爆款云主机2核4G限时秒杀,88元/年起!
查看详情

活动

天翼云最新优惠活动,涵盖免费试用,产品折扣等,助您降本增效!
热门活动
  • 618智算钜惠季 爆款云主机2核4G限时秒杀,88元/年起!
  • 免费体验DeepSeek,上天翼云息壤 NEW 新老用户均可免费体验2500万Tokens,限时两周
  • 云上钜惠 HOT 爆款云主机全场特惠,更有万元锦鲤券等你来领!
  • 算力套餐 HOT 让算力触手可及
  • 天翼云脑AOne NEW 连接、保护、办公,All-in-One!
  • 中小企业应用上云专场 产品组合下单即享折上9折起,助力企业快速上云
  • 息壤高校钜惠活动 NEW 天翼云息壤杯高校AI大赛,数款产品享受线上订购超值特惠
  • 天翼云电脑专场 HOT 移动办公新选择,爆款4核8G畅享1年3.5折起,快来抢购!
  • 天翼云奖励推广计划 加入成为云推官,推荐新用户注册下单得现金奖励
免费活动
  • 免费试用中心 HOT 多款云产品免费试用,快来开启云上之旅
  • 天翼云用户体验官 NEW 您的洞察,重塑科技边界

智算服务

打造统一的产品能力,实现算网调度、训练推理、技术架构、资源管理一体化智算服务
智算云(DeepSeek专区)
科研助手
  • 算力商城
  • 应用商城
  • 开发机
  • 并行计算
算力互联调度平台
  • 应用市场
  • 算力市场
  • 算力调度推荐
一站式智算服务平台
  • 模型广场
  • 体验中心
  • 服务接入
智算一体机
  • 智算一体机
大模型
  • DeepSeek-R1-昇腾版(671B)
  • DeepSeek-R1-英伟达版(671B)
  • DeepSeek-V3-昇腾版(671B)
  • DeepSeek-R1-Distill-Llama-70B
  • DeepSeek-R1-Distill-Qwen-32B
  • Qwen2-72B-Instruct
  • StableDiffusion-V2.1
  • TeleChat-12B

应用商城

天翼云精选行业优秀合作伙伴及千余款商品,提供一站式云上应用服务
进入甄选商城进入云市场创新解决方案
办公协同
  • WPS云文档
  • 安全邮箱
  • EMM手机管家
  • 智能商业平台
财务管理
  • 工资条
  • 税务风控云
企业应用
  • 翼信息化运维服务
  • 翼视频云归档解决方案
工业能源
  • 智慧工厂_生产流程管理解决方案
  • 智慧工地
建站工具
  • SSL证书
  • 新域名服务
网络工具
  • 翼云加速
灾备迁移
  • 云管家2.0
  • 翼备份
资源管理
  • 全栈混合云敏捷版(软件)
  • 全栈混合云敏捷版(一体机)
行业应用
  • 翼电子教室
  • 翼智慧显示一体化解决方案

合作伙伴

天翼云携手合作伙伴,共创云上生态,合作共赢
天翼云生态合作中心
  • 天翼云生态合作中心
天翼云渠道合作伙伴
  • 天翼云代理渠道合作伙伴
天翼云服务合作伙伴
  • 天翼云集成商交付能力认证
天翼云应用合作伙伴
  • 天翼云云市场合作伙伴
  • 天翼云甄选商城合作伙伴
天翼云技术合作伙伴
  • 天翼云OpenAPI中心
  • 天翼云EasyCoding平台
天翼云培训认证
  • 天翼云学堂
  • 天翼云市场商学院
天翼云合作计划
  • 云汇计划
天翼云东升计划
  • 适配中心
  • 东升计划
  • 适配互认证

开发者

开发者相关功能入口汇聚
技术社区
  • 专栏文章
  • 互动问答
  • 技术视频
资源与工具
  • OpenAPI中心
开放能力
  • EasyCoding敏捷开发平台
培训与认证
  • 天翼云学堂
  • 天翼云认证
魔乐社区
  • 魔乐社区

支持与服务

为您提供全方位支持与服务,全流程技术保障,助您轻松上云,安全无忧
文档与工具
  • 文档中心
  • 新手上云
  • 自助服务
  • OpenAPI中心
定价
  • 价格计算器
  • 定价策略
基础服务
  • 售前咨询
  • 在线支持
  • 在线支持
  • 工单服务
  • 建议与反馈
  • 用户体验官
  • 服务保障
  • 客户公告
  • 会员中心
增值服务
  • 红心服务
  • 首保服务
  • 客户支持计划
  • 专家技术服务
  • 备案管家

了解天翼云

天翼云秉承央企使命,致力于成为数字经济主力军,投身科技强国伟大事业,为用户提供安全、普惠云服务
品牌介绍
  • 关于天翼云
  • 智算云
  • 天翼云4.0
  • 新闻资讯
  • 天翼云APP
基础设施
  • 全球基础设施
  • 信任中心
最佳实践
  • 精选案例
  • 超级探访
  • 云杂志
  • 分析师和白皮书
  • 天翼云·创新直播间
市场活动
  • 2025智能云生态大会
  • 2024智算云生态大会
  • 2023云生态大会
  • 2022云生态大会
  • 天翼云中国行
天翼云
  • 活动
  • 智算服务
  • 产品
  • 解决方案
  • 应用商城
  • 合作伙伴
  • 开发者
  • 支持与服务
  • 了解天翼云
      • 文档
      • 控制中心
      • 备案
      • 管理中心

      opencv笔记 - 使用numpy访问像素

      首页 知识中心 其他 文章详情页

      opencv笔记 - 使用numpy访问像素

      2024-04-15 09:01:39 阅读次数:51

      numpy,opencv

      1.读取像素

      导库(numpy)

      pip install numpy
      import numpy

      读取像素

      返回值 = 图像.item(位置参数)
      返回值 = 图像.item(行,列)
      '''
      前面说过:
          灰度图像,返回灰度值。
          BGR图像,返回值为B,G,R的值。
      '''
      '''
      灰度图像:
      	p = img.item(88,192)
      	print(p)
      	也可以不用赋值,直接输出。 
      '''
      '''
      BRG图像:(B,G,R值)
      	0通道是蓝色,1通道是绿色,2通道是红色。
      	blue  = img.item(78,125,0)
      	green = img.item(78.125.1)
      	red   = img.item(78.125.2)
      	print...
      	
      	直接返回一个列表,存储的是三个通道的值。(合并在一起了)
      	list = img.item(78.125)
      '''

      读取灰度图像像素

      '''
      灰度图像:
      	p = img.item(88,192)
      	print(p)
      	也可以不用赋值,直接输出。 
      '''

      读取BGR图像像素

      '''
      BRG图像:(B,G,R值)
      	0通道是蓝色,1通道是绿色,2通道是红色。
      	blue  = img.item(78,125,0)
      	green = img.item(78.125.1)
      	red   = img.item(78.125.2)
      	print...
      '''
      '''
      	直接返回一个列表,存储的是三个通道的值。(合并在一起了)
      	list = img.item(78.125)
      '''

      2.修改像素值

      语法

      图像名.itemset(位置,新值)
      # 通过itemset来设置某一个位置上的新值。

      灰度图像

      img.itemset((88,99),255)

      将88行99列的值赋值为255也就是白。忘记了。

      import numpy
      import cv2
      
      img = cv2.imread(r'opencv\image\image_demo.jpg',0)
      cv2.imshow("image_su",img)
      
      img[88:108,99:109] = 255
      print(img.itemset((88,200),255))
      # print(img.itemset((88:108,99:109),255))
      cv2.imshow("demo_su",img)
      
      cv2.waitKey(0)
      cv2.destroyAllWindows()

      opencv笔记 - 使用numpy访问像素

      opencv笔记 - 使用numpy访问像素

      这里的使用了灰度图像显示。

      opencv笔记 - 使用numpy访问像素

      opencv笔记 - 使用numpy访问像素

      import numpy as np
      import cv2
      img = cv2.imread(r'opencv\image\image_demo.jpg',0)
      print('100-100的值为:',img.item(100,100))
      img[88:108,99:109] = 255 # 100-100的值为: 0
      print(img.item(88,200))
      img.itemset((88,200),255)
      print(img.item(88,200))
      cv2.imshow("demo_su",img)
      cv2.waitKey(0)
      cv2.destroyAllWindows()

      BGR图像

      img.itemset((88,99,0),255)
      img.itemset((88,99,1),255)
      img.itemset((88,99,2),255)
      
      print(img.item(88,99,0))
      print(img.item(88,99,1))
      print(img.item(88,99,2))

      使用itemset修改88,99的三个通道的值,将这个像素的值修改为白色。

      使用itemset修改100,100的蓝色通道修改为255白色。

      import numpy as np
      import cv2
      img = cv2.imread(r'opencv\image\image_demo.jpg',cv2.IMREAD_UNCHANGED)
      
      print(img.item(100,100,0))
      img.itemset((100,100,0),255)
      print(img.item(100,100,0))
      
      cv2.imshow("demo_su",img)
      cv2.waitKey(0)
      cv2.destroyAllWindows()

      opencv笔记 - 使用numpy访问像素

      opencv笔记 - 使用numpy访问像素


      总结

      挺抽象的。还是直接img[88,99]更习惯点。而且这什么numpy啊?那里有使用numpy了?请问?

      学习连接

      网址:https:///video/BV1De411R77P?p=5&vd_source=441ed12ec48d03afe294e7c5f663a0d3

      问题一:

      opencv笔记 - 使用numpy访问像素

      '''
      img = cv2.imread(r'opencv\image\image_demo.jpg',cv2.IMREAD_UNCHANGED)
      这里的cv2.IMREAD_UNCHANGED是什么意思
      '''
      '''
      cv2.IMREAD_UNCHANGED 是 OpenCV 中的一个标志,用于读取图像时保留原始图像的通道信息。
      
      在默认情况下,使用 cv2.imread() 函数读取图像时,会将图像转换为灰度图像(如果图像是彩色的)。而使用 cv2.IMREAD_UNCHANGED 标志,可以保持图像的原始通道信息,即保留图像的颜色通道(如红色、绿色和蓝色通道)以及可能的透明度通道(如 alpha 通道)。
      
      通过将第二个参数设置为 cv2.IMREAD_UNCHANGED,可以保留图像的原始通道信息。
      '''

      cv2.IMREAD_UNCHANGED,可以保留图像的原始通道信息。


      问题二:

      opencv笔记 - 使用numpy访问像素

      import numpy as np
      import cv2
      img = cv2.imread(r'opencv\image\image_demo.jpg',0)
      
      print(img.item(100,100,0))
      img.itemset((100,100,0),255)
      print(img.item(100,100,0))
      
      cv2.imshow("demo_su",img)
      cv2.waitKey(0)
      cv2.destroyAllWindows()

      报错:

      Traceback (most recent call last):
        File "C:\Users\Desktop\Python画图\opencv\学习-使用numpy访问像素.py", line 5, in <module>
          print(img.item(100,100,0))
      ValueError: incorrect number of indices for array

      说是item传入的参数不对。

      然后我才发现和上面的问题是一个东西。

      就是使用的图像模式不一样(灰度图像和BGR图像读取模式)。

      可以看到上面的read函数中我传入的第二个参数是0,得知是灰度模式,没有传入cv2.IMREAD_UNCHANGED。

      所以这里的item函数应该只用传入两个位置参数即可,也就是行和列。

      如果是read函数中第二个参数传入了1的话,item函数就要传入三个位置参数,也就是行和列和通道号。


      版权声明:本文内容来自第三方投稿或授权转载,原文地址:https://blog.51cto.com/youyeye/8520634,作者:youyeye,版权归原作者所有。本网站转在其作品的目的在于传递更多信息,不拥有版权,亦不承担相应法律责任。如因作品内容、版权等问题需要同本网站联系,请发邮件至ctyunbbs@chinatelecom.cn沟通。

      上一篇:python字典例题

      下一篇:Rocky Linux 9安装后ssh不能登录

      相关文章

      2025-03-26 09:08:50

      numpy+PIL实现图片的合成与分割

      numpy+PIL实现图片的合成与分割

      2025-03-26 09:08:50
      numpy , 分割 , 图片
      2024-12-10 07:00:06

      python多种方式 保留小数点位数(附Demo)

      python多种方式 保留小数点位数(附Demo)

      2024-12-10 07:00:06
      Demo , numpy , 使用 , 模块
      2024-11-06 07:16:52

      numpy加速包——Cupy

      numpy加速包——Cupy

      2024-11-06 07:16:52
      GPU , numpy , 数组
      2024-11-06 07:12:59

      tensorflow从入门到精通——环境安装

      tensorflow从入门到精通——环境安装

      2024-11-06 07:12:59
      numpy
      2024-10-17 09:59:41

      Python自动化小技巧05——数据快速标准化(归一化)预处理

      其实不止在数据科学领域,在很多传统统计学,或者是数学建模等都需要对数据进行标准化。输入的是一个n*p维的矩阵,然后输出也需要是n*p维的矩阵。

      2024-10-17 09:59:41
      numpy , python , 自动化
      2024-10-17 09:59:41

      Python优化算法07——布谷鸟搜索算法

      和前面的系列不同,布谷鸟这里没有现成的Python的包,使用我们需要自己写各种源码模块进行组合,达到布谷鸟搜索算法(CS)的功能。

      2024-10-17 09:59:41
      numpy , python
      2024-09-25 10:15:01

      实验四、格子世界(Grid World)

      实验四、格子世界(Grid World)

      2024-09-25 10:15:01
      numpy , python
      2024-07-01 01:31:23

      Python安装拓展库及常用的pip命令及其用法

      在Python中,库是一些预先编写好的代码和函数,它们可以帮助你解决特定的问题。如果你想要扩展Python库,通常有两种方法:使用现有的第三方库,或者编写自己的库。

      2024-07-01 01:31:23
      numpy , pip , python
      2024-06-07 07:33:35

      开源计算机视觉库OpenCV详解

      OpenCV,全称为开源计算机视觉库,是一个为实时计算机视觉开发的跨平台库。它包含了数百种优化过的算法,覆盖了图像处理、计算机视觉和机器学习等多个领域。由于其高效、稳定和开源的特点,OpenCV被广泛应用于学术研究与商业项目。

      2024-06-07 07:33:35
      opencv , python
      2024-06-05 09:09:23

      Python 字符串、时间、日期、时间戳的相互转换(时间戳转换)

      Python 字符串、时间、日期、时间戳的相互转换(时间

      2024-06-05 09:09:23
      numpy , python , 开发语言
      查看更多
      推荐标签

      作者介绍

      天翼云小翼
      天翼云用户

      文章

      33561

      阅读量

      5251513

      查看更多

      最新文章

      numpy+PIL实现图片的合成与分割

      2025-03-26 09:08:50

      python多种方式 保留小数点位数(附Demo)

      2024-12-10 07:00:06

      numpy加速包——Cupy

      2024-11-06 07:16:52

      tensorflow从入门到精通——环境安装

      2024-11-06 07:12:59

      实验四、格子世界(Grid World)

      2024-09-25 10:15:01

      pyinstaller打包出错numpy.core.multiarray failed to import

      2024-06-05 08:57:09

      查看更多

      热门文章

      定义一个函数,接收三个参数返回一元二次方程

      2023-02-13 07:59:59

      解决numpy报错UFuncTypeError: Cannot cast ufunc ‘add‘ output from dtype(‘x‘) to dtype(‘x‘)

      2023-04-18 14:17:10

      解决Numpy 报错 ValueError: zero-size array to reduction operation maximum which has no identity

      2023-04-19 09:26:38

      opencv使用cvFindContours提取联通域

      2023-04-13 09:26:52

      numpy合并两个ndarry或多个

      2023-04-18 14:16:16

      pytorch Tensor转numpy并解决RuntimeError: Can‘t call numpy() on Tensor that requires grad.报错

      2023-04-19 09:37:55

      查看更多

      热门标签

      linux java python javascript 数组 前端 docker Linux vue 函数 shell git 节点 容器 示例
      查看更多

      相关产品

      弹性云主机

      随时自助获取、弹性伸缩的云服务器资源

      天翼云电脑(公众版)

      便捷、安全、高效的云电脑服务

      对象存储

      高品质、低成本的云上存储服务

      云硬盘

      为云上计算资源提供持久性块存储

      查看更多

      随机文章

      Numpy ndarry按行、列求和

      深入理解Numpy中sum求和的axis参数

      python多种方式 保留小数点位数(附Demo)

      opencv使用cvFindContours提取联通域

      pyinstaller打包出错numpy.core.multiarray failed to import

      【Numpy】深入剖析Numpy.arange()与range()的区别

      • 7*24小时售后
      • 无忧退款
      • 免费备案
      • 专家服务
      售前咨询热线
      400-810-9889转1
      关注天翼云
      • 旗舰店
      • 天翼云APP
      • 天翼云微信公众号
      服务与支持
      • 备案中心
      • 售前咨询
      • 智能客服
      • 自助服务
      • 工单管理
      • 客户公告
      • 涉诈举报
      账户管理
      • 管理中心
      • 订单管理
      • 余额管理
      • 发票管理
      • 充值汇款
      • 续费管理
      快速入口
      • 天翼云旗舰店
      • 文档中心
      • 最新活动
      • 免费试用
      • 信任中心
      • 天翼云学堂
      云网生态
      • 甄选商城
      • 渠道合作
      • 云市场合作
      了解天翼云
      • 关于天翼云
      • 天翼云APP
      • 服务案例
      • 新闻资讯
      • 联系我们
      热门产品
      • 云电脑
      • 弹性云主机
      • 云电脑政企版
      • 天翼云手机
      • 云数据库
      • 对象存储
      • 云硬盘
      • Web应用防火墙
      • 服务器安全卫士
      • CDN加速
      热门推荐
      • 云服务备份
      • 边缘安全加速平台
      • 全站加速
      • 安全加速
      • 云服务器
      • 云主机
      • 智能边缘云
      • 应用编排服务
      • 微服务引擎
      • 共享流量包
      更多推荐
      • web应用防火墙
      • 密钥管理
      • 等保咨询
      • 安全专区
      • 应用运维管理
      • 云日志服务
      • 文档数据库服务
      • 云搜索服务
      • 数据湖探索
      • 数据仓库服务
      友情链接
      • 中国电信集团
      • 189邮箱
      • 天翼企业云盘
      • 天翼云盘
      ©2025 天翼云科技有限公司版权所有 增值电信业务经营许可证A2.B1.B2-20090001
      公司地址:北京市东城区青龙胡同甲1号、3号2幢2层205-32室
      • 用户协议
      • 隐私政策
      • 个人信息保护
      • 法律声明
      备案 京公网安备11010802043424号 京ICP备 2021034386号