Nunmpy数组包含:

  • 强大的N维数组对象

  • 复杂的(广播)功能

  • 集成C / C ++和Fortran代码的工具

  • 有用的线性代数,傅立叶变换和随机数功能

遍历与修改数组中的所有像素点

 #对所有像素进行循环
def access_pixels(image):
print(image.shape)
height = image.shape[0] #高度
width = image.shape[1] #宽度
channels = image.shape[2] #通道数
print("width : %s, height : %s, channels : %s"%(width, height, channels))
for row in range(height): #循环获取每一个像素点
for col in range(width):
for c in range(channels):
pv = image[row, col, c] #维度
image[row, col, c] = 255 - pv
cv.imshow("pixels_demo",image)

创建新图像

创建新图像:

 np.zeros([400, 400, 3], np.uint8)        #形状、类型

代码:

 #通过Numpy对一个数组指定维数赋值
def create_image():
'''
#(创建一个新三通道的图像)
#多通道常见为RGB图像
# img = np.zeros([400, 400, 3], np.uint8)
# img[: ,: ,0] = np.ones([400, 400])*255 #0表示第一通道Blue;1表示第二通道Green;3表示第三通道Read #单通道常见为灰度图像
# img = np.zeros([400, 400, 1], np.uint8) #创建新的图像
# img[:, :, 0] = np.ones([400, 400]) * 127
img = np.ones([400, 400, 1], np.uint8)
img =img*127
cv.imshow("new image", img) #窗口显示
cv.imwrite("C:/Users/shinelon/Desktop/DL/001.png") #将图像保存
''' #初始化二维,打印像素点
m1 = np.ones([3, 3], np.float32)
m1.fill(222.388)
print(m1) m2 = m1.reshape([1,9]) #改变其在空间的形状
print(m2)

其他知识点

获取当前CPU时钟:

 t1 = cv.getTickCount()                  #获取当前CPU时间

完整代码

 import cv2 as cv
import numpy as np #对所有像素进行循环;解释执行速度较慢
def access_pixels(image):
print(image.shape)
height = image.shape[0] #高度
width = image.shape[1] #宽度
channels = image.shape[2] #通道数
print("width : %s, height : %s, channels : %s"%(width, height, channels))
for row in range(height): #循环获取每一个像素点
for col in range(width):
for c in range(channels):
pv = image[row, col, c] #维度
image[row, col, c] = 255 - pv
cv.imshow("pixels_demo",image) def inverse(image):
dest = cv.bitwise_not(image) #像素取反,依靠C的代码
cv.imshow("inverse",dest) #通过Numpy对一个数组指定维数赋值
def create_image():
'''
#(创建一个新三通道的图像)
#多通道常见为RGB图像
# img = np.zeros([400, 400, 3], np.uint8)
# img[: ,: ,0] = np.ones([400, 400])*255 #0表示第一通道Blue;1表示第二通道Green;3表示第三通道Read #单通道常见为灰度图像
# img = np.zeros([400, 400, 1], np.uint8) #创建新的图像
# img[:, :, 0] = np.ones([400, 400]) * 127
img = np.ones([400, 400, 1], np.uint8)
img =img*127
cv.imshow("new image", img) #窗口显示
cv.imwrite("C:/Users/shinelon/Desktop/DL/001.png") #将图像保存
''' #初始化二维,打印像素点
m1 = np.ones([3, 3], np.float32)
m1.fill(222.388)
print(m1) m2 = m1.reshape([1,9]) #改变其在空间的形状
print(m2) m3 = np.array([[2, 3, 4], [4, 5, 6], [7, 8, 9]], np.int32) #卷积神经需要
#m3.fill(9)
print(m3) print("------Python OpenCV Tutorial-----")
src = cv.imread("C:/Users/shinelon/Desktop/DL/12.png") #括号类为图片的绝对路径
cv.namedWindow("input image",cv.WINDOW_AUTOSIZE)
cv.imshow("input image",src) #将图片在Windows窗口显示
t1 = cv.getTickCount() #获取当前CPU时间
create_image()
#access_pixels(src) #时间比较长
inverse(src) #优化,时间较短
t2 = cv.getTickCount()
time = (t2 - t1)/cv.getTickFrequency() #运行的时间ms
print("time : %s ms"%(time*1000))
cv.waitKey(0) cv.destroyAllWindows()

OpenCV-----Numpy数组的更多相关文章

  1. Python图像处理丨OpenCV+Numpy库读取与修改像素

    摘要:本篇文章主要讲解 OpenCV+Numpy 图像处理基础知识,包括读取像素和修改像素. 本文分享自华为云社区<[Python图像处理] 二.OpenCV+Numpy库读取与修改像素> ...

  2. numpy数组的操作

    numpy - 介绍.基本数据类型.多维数组ndarray及其内建函数 http://blog.csdn.net/pipisorry/article/details/22107553 http://w ...

  3. numpy数组、向量、矩阵运算

    可以来我的Github看原文,欢迎交流. https://github.com/AsuraDong/Blog/blob/master/Articles/%E6%9C%BA%E5%99%A8%E5%AD ...

  4. Numpy数组对象的操作-索引机制、切片和迭代方法

    前几篇博文我写了数组创建和数据运算,现在我们就来看一下数组对象的操作方法.使用索引和切片的方法选择元素,还有如何数组的迭代方法. 一.索引机制 1.一维数组 In [1]: a = np.arange ...

  5. 操作 numpy 数组的常用函数

    操作 numpy 数组的常用函数 where 使用 where 函数能将索引掩码转换成索引位置: indices = where(mask) indices => (array([11, 12, ...

  6. NumPy 超详细教程(1):NumPy 数组

    系列文章地址 NumPy 最详细教程(1):NumPy 数组 NumPy 超详细教程(2):数据类型 NumPy 超详细教程(3):ndarray 的内部机理及高级迭代 文章目录 Numpy 数组:n ...

  7. NumPy数组对象

    1.创建NumPy数组 import numpy as np # 创建3*2*4的三维数组 a = np.arange(24).reshape(3, 2, 4) # 打印三维数组的所有元素 print ...

  8. Numpy 数组属性

    Numpy 数组的维数称为秩(rank),一维数组的秩为 1 , 二维数组的秩为 2 , 以此类推:在Numpy中, 每一个线性的数组称为是一个轴(axis),也就是维度(dimensios).比如说 ...

  9. numpy 数组对象

    numpy 数组对象NumPy中的ndarray是一个多维数组对象,该对象由两部分组成:实际的数据,描述这些数据的元数据# eg_v1 import numpy as np a = np.arange ...

  10. python numpy 数组拼接

    我就写一下我遇到的,更多具体的请看Python之Numpy数组拼接,组合,连接 >>> aarray([0, 1, 2],       [3, 4, 5],       [6, 7, ...

随机推荐

  1. Linux kswapd0 进程CPU占用过高

    图便宜买了个1核1G虚拟机,启动两个jar后cpu飙升直接卡死,查看cpu及内存占用 发现kswapd0进程cpu占用一直居高不下,于是查询资料,总结如下. swap分区的作用是当物理内存不足时,会将 ...

  2. 【leetcode】848. Shifting Letters

    题目如下: 解题思路:本题首先要很快速的计算出任意一个字符shift后会变成哪个字符,其实也很简单,让shift = shift % 26,接下来再做计算.第二部是求出每个字符要shift的次数.可以 ...

  3. sqlserver 2012 中的 sysobjects

    sysobjects 表  在数据库内创建的每个对象(约束.默认值.日志.规则.存储过程等)在表中占一行

  4. 【JavaScript】包装类

    包装类 String().Number().Boolean() String() 可以将基本数据类型的字符串转换为String对象 var string = new String("hell ...

  5. rk3288-cc上编写一个hello world

    一.编写一个hello world驱动 懒,不写了 二.编写Kconfig和Makefile 我们在kernel/driver目录下创建一个hello目录 然后创建一个Kconfig文件: confi ...

  6. tapmode="hover"属性

    .hover{ opacity: .; } <span tapmode="hover" onclick="fnOpen()">open</sp ...

  7. ionic框架+angular开发项目

    ionic框架组件地址:https://ionicframework.com/docs/api/tab ionic文档地址:https://ionicframework.com/docs/angula ...

  8. 标签button:点击button按钮时,出现了页面自动刷新的情况

    原html: <button class="btn btn-primary" id="btnSubmit" name="btnSubmit&qu ...

  9. Linux驱动开发5——同步机制

    上一章讲到了并发,指的是多个进程同时存取临界区资源的处理机制.这一章讲的同步机制,讲的是多个进程之间协同工作的处理机制,如临界区数据还没有准备好,A进程负责准备数据,B进程等待A进程完成之后读取数据. ...

  10. WinForm实现最小化右下角

    首先,要在窗体里面加入这么两个控件,左边的是托盘控件,右边的是菜单控件. 然后设置窗体的FormClosing事件: if (e.CloseReason == CloseReason.UserClos ...