教你在python中用不同的方式画不同颜色的画布！

程序员

Python程序员

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 channel 以 tuple 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")
复制代码

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")
复制代码

得到的效果如下：

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：

# -*- 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))
123456789101112131415
复制代码

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
12345678
复制代码

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)
复制代码

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
复制代码

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))
复制代码

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()
1234567891011121314151617
复制代码

效果展示：

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")
复制代码

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
复制代码

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()
1234567
复制代码

创建的白色画布如下：

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)
复制代码

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]
复制代码

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])
复制代码

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])
12345678910111213
复制代码

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()
1234567891011121314151617181920212223242526
复制代码

运行效果：

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]
复制代码

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
12345678910
复制代码

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()
1234567891011121314151617181920212223
复制代码

运行实现的效果和第一种方法一样：

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
复制代码

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()
1234567891011121314151617
复制代码

运行的效果：

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

摘要

numpy的ndarray数据结构的索引与赋值

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 。

输出结果：

创建空白画布

创建空白画布的函数如下：

创建空白画布的完整代码如下：

初始化白色的画布

具体代码如下：

初始化彩色的画布

利用cv2的内置方法merge与split

具体实现代码如下：

利用numpy内置的索引

具体实现代码如下：

完整实现过程如下：

综合实验-初始化背景

具体代码如下：

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 。