四、图像基础
1、像素
a. 什么是像素？
像素是构成图像的基本要素。
在灰度图中，每一个像素值都是位于0–255中的整数。数值越小，像素越暗；数值越大，像素的亮度也越大。数值为0则代表黑色，数值为255则代表白色。在灰度图中，往往只需要一个字节来储存每一个像素点。
在彩色图中，每个像素都以RGB的形式呈现。红、绿、蓝分别占据一个字节的空间，因此每个像素占据3字节的存储空间，通常以元组的形式表示。如：
Black(黑色) : (0, 0, 255) White(白色) : (255, 255, 255) Red(红色) : (255, 0, 0)
Green(绿色) : (0, 255, 0) Blue(蓝色) : (0, 0, 255) Aqua(浅绿色) : (0, 255, 255)
Fuchsia(紫红色) : (255, 0, 255) Maroon(褐红色) : (128, 0, 0) Navy(藏青色) : (0, 0, 128)
Olive(橄榄绿) : (128, 128, 0) Purple(紫红色) : (128, 0, 128) Teal(深青色) : (0, 128, 128)
Yellow(黄色) : (255, 255, 0)
b. 坐标系
像素坐标系：纵轴为x（row），横轴为y（colomn)，这与我们熟知的空间坐标系不同，容易混淆，需要细细区分。
注意：Python语言的索引从0开始。
2、像素操作
老规矩，还是先放一段源代码。
a. 源代码展现
getting_and_setting.py
(From Practical Python and OpenCV, 3rd Edition)
from __future__ import print_function
import argparse
import cv2
ap = argparse.ArgumentParser()
ap.add_argument("-i", "--image", required = True, help = "Path to the image")
args = vars(ap.parse_args())
image = cv2.imread(args["image"])
cv2.imshow("Original", image)
(b, g, r) = image[0, 0]
print("Pixel at (0, 0) - Red: {}, Green: {}, Blue: {}".format(r, g, b))
image[0, 0] = (0, 0, 255)
(b, g, r) = image[0, 0]
print("Pixel at (0, 0) - Red: {}, Green: {}, Blue: {}".format(r, g, b))
corner = image[0:100, 0:100]
cv2.imshow("Corner", corner)
image[0:100, 0:100] = (0, 255, 0)
cv2.imshow("Updated", image)
cv2.waitKey(0)
b. 代码解释
Line 1-9
相信没什么好解释的，导入所需的包并且解析命令行参数，忘了的可以回顾一下上节课的笔记O(∩_∩)O~
Line 10
cv2.imshow("Original", image)
同样是通过图像读取函数imread加载图片，设定窗口显示名称为"Original"。
Line 11-12
(b, g, r) = image[0, 0]
print("Pixel at (0, 0) - Red: {}, Green: {}, Blue: {}".format(r, g, b))
存储图像中最左上角像素点的RGB并将其通过format函数打印输出。
【注意因为存储图像时将其转换成了Numpy数组，其中像素的颜色以BGR的形式存储。】
Line 14-16
image[0, 0] = (0, 0, 255)
(b, g, r) = image[0, 0]
print("Pixel at (0, 0) - Red: {}, Green: {}, Blue: {}".format(r, g, b))
更改第一个像素点的颜色为红色并重新打印。
Line 18-19
corner = image[0:100, 0:100]
cv2.imshow("Corner", corner)
截取原图像左上角100行100列的像素点并以"Corner"的名称显示为一个独立的图像窗口。
Line 21-24
image[0:100, 0:100] = (0, 255, 0)
cv2.imshow("Updated", image)
cv2.waitKey(0)
将原图像左上角的100*100个像素点全部变成绿色，并将更新后的图像以名称为"Updated"的窗口呈现。
3、查看运行结果
Pixel at (0, 0) - Red: 254, Green: 254, Blue: 254
Pixel at (0, 0) - Red: 255, Green: 0, Blue: 0
结果显示了刚刚我们要求打印的修改前和修改后的像素点RGB以及三幅图像。
 |
 |
 |
|---|---|---|
| “Original” | “Corner” | “Updated” |
仔细观察，发现名为"Corner"的窗口中，图像左上角的一个小点变成了红色（就是我们修改的位置为[0, 0]的像素）。
4、关于Numpy
a. Why Numpy？
虽然Python自带了创建数组的功能，但采用Numpy会使我们的代码计算效率大大提高。
b. Numpy的数组切片
Numpy的数组切片为无复制切片，当对切片进行赋值操作时，原数组的数值也会发生变化，那么该如何将数组中的部分数据完全复制到一个新数组呢？
浅拷贝与深拷贝
浅拷贝：Numpy里的切片类似于C语言里的指针，属于浅拷贝。
x2_sub = x2([:2, :3])
深拷贝：完全复制数组内容，对新数组的内容进行更改不会影响原数组。
x2_sub_copy = x2([:2, :3]).copy( )
Python中的深拷贝
import copy
zs = copy.deepcopy(xs)
思考题
如何将从0-1000的亮度等级线性变换到任意的A~B区间内？
