【OpenCV实现图像：用Python生成图像特效，报错ValueError: too many values to unpack (expected 3)】

概要

Python是一种功能强大的编程语言，也是图像处理领域中常用的工具之一。通过使用Python的图像处理库（例如Pillow、OpenCV等），开发者可以实现各种各样的图像特效。这些特效包括但不限于：滤镜效果（如黑白、模糊、锐化等）、颜色转换、边缘检测、形状识别、图像合成和增强现实效果等。

在Python中，可以使用各种算法和技术来处理图像，例如卷积操作、颜色空间转换、形态学操作等。通过这些技术，开发者可以创建出令人惊叹的图像特效，用于美化照片、设计艺术作品、实现计算机视觉应用等。

图像处理的过程通常包括图像的读取、处理和保存。Python提供了简单而灵活的API，使得这些操作变得容易。开发者可以加载图像，对其进行各种操作，然后保存处理后的图像，以便后续使用或展示。

读入图像

# 导入Pillow库中的Image模块
from PIL import Image# 打开名为"landscape.jpg"的图像文件
img = Image.open('./landscape.jpg')# 获取图像的宽度和高度
width, height = img.size
print("图像宽度:", width, "图像高度:", height)# 遍历图像的每个像素点
for x in range(0, height):for y in range(0, width):# 获取当前像素点的红色（r）、绿色（g）、蓝色（b）通道的像素值(r, g, b) = img.getpixel((x, y))# 打印每个像素点的RGB值print("像素点 (x:", x, ", y:", y, ") 的RGB值: (R:", r, ", G:", g, ", B:", b, ")")

在以上代码片段中，我们使用了Python的Pillow库来进行图像处理。首先，我们打开了名为"landscape.jpg"的样例图像，并获取了图像的宽度和高度。接着，我们使用嵌套的循环遍历图像的所有像素点。在每个像素点，我们使用getpixel((x, y))方法获取了红色（r）、绿色（g）、蓝色（b）三个通道的像素值。

通过这个嵌套循环，我们可以逐个打印出图像中每个像素的RGB值，从而了解图像的构成。这种方式可以作为图像处理的基础，为后续的图像处理操作提供了基础数据。这样的操作使得我们能够更深入地了解图像，为后续的图像处理任务提供了必要的信息。
报错;

D:\anaconda\envs\yolov5\python.exe E:\yolo项目\Opencv-project-main\Opencv-project-main\CVZone\guangliu\33.py 
图像宽度: 938 图像高度: 613
Traceback (most recent call last):File "E:\yolo项目\Opencv-project-main\Opencv-project-main\CVZone\guangliu\33.py", line 15, in <module>(r, g, b) = img.getpixel((x, y))
ValueError: too many values to unpack (expected 3)Process finished with exit code 1

解决办法一：
错误提示表明在(r, g, b) = img.getpixel((x, y))这一行代码中，getpixel((x, y))返回的值不是期望的3个像素通道值（红、绿、蓝），而是更多的值，因此Python无法将这些值正确地分配给(r, g, b)。这种情况通常发生在图像模式（mode）不是RGB模式的时候。
可以在处理图像之前，将图像转换为RGB模式。

# 将图像转换为RGB模式
img = img.convert('RGB')

修改代码为：

# 导入Pillow库中的Image模块
from PIL import Image# 打开名为"landscape.jpg"的图像文件
img = Image.open('img_1.png')# 将图像转换为RGB模式
img = img.convert('RGB')# 获取图像的宽度和高度
width, height = img.size
print("图像宽度:", width, "图像高度:", height)# 遍历图像的每个像素点
for x in range(0, height):for y in range(0, width):# 获取当前像素点的红色（r）、绿色（g）、蓝色（b）通道的像素值(r, g, b) = img.getpixel((x, y))# 打印每个像素点的RGB值print("像素点 (x:", x, ", y:", y, ") 的RGB值: (R:", r, ", G:", g, ", B:", b, ")")

结果：

解决办法二：
修改传递参数即可，
将三个传递参数添加第四个d即可解决问题。

(r, g, b,d) = img.getpixel((x, y))

完整代码

# 导入Pillow库中的Image模块
from PIL import Image# 打开名为"landscape.jpg"的图像文件
img = Image.open('img_1.png')# 获取图像的宽度和高度
width, height = img.size
print("图像宽度:", width, "图像高度:", height)# 遍历图像的每个像素点
for x in range(0, height):for y in range(0, width):# 获取当前像素点的红色（r）、绿色（g）、蓝色（b）通道的像素值(r, g, b,d) = img.getpixel((x, y))# 打印每个像素点的RGB值print("像素点 (x:", x, ", y:", y, ") 的RGB值: (R:", r, ", G:", g, ", B:", b, ")")

结果依旧

改变单个通道

首先使用Pillow库打开了名为"landscape.jpg"的图像文件。然后，我们获取了图像的宽度和高度，并创建了一个新的图像对象new_img，它具有相同的大小。接着，我们使用嵌套的循环遍历原始图像的每个像素点。

在每个像素点，我们使用img.getpixel((col, row))获取红、绿、蓝三个通道的像素值。然后，我们将原始图像的绿色通道的像素值增加了50，创建了一个新的颜色。这个新颜色包含了原始红色通道的值（r），绿色通道的值增加了50（g+50），和原始蓝色通道的值（b）。最后，我们使用new_img.putpixel((col, row), (r, g + 50, b))将修改后的像素值放入新图像对象中。

# 导入Pillow库中的Image模块
from PIL import Image# 打开名为"landscape.jpg"的图像文件
img = Image.open('img_1.png')# 获取图像的宽度和高度
width, height = img.size
print("原始图像宽度:", width, "图像高度:", height)# 创建一个新的RGB模式的图像对象，具有相同的大小
new_img = Image.new('RGB', (width, height))# 遍历原始图像的每个像素点
for row in range(0, height):for col in range(0, width):# 获取当前像素点的红色（r）、绿色（g）、蓝色（b）通道的像素值(r, g, b) = img.getpixel((col, row))# 修改绿色通道的像素值，增加50new_green = g + 50# 将修改后的像素值放入新图像对象中new_img.putpixel((col, row), (r, new_green, b))# 将修改后的图像保存为"landscape_edited.png"文件
new_img.save("landscape_edited1.png")# 打印提示信息
print("图像处理完成，并保存为landscape_edited.png")

报错依旧：

按照上述方法二选一即可解决报错问题，我用添加的方法二避免报错。
完整代码

# 导入Pillow库中的Image模块
from PIL import Image# 打开名为"landscape.jpg"的图像文件
img = Image.open('img_1.png')# 获取图像的宽度和高度
width, height = img.size
print("原始图像宽度:", width, "图像高度:", height)# 创建一个新的RGB模式的图像对象，具有相同的大小
new_img = Image.new('RGB', (width, height))# 遍历原始图像的每个像素点
for row in range(0, height):for col in range(0, width):# 获取当前像素点的红色（r）、绿色（g）、蓝色（b）通道的像素值(r, g, b,d) = img.getpixel((col, row))# 修改绿色通道的像素值，增加50new_green = g + 50# 将修改后的像素值放入新图像对象中new_img.putpixel((col, row), (r, new_green, b,d))# 将修改后的图像保存为"landscape_edited.png"文件
new_img.save("landscape_edited1.png")# 打印提示信息
print("图像处理完成，并保存为landscape_edited.png")

结果：

这里也放方法一的结果：

依然可以完成这样的结果。

黑白特效

为了实现基本的黑白特效，我们必须确保所有3个通道都具有相同的值。

让我们再次迭代每个像素，并计算三个通道像素值的平均值：

# 导入Pillow库中的Image模块
from PIL import Image# 打开图片文件
img = Image.open('img_1.png')
# 将图像转换为RGB模式
img = img.convert('RGB')
# 获取图片的宽度和高度
width, height = img.size# 输出图片的宽度和高度
print("原始图片大小：", width, height)# 创建一张新的RGB模式的图片，大小与原始图片相同
new_img = Image.new('RGB', (width, height))# 遍历原始图片的每个像素
for row in range(0, height):for col in range(0, width):# 获取当前像素点的RGB颜色值(r, g, b) = img.getpixel((col, row))# 计算RGB三个通道的平均值，将像素点转换为灰度avg = int((r + g + b) / 3)# 在新图片上设置当前像素点的颜色为灰度值，实现黑白效果new_img.putpixel((col, row), (avg, avg, avg))# 将处理后的黑白图片保存为'landscape_black_and_white.jpg'
new_img.save("landscape_black_and_white.jpg")# 输出处理后的图片保存成功的消息
print("黑白图片已保存为'landscape_black_and_white.jpg'")

颜色反转

看懂了上述代码，那么颜色反转的实现现在应该会很简单！

简单来说。我们的目标是将黑色像素（0，0，0）转换为白色像素（255，255，255）。

from PIL import Imageimg = Image.open('img_1.png')
# 将图像转换为RGB模式
img = img.convert('RGB')
width, height = img.size
print(width, height)new_img = Image.new('RGB', (width, height))
for row in range(0, height):for col in range(0, width):(r, g, b) = img.getpixel((col, row))inverted_pixel = (255 - r, 255-g, 255-b)new_img.putpixel((col, row), inverted_pixel)
new_img.save("landscape_edited.jpg")

将图像拆分成四个子部分

from PIL import Imageimg = Image.open('img_1.png')
# 将图像转换为RGB模式
img = img.convert('RGB')
width, height = img.size
print(width, height)new_img = Image.new('RGB', (width, height))for row in range(0, height):for col in range(0, width):(r, g, b) = img.getpixel((col, row))if col < width * 0.25:(r, g, b) = (r, g, b)elif col < width * 0.5:avg = int((r + g + b) / 3)(r, g, b) = (avg, avg, avg)elif col < width * 0.75:(r, g, b) = (r, g + 50, b)else:(r, g, b) = (255 - r, 255 - g, 255 - b)new_img.putpixel((col, row), (r, g, b))new_img.save("landscape_edited.jpg")

小结：
机器学习报错解决2——ValueError: too many values to unpack (expected 3)
这个文章里面的东西被参考，我用来做方法二，可以说有点用，但是方法一是最好的办法，避免方法二的传参问题，如果有参数传递错误，或者是版本问题导致库的传参问题，可以使用方法二
。