OpenCV-Python学习教程.4

import cv2
image = cv2.imread('./img/111.jpg')
size = image.shape
w = size[1] # 宽度
h = size[0] # 高度
s = size[2]
print(size)print(type(size))print(w)print(h)print(s)print(type(s))


如何获得一个照片的长宽和通道信息

shape是一个元组的类型

我们可以读取出来

from PIL import Imageim = Image.open('./img/111.jpg')print(im.getbands())


老实讲，到现在都没有写出来可以获得图像的深度的代码

waitKey(int delay=0)函数，函数功能：

1. 按下键的时候，焦点要落在窗口上，不能落在cmd窗口上；

2. 必须在有窗口显示的情况下，waitKey才有作用，否则无效。比如调用cv.waitKey(0)，如果此时没有活动的窗口，该函数立刻返回-1；

3. waitKey()函数的功能是不断刷新图像，频率时间为delay，单位为ms，延时delay > 0 函数返回值为按下的键的ASCII码值，超时则返回-1。；

4. 返回值为当前键盘按键值；

5. 如果delay<0，等待时间无限长，返回值为按键值；

6. 经常程序里面出现 if( waitKey(10) >= 0 ) 是指10ms内按任意键进入此 if 块；

图像的深度：

图像中像素点占得bit位数，就是图像的深度，比如：

二值图像：图像的像素点不是0 就是1 （图像不是黑色就是白色），图像像素点占的位数就是 1 位，图像的深度就是1，也称作位图。

灰度图像：图像的像素点位于0-255之间，（0：全黑，255代表：全白，在0-255之间插入了255个等级的灰度）。2^8=255，图像的深度是8。

以此类推，我们把计算机中存储单个像素点所用的 bit 位称为图像的深度。

图像的通道：

有了图像深度的概念，我们知道如果是24位的图像，则这个像素点的颜色的取值范围是：从0到2^24。这个范围特别大，如果我们知道了某点的像素值怎么判断像素点的颜色呢？

我们知道 RGB是基本的三原色，如果我们用8位代表一种颜色，每种颜色最大是255，这样每个像素点的颜色值的范围就是（0-255,0-255,0-255）。这样图像的通道就是3。

灰度图的图像存储模型

灰度图像像素点的存储就是对应的原图从左到右，从上到下，依次排列，每个点的值就是就是像素点的值，每个点的地址就是像素像素点的地址。

RGB图的图像存储模型

RGB彩色图像和灰度图相比，每个像素点都有3个通道。每个通道占的内存空间都是8位。在内存中，RGB 图像的存储是以二维数组的形式。

学习图像的存储就是为了理解图像中像素点的存储情况，有助于我们对每个像素点的操作。

注意：我们对图像像素的遍历其实对每个像素点中通道的遍历。

我们接着来进行颜色空间的压缩：

什么是颜色空间的颜色呢？

我们知道，对于3通道的深度是8的 RGB 图像,一共可以有255^3中颜色，如此庞大的颜色对我们的处理很不方便，我们可以对图像的像素进行量化。减小图像的颜色种类，同样也可以达到同样的效果。比如我们把图像的像素减少8倍，则每个通道只能有256/8=32中颜色，这样的话，原来图像的0-7像素点对应量化后的0，原来的图像的8-15对应量化后的图像的1，......原来图像中的248-255对应量化后的32。这样就能实现对图像的压缩。

那么这种办法在编程怎么实现？

很简答的，直接利用C/C++中 int 变量的 “/” 运算，这样的话，像素（0-7）/ 8 =0。同理依次可以得到压缩后像素值。

上面的分析知道了，图像的存储就是以二维数组的形式，如果取一个二维数组中元素的话。常规的方法就是先确定行，然后再确定列。这样就能把这个元素取出来。

OpenCV中Mat类中定义的指针，可以获取某一行的地址，然后确定列数就可以获取我们所需要的地址。

Mat 类中有：Mat.ptr<uchar>(int i=0) 获取像素矩阵的指针，i 是从第零行开始的。这块有点像二维数据的存储那样，二维数组可以当做是若干个一维指针，如果知道了每个行的第一个元素就能遍历这个行所有数据。

具体的程序代码：

修改：

内层循环可以用指针实现移动到下一列：

*pt++=(*pt/n)*n+n/2;

https://blog.csdn.net/u013355826/article/details/64905921