: uint8
Dtype of imgFloat: float32

程序说明：
（1） 彩色图像是三维Numpy数组，灰度图像是二维Numpy数组。因此，相同尺寸的彩色图像与灰度图像的像素数量相同，但数组元素的数量不同。
（2） 彩色图像的形状为(h, w, 3)，灰度图像的形状为(h, w)。在查看图像高度和宽度时，推荐使用h, w=img.shape[:2]，不推荐使用h, w=img.shape。

本书京东优惠购书链接：https://item.jd.com/14098452.html

版权声明：
youcans@xupt 原创作品，转载必须标注原文链接：(https://blog.csdn.net/youcans/article/details/133561857)
Copyright 2023 youcans, XUPT
Crated：2023-10-05

欢迎关注本书CSDN独家连载专栏
《数字图像处理-OpenCV/Python》连载: https://blog.csdn.net/youcans/category_12418787.html