《OpenCV3 计算机视觉 Python语言实现》——处理文件、摄像头和图形用户界面

2.1.1 读/写图像文件

>>import cv2

>>image = cv2.imread('MyPic.png')

>>cv2.imwrite('MyPic.jpg', image)

imread()函数的参数：

IMREAD_ANYCOLOR=4；

IMREAD_ANYDEPTH=2;

IMREAD_COLOR=1;

IMREAD_GRAYSCALE=0;

IMREAD_LOAD_GDAL=8;

IMREAD_UNCHANGE=-1;

2.1.2 图像与原始字节之间的转换

　　一个字节能表示0到255的整数。一个像素通常由每个通道的一个字节表示。

　　一个OpenCV图像是.array类型的二维或三维数组。8位的灰度图像是一个含有字节值的二维数组。一个24位的BGR图像是一个三维数组，它也包含了字节值。可使用表达式访问这些值，如image[0,0]或image[0,0,0]。第一个值代表像素的y坐标啊或行，0表示顶部；第二个值是像素的x坐标或列，0表示最左边；第三个值（如果可用的话）表示颜色通道。如，对于一个左上角有白色像素的8位灰度图像而言，image[0,0]的值为255. 对于一个左上角有蓝色像素的24位BGR图像而言，image[0,0]是[255,0,0]。

　　可以用另外一个表示，如image[0,0]或image[0,0]=128，还可表示成image.item((0,0))或image.setitem((0,0),128)。对于单像素操作，第二种表示方式更有效。

　　若一幅图像的每个通道为8位，则可将其显示转换为标准的一维Python bytearray格式：

byteArray = bytearray(image)

　　反之，bytearray含有恰当顺序的字节，可以通过显示转换和重构，得到numpy.array形式的图像：

　garyImage = numpy.array(garyByteArray ).reshape(height, width)

    bgrImage = numpy.array(bgrByteArray ).reshape(height, width, 3)

　　下面介绍将含有随机字节的bytearray转换为灰度图像和BGR图像：

import cv2
import numpy as np
import os

# 创建一个120000个随机字节的数组
randomByteArray = bytearray(os.urandom(120000))  #os.urandom(n) 返回n个随机byte值的string，作为加密使用
flatNumpyArray = np.array(randomByteArray)  #将随机字节转换为NumPy数组

# 将数组转换为400 x 300的灰度图像
garyImage = flatNumpyArray.reshape(300, 400)
cv2.imwrite('randomGary.png', garyImage)

# 将数组转换为100 x 400 x 3 的彩色图像
bgrImage = flatNumpyArray.reshape(100, 400, 3)
cv2.imwrite('randomColor.png', bgrImage)

我用的Anaconda的python，结果如下：







使用Python标准的os.urandom()函数可随机生成原始字节，随后会把该字节转换为NumPy数组。需要注意的是，诸如numpy.random.randint(0, 256, 120000).reshape(400,
300)语句也能直接（并且更高效地）随机生成NumPy数组。使用os.urandom()函数的原因是该语句有助于展示原始字节的转换。

2.1.3 使用numpy.array访问图像数据

　　加载OpenCV图像最简单的方式是使用imread()函数，该函数会返回一幅图像，这幅图像是一个数组（根据imread()函数输入参数的不同，该图像可能是二维数组，也可能是三维数组）。

　　y.array结构针对数组操作有很好的优化，它允许某些块(bulk)操作，这些操作在通常的Python中不可用这些特定的.array操作在OpenCV的图像处理中会很方便。利用numpy.array函数来转换数组比用普通的Python数组转换要快得多。

import cv2
import numpy as np

img = cv2.imread('MyPic.png')
img[0,0] = [255, 255, 255]
cv2.imshow('my image', img)