四 numpy操作数组输出图片

一、读取一张图片，修改颜色通道后输出

 # -*- coding=GBK -*-

 import cv2 as cv

 import numpy as np

 #numpy数组操作

 def access_pixles(image):

     print(image.shape)

     height = image.shape[0]

     width = image.shape[1]

     channel = image.shape[2]

     print("width : %s, height : %s, channel : %s" % (width, height, channel))

     for row in range(height):

         for col in range(width):

             for c in range(channel):

                 pv = image[row, col, c]

                 image[row, col, c] = 255 - pv

     cv.imshow("修改后", image)

 src = cv.imread("C://1.jpg")

 #cv.namedWindow("原来", cv.WINDOW_NORMAL)

 cv.imshow("原来", src)

 t1 = cv.getTickCount()#毫秒级别的计时函数,记录了系统启动以来的时间毫秒

 access_pixles(src)

 t2 = cv.getTickCount()

 time = (t2 - t1)*1000/cv.getTickFrequency()#getTickFrequency用于返回CPU的频率,就是每秒的计时周期数

 print("time: %s" % time)#输出运行的时间

 cv.waitKey(0)

 cv.destroyAllWindows()

说明：

getTickCount()/getTickFrequency()

getTickCount()：用于返回从操作系统启动到当前所经的计时周期数，看名字也很好理解，get Tick Count(s)。
getTickFrequency()：用于返回CPU的频率。get Tick Frequency。这里的单位是秒，也就是一秒内重复的次数。

所以剩下的就很清晰了：
总次数/一秒内重复的次数 = 时间(s)
1000 *总次数/一秒内重复的次数= 时间(ms)

C++版的getTickFrequency返回的是每秒钟的tick数

C版的cvGetTickFrequency返回的是每微妙的tick数
这个逻辑很清晰，没什么问题，但是这里有一个小坑，那就是C版本的cvGetTickFrequency()函数和C++版本的getTickFrequency()的单位不一样，前者以ms计算频率，后者以s为单位计算频率，所以如果使用C版本的cvGetTickFrequency()计算时间的话，应该是：
总次数/(一us内重复的次数*1000) = 时间(ms)
总次数/(一us内重复的次数*1000000) = 时间(s)

二、自定义一张多通道图片

 # -*- coding=GBK -*-

 import cv2 as cv

 import numpy as np

 def create_image():

     img = np.zeros([400, 400, 3], np.uint8)#zeros:double类零矩阵  创建400*400 3个通道的矩阵图像 参数时classname为uint8

     img[:, :, 0] = np.ones([400, 400])*255#ones([400, 400])是创建一个400*400的全1矩阵，*255即是全255矩阵 并将这个矩阵的值赋给img的第一维

     img[:, :, 1] = np.ones([400, 400])*255#第二维全是255

     img[:, :, 2] = np.ones([400, 400])*255#第三维全是255

     cv.imshow("自制图片", img)#输出一张400*400的白色图片(255 255 255):蓝(B)、绿(G)、红(R)

 create_image()

 cv.waitKey(0)

 cv.destroyAllWindows()

运行结果是输出一张白色图片  也可修改255为其他数字来输出不同颜色的图片

也可单独使用ones函数，代码如下：

 # -*- coding=GBK -*-

 import cv2 as cv

 import numpy as np

 def create_image():

     img = np.ones([400, 400, 3], np.uint8)

     img[:, :, 0] = img[:, :, 0]*255

     img[:, :, 1] = img[:, :, 1]*255

     img[:, :, 2] = img[:, :, 2]*255

     cv.imshow("自制图片", img)

 create_image()

 cv.waitKey(0)

 cv.destroyAllWindows()

三、自定义一张单通道图片

# -*- coding=GBK -*-

import cv2 as cv

import numpy as np

def create_image():

    img = np.ones([400, 400, 1], np.uint8)

    img = img * 127

    cv.imshow("自制图片", img)

create_image()

cv.waitKey(0)

cv.destroyAllWindows()

四、调用库函数来实现像素反转

# -*- coding=GBK -*-

import cv2 as cv

import numpy as np

#像素取反

def inverse(image):

    dst = cv.bitwise_not(image)

    cv.imshow("取反", dst)

src = cv.imread("C://1.jpg")

cv.namedWindow("原来", cv.WINDOW_NORMAL)

cv.imshow("原来", src)

t1 = cv.getTickCount()

inverse(src)

t2 = cv.getTickCount()

time = (t2 - t1)*1000/cv.getTickFrequency()

print("time: %s" % time)

cv.waitKey(0)

cv.destroyAllWindows()

说明：

bitwise_and是对二进制数据进行“与”操作，即对图像（灰度图像或彩色图像均可）每个像素值进行二进制“与”操作，1&1=1，1&0=0，0&1=0，0&0=0
bitwise_or是对二进制数据进行“或”操作，即对图像（灰度图像或彩色图像均可）每个像素值进行二进制“或”操作，1|1=1，1|0=0，0|1=0，0|0=0
bitwise_xor是对二进制数据进行“异或”操作，即对图像（灰度图像或彩色图像均可）每个像素值进行二进制“异或”操作，1^1=0,1^0=1,0^1=1,0^0=0
bitwise_not是对二进制数据进行“非”操作，即对图像（灰度图像或彩色图像均可）每个像素值进行二进制“非”操作，~1=0，~0=1