第一节：图像数字化

1： 构造二维的ndarry，相当于就是构造灰度图像各个位置的像素值。

import numpy as np
import cv2

# 构造二维的ndarry    # 构造一个100*100的图像，像素值都是零，然后将其输出
z = np.zeros((100, 100), np.uint8)   # 100*100的图像，每个点像素值都为零
cv2.imshow('img', z)    # 显示图片
cv2.imwrite('img1.png', z)  # 将我们的结果进行保存
cv2.waitKey(0)   # 显示持续几毫秒   1000代表一秒，0表示永久
cv2.destroyAllWindows()

  程序的输出结果：

  

2：同理，我们可以构造三维的ndarry

# 构造三维的ndarry
z = np.ones((100, 100, 3), np.uint8)
cv2.imshow('img2', z)
cv2.imwrite('img2.png', z)
cv2.waitKey(0)
cv2.destroyAllWindows()

   (100， 100， 3)表示的是100*100的三通道图片，也就是彩色图片，但我们指定的像素值都是1，所以最后的输出还是黑色的。

3： ndarry的加减乘除，这里的乘包括点乘和矩阵乘。

# ndarry的加法
src1 = np.array([[23, 123, 90], [100, 250, 0]], np.uint8)
src2 = np.array([[125, 150, 60], [100, 10, 40]], np.uint8)
dst = src1 + src2
print(dst)   
# 123 + 150 = 273 array对于大于255的uchar类型的处理方式是:对255取模运算后减1，即: 273 % 255 - 1 = 17


# ndarry的减法
dst1 = src1 - src2
print(dst1)


# ndarry的点乘运算
dst2 = src1*src2  # 点乘就是对应点进行相乘
print(dst2)


# ndarry的点除运算
dst3 = src2 / src1  # 对应点进行相除
print(dst3)


# ndarry的乘法 即矩阵的乘法
src3 = np.array([[1, 2, 3], [4, 5, 6]], np.uint8)
src4 = np.array([[6, 5], [4, 3], [2, 1]], np.uint8)
dst4 = np.dot(src3, src4)
print(dst4)

    注意代码中的注释

4：灰度图像数字化。

     在这里我们先读入一张灰度图像，然后输出其各个位置的像素值，接着把图像显示出来。

# 灰度图像数字化
img = cv2.imread('p2.jpg', cv2.IMREAD_GRAYSCALE)   # 后面这个参数很有用，当你用这样的方式读入彩色图像时，可以将其转换为灰度图像
print(img)  # 打印出该图片的像素值
cv2.imshow('img', img)   # 显示图像
cv2.waitKey(0)
cv2.destroyAllWindows()

 输出结果：

 5：彩色图像数字化

   我们这里读一张彩色图像，然后将其各个通道的值读出来，输出。

# 彩色图像数字化
image = cv2.imread('p1.jpg')
b = image[:, :, 0]  # 第一个通道的值
g = image[:, :, 1]  # 第二个通道的值
r = image[:, :, 2]  # 第三个通道的值
# 显示三个颜色通道
cv2.imshow('b', b)
cv2.imshow('g', g)
cv2.imshow('r', r)
cv2.waitKey(0)
cv2.destroyAllWindows()

  输出结果：

未完待续。。。。下一节我们讲学习图像的几何变化。。