数字图像处理
随着人工智能发展，数字图像处理显得尤为作用，体现在如何让计算机代替人眼进行识别检测一些物体，进而对一些生活场景进行监控，控制以及处理。
图像的读取
"""
@Time : 2024/4/28 22:14
@Author : chensong
@File : 图像属性与数据类型转换.py
@Desc :
"""# 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/Lena.tif" # 读取文件的路径img = cv.imread(filepath, flags=1) # flags=1 读取彩色图像(BGR)print(img)gray = cv.imread(filepath, flags=0) # flags=0 读取为灰度图像print(gray)cv.imshow('lena灰度图',gray)cv.waitKey(0)cv.destroyAllWindows()# {}中填入函数变量 opencv读取的是BGR格式数据# 打印数组维度print("Ndim of img(BGR): {}, gray: {}".format(img.ndim, gray.ndim))# number of rows, columns and channels打印数组行列数以及通道数print("Shape of img(BGR): {}, gray: {}".format(img.shape, gray.shape))# 打印数组元素个数print("Size of img(BGR): {}, gray: {}".format(img.size, gray.size)) # size = rows * columns * channels# 将数组元素类型转为32bit浮点型imgFloat = img.astype(np.float32) / 255# 打印数组原始的数据类型print("Dtype of img(BGR): {}, gray: {}".format(img.dtype, gray.dtype)) # uint8# 打饮转换后的数组数据类型print("Dtype of imgFloat: {}".format(imgFloat.dtype)) # float32```
## 结果如下
D:\personalSoft\anaconda3\python.exe D:\pythonProject1\opencv函数大全\图像属性与数据类型转换.py
[[[125 137 226][125 137 226][133 137 223]...[122 148 230][110 130 221][ 90 99 200]][[125 137 226][125 137 226][133 137 223]...[122 148 230][110 130 221][ 90 99 200]][[125 137 226][125 137 226][133 137 223]...[122 148 230][110 130 221][ 90 99 200]]...[[ 60 18 84][ 60 18 84][ 58 27 92]...[ 84 73 173][ 76 68 172][ 79 62 177]][[ 57 22 82][ 57 22 82][ 62 32 96]...[ 79 70 179][ 81 71 181][ 81 74 185]][[ 57 22 82][ 57 22 82][ 62 32 96]...[ 79 70 179][ 81 71 181][ 81 74 185]]]
[[162 162 162 ... 170 155 128][162 162 162 ... 170 155 128][162 162 162 ... 170 155 128]...[ 43 43 50 ... 104 100 98][ 44 44 55 ... 104 105 108][ 44 44 55 ... 104 105 108]]
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进程已结束，退出代码为 0
## 结果分析
对于这个数组，我们可以按照上图分析，注意第0列为BGR
