教你在python中用不同的方式画不同颜色的画布

摘要

在这篇文章中将给大家讲解如何分别用numpy的方法,与numpy与cv2结合的方法创建空白画布,创建白色画布,与创建彩色画布。在讲解过程中还会介绍cv2进行通道分割cv2.split与通道合并cv2.merge的两个函数的具体使用以及深究numpy的ndarray数据结构的索引与赋值。

numpy的ndarray数据结构的索引与赋值

在使用画图工具的时候, 第一件事情就是创建一个新的空白画布,我们可以指定画布的大小和颜色。

那我们如何使用opencv来创建一个空白的画布(值相同的图片) ?

其实image的数据结构上的图片,本质上就是numpy里面的ndarray的对象,创建一个画布本质上就是创建一个同等规格的ndarray

创建一个新的特定尺寸的ndarray我们可以使用np.zeors 函数,我们将图像的高度(height),图像的宽度(width),以及图像的通道数channeltuple 类型传入np.zeros再次声明是tuple类型

另外由于不是所有的numpy类型的数值,都可以放到opencv中进行图像处理.

数值取值范围在0-255, 我们需要指定数据类型为uint8 unsigned integer 8-bit

np.zeros((height, width, channels), dtype="uint8")

举个例子:想创建一个800 x 600 x 3 的图片,一个BGR格式的图像,我们就得这么写:

# 初始化一个空画布 300×300 三通道 背景色为黑色 
canvas_black = np.zeros((600, 800, 3), dtype="uint8")

得到的效果如下:

在这里插入图片描述

注意: height写在前面
为什么Height写在前面?
就得知道opencv图像的数据结构是numpy,Image的属性,其实就是numpy的ndarray数据格式的属性。

我们可以直接获取img对象的诸多属性,例如我们打印lena图的属性,具体如下:

在这里插入图片描述

 # -*- coding: utf-8 -*- 
import numpy as np
import cv2

# 导入一张图像 模式为彩色图片
img = cv2.imread('lena.jpg', cv2.IMREAD_COLOR)

print("================打印图像的属性================")
print("图像对象的类型 {}".format(type(img)))
print(img.shape)
print("图像宽度: {} pixels".format(img.shape[1]))
print("图像高度: {} pixels".format(img.shape[0]))
print("通道: {}".format(img.shape[2]))
print("图像分辨率: {}".format(img.size))
print("数据类型: {}".format(img.dtype))

输出结果

================打印图像的属性================
图像对象的类型 <class 'numpy.ndarray'>
(256, 256, 3)
图像宽度: 256 pixels
图像高度: 256 pixels
通道: 3
图像分辨率: 196608
数据类型: uint8

有时候我们也可以偷懒,如果我们想创建与另外一个图像尺寸相同的画布的时候,我们可以使用np.zeros_like

canvas_black = np.zeros_like(img)

创建空白画布

创建空白画布的函数如下:

def InitCanvas(width, height, color=(255, 255, 255)):
    canvas = np.ones((height, width, 3), dtype="uint8")
    canvas[:] = color
    return canvas

调用的时候传入图像的宽度、高度和画布的颜色。例如创建一个800*600 颜色为纯黑色的画布:

canvas = InitCanvas(800, 600, color=(255,255,255))

创建空白画布的完整代码如下:

'''
初始化画布
'''
import cv2
import numpy as np

def init_canvas(width, height, color=(255, 255, 255)):
    canvas = np.ones((height, width, 3), dtype="uint8")
    canvas[:] = color
    return canvas

canvas = init_canvas(200, 200, color=(125, 40, 255))

cv2.imshow('canvas', canvas)
cv2.waitKey(0)

cv2.destroyAllWindows()

效果展示:

在这里插入图片描述

初始化白色的画布

白色的画布, 因为比较简单,而且三个通道的值都相同。

ps: 其实灰色的图片(GRAY2BGR),三个通道的值都相同。

那么我们创建一个全都是1的矩阵,然后乘上某个数值,问题是不是就解决了。

我们需要用到np.ones 函数

# 初始化一个空画布 300×300 三通道 背景色为白色 
canvas_white = np.ones((300, 300, 3), dtype="uint8")

接下来, 需要乘上一个整数,255 (你可以填入0-255的任意值)

canvas_white *= 255

这种运算称之为 全局乘法

具体代码如下:

import cv2
import numpy as np
canvas_white = np.ones((300, 300, 3), dtype="uint8")
canvas_white *= 255
cv2.imshow('canvas', canvas_white)
cv2.waitKey(0)
cv2.destroyAllWindows()

创建的白色画布如下

在这里插入图片描述

初始化彩色的画布

利用cv2的内置方法merge与split

我们初始化BGR的图片canvas_white 之后将原来的图片进行通道分离,之后分别乘上BGR三个通道的整数值,然后将三个通道合并在一起,就得到我们想要的彩图纯色背景。

那通道的分离我们需要用到的函数是cv2.split(img).

# 将原来的三个通道抽离出来, 分别乘上各个通道的值
(channel_b, channel_g, channel_r) = cv2.split(canvas)

channel_b 蓝色通道channel_g 绿色通道channel_r 红色通道,都是二维的ndarray对象。

我们指定一种颜色,例如 color = (100, 20, 50))

注意:我们这里的颜色指的BGR格式

也就是

B -> 100
G -> 20
R -> 50

接下来我们分别将其乘上对应的值.

# 颜色的值与个通道的全1矩阵相乘
channel_b *= color[0]
channel_g *= color[1]
channel_r *= color[2]

接下来我们将三个通道重新合并,需要用到的函数是cv2.merge

cv2.merge([channel_b, channel_g, channel_r])

注意:三个通道的矩阵以list [] 的方式传入merge函数.

综合起来,就是我们的第一个初始化彩色背景的函数

# 初始化一个彩色的画布 - cv2版本
def init_canvas(width, height, color=(255, 255, 255)):
    canvas = np.ones((height, width, 3), dtype="uint8")

    # 将原来的三个通道抽离出来, 分别乘上各个通道的值
    (channel_b, channel_g, channel_r) = cv2.split(canvas)
    # 颜色的值与个通道的全1矩阵相乘
    channel_b *= color[0]
    channel_g *= color[1]
    channel_r *= color[2]

    # cv.merge 合并三个通道的值
    return cv2.merge([channel_b, channel_g, channel_r])

具体实现代码如下:

'''
初始化画布
'''
import cv2
import numpy as np

# 初始化一个彩色的画布 - cv2版本
def init_canvas(width, height, color=(255, 255, 255)):
    canvas = np.ones((height, width, 3), dtype="uint8")

    # 将原来的三个通道抽离出来, 分别乘上各个通道的值
    (channel_b, channel_g, channel_r) = cv2.split(canvas)
    # 颜色的值与个通道的全1矩阵相乘
    channel_b *= color[0]
    channel_g *= color[1]
    channel_r *= color[2]

    # cv.merge 合并三个通道的值
    return cv2.merge([channel_b, channel_g, channel_r])

canvas = init_canvas(200, 200, color=(125, 100, 255))

cv2.imshow('canvas', canvas)
cv2.waitKey(0)

cv2.destroyAllWindows()

运行效果:

在这里插入图片描述

注意:此函数使用 cv2.split 非常耗时 所以只有在需要的时候才能做到。 否则用Numpy索引。

利用numpy内置的索引

使用numpy原生的方法, 性能会比opencv中的要好。我们直接使用numpy的ndarray的索引的方法。

例如 canvas[:,:,0] 选中的是所有行,所有列,像素元素的第一个值,也就是,所有B通道的值。

然后对其进行赋值:

canvas[:,:,0] = color[0]

完整版本的函数如下,B/G/R通道分别进行赋值:

def init_canvas(width, height, color=(255, 255, 255)):
    canvas = np.ones((height, width, 3), dtype="uint8")
    # Blue 
    canvas[:,:,0] = color[0]
    # Green
    canvas[:,:,1] = color[1]
    # Red
    canvas[:,:,2] = color[2]

    return canvas

具体实现代码如下:

'''
初始化画布
'''
import cv2
import numpy as np

def init_canvas(width, height, color=(255, 255, 255)):
    canvas = np.ones((height, width, 3), dtype="uint8")
    # Blue 
    canvas[:,:,0] = color[0]
    # Green
    canvas[:,:,1] = color[1]
    # Red
    canvas[:,:,2] = color[2]

    return canvas

canvas = init_canvas(200, 200, color=(125, 100, 255))

cv2.imshow('canvas', canvas)
cv2.waitKey(0)

cv2.destroyAllWindows()

运行实现的效果和第一种方法一样:

在这里插入图片描述

实际上我们还有更快的方法, 可以实现这个功能, 这就需要你熟练掌握Numpy的使用技巧.

我们可以直接赋值color

canvas[:] = color

完整实现过程如下:

'''
初始化画布
'''
import cv2
import numpy as np

def init_canvas(width, height, color=(255, 255, 255)):
    canvas = np.ones((height, width, 3), dtype="uint8")
    canvas[:] = color
    return canvas

canvas = init_canvas(200, 200, color=(125, 40, 255))

cv2.imshow('canvas', canvas)
cv2.waitKey(0)

cv2.destroyAllWindows()

运行的效果:

在这里插入图片描述

综合实验-初始化背景

在这个综合实验里会分别用上述的方法,创建黑色背景,白色背景,彩色背景。

具体代码如下:

'''
初始化一个空白的画布
并指定画布的颜色
'''

import cv2
import numpy as np

# 初始化一个空画布 300×300 三通道 背景色为黑色 
canvas_black = np.zeros((300, 300, 3), dtype="uint8")
cv2.imshow("canvas_black", canvas_black)

# 初始化一个空画布 300×300 三通道 背景色为白色 
canvas_white = np.ones((300, 300, 3), dtype="uint8")
canvas_white *= 255

cv2.imshow("canvas_white", canvas_white)

'''
初始化一个彩色的画布 - cv2版本
此函数使用 cv2.split 非常耗时 所以只有在需要的时候才能做到。 否则用Numpy索引。

'''
def InitCanvasV1(width, height, color=(255, 255, 255)):
    canvas = np.ones((height, width, 3), dtype="uint8")

    # 将原来的三个通道抽离出来, 分别乘上各个通道的值
    (channel_b, channel_g, channel_r) = cv2.split(canvas)
    # 颜色的值与个通道的全1矩阵相乘
    channel_b *= color[0]
    channel_g *= color[1]
    channel_r *= color[2]

    # cv.merge 合并三个通道的值
    return cv2.merge([channel_b, channel_g, channel_r])

'''
初始化一个彩色的画布 - numpy版本
使用numpy的索引 赋值
'''
def InitCanvasV2(width, height, color=(255, 255, 255)):
    canvas = np.ones((height, width, 3), dtype="uint8")
    # Blue 
    canvas[:,:,0] = color[0]
    # Green
    canvas[:,:,1] = color[1]
    # Red
    canvas[:,:,2] = color[2]

    return canvas

'''
初始化终极版本

熟练掌握 numpy 才可以提高工作效率哦
'''
def InitCanvasV3(width, height, color=(255, 255, 255)):
    canvas = np.ones((height, width, 3), dtype="uint8")
    canvas[:] = color
    return canvas

# 初始化一个彩色的画布
canvas_color = InitCanvasV2(300, 300, color=(100, 20, 50))
cv2.imshow("canvas_color", canvas_color)

# 等待e键按下 关闭所有窗口
while cv2.waitKey(0) != ord('e'):
    continue
cv2.destroyAllWindows()

运行结果:

在这里插入图片描述

资源传送门

  • 关注【做一个柔情的程序猿】公众号
  • 在【做一个柔情的程序猿】公众号后台回复 【python资料】【2020秋招】 即可获取相应的惊喜哦!

「❤️ 感谢大家」

  1. 点赞支持下吧,让更多的人也能看到这篇内容(收藏不点赞,都是耍流氓 -_-)
  2. 欢迎在留言区与我分享你的想法,也欢迎你在留言区记录你的思考过程。

   转载规则


《教你在python中用不同的方式画不同颜色的画布》 梦魇回生 采用 知识共享署名 4.0 国际许可协议 进行许可。
 上一篇
数据分析模型(二):模糊聚类分析方法及实例(附完整代码) 数据分析模型(二):模糊聚类分析方法及实例(附完整代码)
聚类分析方法是数理统计中研究“物以类聚”的一种多元分析方法,及用数学定量地确定样品的亲疏关系,从而客观地分型化类。由于事物本身在很多情况下都带有模糊性,因此把模糊数学方法引入聚类分析,能使分类更切合实际。我们所应用的模糊聚类方法是基于模糊相似关系上的模糊聚类法,又称系统聚类法。
2020-12-05
下一篇 
手把手教你进行pip换源 手把手教你进行pip换源
学习python,最重要的是我们需要的各样第三方资源包,没有他们学习python是寸步难行,正常情况下大家都是通过在终端输入命令行pip install xx进行安装,但是一般下载都是非常缓慢的,因此就需要自己去换源,加快资源包下载速度。
2020-12-03
  目录