2.2　像素处理

像素是图像构成的基本单位，像素处理是图像处理的基本操作，可以通过位置索引的形式对图像内的元素进行访问、处理。

1.二值图像及灰度图像

需要说明的是，在OpenCV中，最小的数据类型是无符号的8位二进制数。因此，在OpenCV中，实际上并没有仅用一位二进制来表示一个像素值（0或1）的二值图像的数据类型。二值图像经常是通过处理得到的，一般使用0表示黑色，使用255表示白色。

可以将二值图像理解为特殊的灰度图像，这里仅以灰度图像为例讨论像素的读取和修改。通过2.1节的分析可知，可以将图像理解为一个矩阵，在面向Python的OpenCV（OpenCV for Python）中，图像就是Numpy库中的数组。一个OpenCV灰度图像是一个二维数组，可以使用表达式访问其中的像素值。例如，可以使用image［0，0］访问图像image第0行第0列位置上的像素点。第0行第0列位于图像的左上角，其中第1个索引值“0”表示第0行，第2个索引值“0”表示第0列。

为了方便理解，我们首先使用Numpy库来生成一个8×8大小的数组，用来模拟一个黑色图像，并对其进行简单的处理。

【例2.1】使用Numpy库生成一个元素值都是0的二维数组，用来模拟一幅黑色图像，并对其进行访问、修改。

分析：使用Numpy库中的函数zeros（）可以生成一个元素值都是0的数组，并可以直接使用数组的索引对其进行访问、修改。

根据题目要求及分析，编写代码如下：

代码分析如下：

●　使用函数zeros（）生成了一个8×8大小的二维数组，其中所有的值都是0，数值类型是np.uint8。根据该数组的属性，可以将其看成一个黑色的图像。

●　语句img［0，3］访问的是img第0行第3列的像素点，需要注意的是，行序号、列序号都是从0开始的。

●　语句img［0，3］=255将img中第0行第3列的像素点的像素值设置为“255”。

运行上述程序，会出现名为one和two的两个非常小的窗口，其中：

●　名为one的窗口是一个纯黑色的图像。

●　名为two的窗口在顶部靠近中间位置有一个白点（对应修改后的值255），其他地方也都是纯黑的图像。

同时，在控制台会输出如下内容：

通过本例中两个窗口显示的图像可知，二维数组与图像之间存在对应关系。因为窗口太小，在此处展示并不能直接观察到效果，所以没有把窗口在此展示。请大家在计算机上运行上述程序，观察效果。

【例2.2】读取一个灰度图像，并对其像素进行访问、修改。

根据题目要求，编写代码如下：

在本例中，使用了一个嵌套循环语句，将图像img中“第10行到99行”与“第80列到99列”交叉区域内的像素值设置为255。从图像img上来看，该交叉区域被设置为白色。

运行程序，结果如图2-6所示，其中：

●　图2-6（a）是读取的原始图像。

●　图2-6（b）是经过修改后的图像。

2.彩色图像

RGB模式的彩色图像在读入OpenCV内进行处理时，会按照行方向依次读取该RGB图像的B通道、G通道、R通道的像素点，并将像素点以行为单位存储在ndarray的列中。例如，有一幅大小为R行×C列的原始RGB图像，其在OpenCV内以BGR模式的三维数组形式存储，如图2-7所示。

可以使用表达式访问数组内的值。例如，可以使用image［0，0，0］访问图像image的B通道内的第0行第0列上的像素点，式中：

●　第1个索引表示第0行。

●　第2个索引表示第0列。

●　第3个索引表示第0个颜色通道。

根据上述分析可知，假设有一幅红色图像（其B通道值为0，G通道值为0，R通道值为255），不同的访问方式得到的值如下。

●　img［0，0］：访问图像img第0行第0列像素点的BGR值。图像是BGR模式的，得到的数值为［0，0，255］。

●　img［0，0，0］：访问图像img第0行第0列第0个通道的像素值。图像是BGR模式的，所以第0个通道是B通道，会得到B通道内第0行第0列的位置所对应的值0。

●　img［0，0，1］：访问图像img第0行第0列第1个通道的像素值。图像是BGR模式的，所以第1个通道是G通道，会得到G通道内第0行第0列的位置所对应的值0。

●　img［0，0，2］：访问图像img第0行第0列第2个通道的像素值。图像是BGR模式的，所以第2个通道是R通道，会得到R通道内第0行第0列的位置所对应的值255。

为了方便理解，我们首先使用Numpy库来生成一个2×4×3大小的数组，用它模拟一幅黑色图像，并对其进行简单的处理。

【例2.3】使用Numpy生成三维数组，用来观察三个通道值的变化情况。

根据题目要求，编写代码如下：

在本例中，分别生成了blue、green、red三个数组，其初始值都是0。接下来，分别改变它们不同通道的值。

●　针对数组blue，将其第0个通道的值设置为255。从图像角度来看，图像blue的B通道值为255，其余两个通道值为0，因此图像blue为蓝色图像。

●　针对数组green，将其第1个通道的值设置为255。从图像角度来看，图像green的G通道值为255，其余两个通道值为0，因此图像green为绿色图像。

●　针对数组red，将其第2个通道的值设置为255。从图像角度来看，图像red的R通道值为255，其余两个通道值为0，因此图像red为红色图像。

运行上述程序，会显示颜色为蓝色、绿色、红色的三幅图像，分别对应数组blue、数组green、数组red。[1]

除了显示图像，还会显示每个数组的输出值，部分输出结果如图2-8所示。

【例2.4】使用Numpy生成一个三维数组，用来观察三个通道值的变化情况。

根据题目要求，编写代码如下：

运行上述程序，会显示如图2-9所示的图像。[2]

除了显示图像，还会显示img值的情况，部分输出结果如图2-10所示。

【例2.5】使用Numpy生成一个三维数组，用来模拟一幅BGR模式的彩色图像，并对其进行访问、修改。

分析：使用Numpy中的zeros（）函数可以生成一个元素值都是0的数组。可以直接使用数组的索引形式对其进行访问、修改。

根据题目要求及分析，编写代码如下：

本程序进行了如下操作。

●　第2行使用zeros（）生成一个2×4×3大小的数组，其对应一个“2行4列3个通道”的BGR图像。

●　第3行使用print语句显示（打印）当前图像（数组）的值。

●　第4行中的img［0，3］语句会访问第0行第3列位置上的B通道、G通道、R通道三个像素点。

●　第5行的img［1，2，2］语句会访问第1行第2列第2个通道位置上的像素点。

●　第6行的img［0，3］=255语句会修改img中第0行第3列位置上的像素值，该位置上的B通道、G通道、R通道三个像素点的值都会被修改为255。

●　第7行的img［0，0］=［66，77，88］语句会修改img中第0行第0列位置上的B通道、G通道、R通道上三个像素点的值，将它们分别修改为［66，77，88］。

●　第8行的img［1，1，1］=3语句会修改img中第1行第1列第1个通道（G通道）位置上的像素值，将其修改为3。

●　第9行的img［1，2，2］=4语句会修改img中第1行第2列第2个通道（R通道）位置上的像素值，将其修改为4。

●　第10行的img［0，2，0］=5语句会修改img中第0行第2列第0个通道（B通道）位置上的像素值，将其修改为5。

●　最后两行使用print语句观察img和img［1，2，2］的值。

运行上述程序，会在控制台输出如下结果：

在本例中，为了方便说明问题，设置的数组比较小。在实际中可以定义稍大的数组，并使用cv2.imshow（）将其显示出来，进一步观察处理结果，加深理解。

【例2.6】读取一幅彩色图像，并对其像素进行访问、修改。

根据题目要求，编写代码如下：

上述程序进行了如下操作。

●　第2行使用imread（）函数读取当前目录下的一幅彩色RGB图像。

●　第4行的img［0，0］语句会访问img中第0行第0列位置上的B通道、G通道、R通道三个像素点。

●　第5～7行分别会访问img中第0行第0列位置上的B通道、G通道、R通道三个像素点。

●　第8行的img［50，0］语句会访问第50行第0列位置上的B通道、G通道、R通道三个像素点。

●　第9行的img［100，0］语句会访问第100行第0列位置上的B通道、G通道、R通道三个像素点。

●　第10～14行使用三个for语句的嵌套循环，对图像左上角区域（即“第0行到第49行”与“第0列到第99列”的行列交叉区域，我们称之为区域1）内的像素值进行设定。借助img［i，j，k］=255语句将该区域内的三个通道的像素值都设置为255，让该区域变为白色。

●　第15～18行使用两个for语句的嵌套循环，对图像左上角位于区域1正下方的区域（即“第50行到第99行”与“第0列到第99列”的行列交叉区域，我们称之为区域2）内的像素值进行设定。借助img［i，j］=［128，128，128］语句将该区域内的三个通道的像素值都设置为128，让该区域变为灰色。

●　第19～21行使用两个for语句的嵌套循环，对图像左上角位于区域2正下方的区域（即“第100行到第149行”与“第0列到第99列”的行列交叉区域，我们称之为区域3）内的像素值进行设定。借助img［i，j］=0语句将该区域内的三个通道的像素值都设置为0，让该区域变为黑色。

运行程序，结果如图2-11所示，其中图2-11（a）是读取的原始图像，图2-11（b）是经过修改后的图像。

同时，在控制台会输出如下内容：