2.2.3　基于numpy.array访问图像数据

我们已经知道在OpenCV中加载图像最简单（也是最常见）的方法是使用imread函数。我们还知道这将返回一幅图像，它实际上是一个数组（是二维还是三维取决于传递给imread的参数）。

numpy.array类对数组操作进行极大的优化，它允许某些类型的批量操作，而这些操作在普通Python列表中是不可用的。这些类型的numpy.array都是OpenCV中特定于数组类型的操作，对于图像操作来说很方便。但是，我们还是从一个基本的例子开始，逐步探讨图像操作。假设你想操作BGR图像的（0,0）坐标处的像素，并将其转换成白色像素：

如果将修改后的图像保存到文件后再查看该图像，你会在图像的左上角看到一个白点。当然，这种修改并不是很有用，但是它显示了某种修改的可能性。现在，我们利用numpy.array的功能在数组上执行变换的速度比普通的Python列表要快得多。

假设你想更改某一特定像素的蓝色值，例如（150,120）坐标处的像素。numpy.array类型提供了一个方便的方法item，它有三个参数：x（或者left）位置、y（或者top）位置以及数组中（x,y）位置的索引（请记住，在BGR图像中，某个特定位置处的数据是一个三元数组，包含按照B、G和R顺序排列的值），并返回索引位置的值。另一个方法itemset可以将某一特定像素的特定通道的值设置为指定的值。itemset有两个参数：三元组（x、y和索引）以及新值。

在下面的例子中，我们将（150,120）处的蓝色通道值从其当前值更改为255：

对于修改数组中的单个元素，itemset方法比我们在本节第一个例子中看到的索引语法要快一些。

同样，修改数组的一个元素本身并没有太大意义，但是它确实打开了一个充满可能性的世界。然而，就性能而言，这只适合于感兴趣的小区域。当需要操作整个图像或者感兴趣的大区域时，建议使用OpenCV的函数或者NumPy的数组切片。NumPy的数组切片允许指定索引的范围。我们来考虑使用数组切片来操作颜色通道的一个例子。将一幅图像的所有G（绿色）值都设置为0非常简单，如下面的代码所示：

这段代码执行了一个相当重要的操作，而且很容易理解。相关的代码行是最后一行，它指示程序从所有行和列中获取所有像素，并把绿色值（在三元BGR数组的一个索引处）设置为0。如果显示此图像，你会注意到绿色完全消失了。

通过使用NumPy的数组切片访问原始像素，我们可以做一些有趣的事情，其中之一是定义感兴趣区域（Region Of Interest，ROI）。一旦定义了感兴趣区域，就可以执行一系列的操作了。例如，可以把这个区域绑定到一个变量，定义第二个区域，将第一个区域的值赋给第二个区域（从而将图像的一部分复制到图像的另一个位置）：

确保两个区域在大小上一致很重要。如果大小不一致，NumPy会（立刻）控诉这两个形状不匹配。

最后，我们可以访问numpy.array的属性，如下列代码所示：

这三个属性的定义如下：

·shape：描述数组形状的一个元组。对于图像，它（依次）包括高度、宽度、通道数（如果是彩色图像的话）。shape元组的长度是确定图像是灰度的还是彩色的一种有用方法。对于灰度图像，len(shape)==2，对于彩色图像，len(shape)==3。

·size：数组中的元素数。对于灰度图像，这和像素数是一样的。对于BGR图像，它是像素数的3倍，因为每个像素都由3个元素（B、G和R）表示。

·dtype：数组元素的数据类型。对于每个通道8位的图像，数据类型是numpy.uint8。

总之，强烈建议你在使用OpenCV时，了解NumPy的一般情况以及numpy.array的特殊情况。这个类是Python中使用OpenCV进行所有图像处理的基础。