AI-图像基础知识-02

目录

• 图像坐标系
• 图像数字化

图像坐标系

    在前面的数据标注文章中讲述如何进行标注，而标注后会保留4个坐标点，那么这些坐标点如何表示在图片中的位置?要表示一个点或图形的位置，就需要涉及到坐标系的概念。今天就来了解一下图像的坐标系。一般大家首先接触到的坐标系应该是的笛卡尔坐标系，如下所示：

    如下图所示，是以图像左上角为原点建立的以像素为单位的直角坐标系u-v。其横坐标u与纵坐标v分别是在其图像数组中所在的列数和行数。

以上坐标在OpenCV中，u对应 x , v对应 y

    由于(u,v)只代表像素的列数与行数，而像素在图像中的位置并没有用物理单位表示出来，所以还要建立以物理单位（如毫米）表示的图像坐标系x-y。将相机光轴与图像平面的交点（一般位于图像平面的中心处，也称为图像的主点（principal point）定义为该坐标系的原点O1，且x轴与u轴平行，y轴与v轴平行，假设(u0,v0)代表O1在u-v坐标系下的坐标，dx与dy分别表示每个像素在横轴x和纵轴y上的物理尺寸，则图像中的每个像素在u-v坐标系中的坐标和在x-y坐标系中的坐标之间都存在如下的关系：

上述公式中我们假设物理坐标系统中的单位为mm，则dx的单位为mm/px，而x/dx的单位则是px.

    为使用方便，一般常用齐次坐标与矩阵形式表示为：

    以上知识可能比较难懂，那么可能真正对我们有用的知识如下所示：

那么坐标系、行列、宽高的对应的关系如下所示：

row=height=y
col=width=x

使用OpenCV获取图像的大小

    以上面的示例图为例，原始图片大小为：

    示例代码如下所示：

import cv2
import numpy as np
import os

def GetImgFile(path,imgExtName=(".png",".bmp",".jpg",".jpeg",".gif")):
    imgFileList=[ imgFile for r,s,fs in os.walk(imgPath) for imgFile in fs
                  if os.path.isfile(os.path.join(r,imgFile)) and 
        os.path.splitext(os.path.join(r,imgFile))[-1].lower() in imgExtName ]
    return imgFileList

def GetImgHeightAndWidth(path,imgList):
    tempDict={}
    for item in imgList:
        imgFullPath=path+"\\"+item
        img=cv2.imdecode(np.fromfile(imgFullPath,dtype=np.uint8),cv2.IMREAD_COLOR)
        imgHeight,imgWidth,_=img.shape
        tempDict[item]={"Height":imgHeight,"Width":imgWidth}
    return tempDict

if __name__ == "__main__":
   imgPath=r"F:\编程资料\编程工程\AI学习笔记\03图像知识\测试图片" 
   imgShape=GetImgHeightAndWidth(imgPath,GetImgFile(imgPath))
   print(imgShape)

输出结果如下所示：

{'TestImage.jpg': {'Height': 604, 'Width': 403}}

图像数字化

    图像数字化简单来讲，就是如何将图像保存为计算机能够识别和还原的对象。数字化后的图像其本质上就是一个多维矩阵，例如常见的RGB图像其实可以理解为3个二维矩阵的叠加，矩阵中每个值对应颜色通道上的值（0~255），灰度图则是1个二维矩阵。如下所示：

如上图所示，该图片大小为604*403，因此有3个604*403的矩阵。

在CV领域，矩阵的概念用得非常多，下面简单介绍一下相关的概念，不做深究。

矩阵

    在数学概念中，矩阵（Matrix）是一个按照阵列形式排列的实数或复数的集合。如下图所示：

这是一个(m+1)*(n+1)知矩阵，行列索引从0开始

使用代码创建矩阵

    在Python中常用于numpy模块创建和处理矩阵，示例代码如下所示：

import numpy as np

mat=np.array(range(10,35)).reshape(5,5)
print(mat)

输出的二维矩阵如下所示，从编程的角度来理解，就是一个二维的数组。

[[10 11 12 13 14]
 [15 16 17 18 19]
 [20 21 22 23 24]
 [25 26 27 28 29]
 [30 31 32 33 34]]

矩阵与图像

    从前面已经可以大致猜到矩阵与图像的关系了。既然图像可以用多个矩阵来表示，那也就是意味着，我们可以自己通过代码来创建图像，示例如下所示：

import cv2
import numpy as np

mat=np.array([
  [[255,0,0],[0,255,0],[0,0,255]],
  [[123,145,239],[10,100,134],[0,235,252]],
  [[23,45,12],[56,12,78],[128,150,12]]
],dtype=np.uint8)

cv2.namedWindow("Create Img",cv2.WINDOW_NORMAL)
cv2.imshow("Create Img",mat)
cv2.waitKey()

生成的图片效果片如下所示：

在上面3*3矩阵中，mat[m][n]分别代表BGR的值，如下图所示：

    通过上面的示例，大家应该了解到图片是如何用矩阵进行表示存储的。平常大家看到的彩色图片也都采用这种方式组成，图片越大，则矩阵规模也越大。

通道概念

• 通道就是每个拥有的色彩维度

1、对于灰度图像，只有一个色彩维度，因此是单通道
2、对于RGB彩色图像，有RGB三个色彩维度，因此是3通道
3、对于RGBA彩色图像，有RGBA（A：alpha透明度）四个色彩维度，因此是4通道

• 大部分图像都可以用3维矩阵来表示

单纯从代码角度来讲，1维矩阵就是普通数组，3维矩阵就是3维数组，多维矩阵就是多维数组

使用OpenCV读取RGB通道图片

示例代码如下所示：

import cv2
import numpy as np
import os

def GetImgFile(path,imgExtName=(".png",".bmp",".jpg",".jpeg",".gif")):
    imgFileList=[ imgFile for r,s,fs in os.walk(imgPath) for imgFile in fs
                  if os.path.isfile(os.path.join(r,imgFile)) and 
        os.path.splitext(os.path.join(r,imgFile))[-1].lower() in imgExtName ]
    return imgFileList

def GetBGRInfo(path,imgList):
    for item in imgList:
        imgFullPath=path+"\\"+item
        img=cv2.imdecode(np.fromfile(imgFullPath,dtype=np.uint8),cv2.IMREAD_COLOR)
        ShowImg(img,winName="Source IMG")
        # 分享BGR的通道信息
        b,g,r=cv2.split(img)
        # 创建与img相同大小的零矩阵
        zerosArray=np.zeros(img.shape[:2],dtype="uint8")
        # 显示（B,0,0）图像
        ShowImg(cv2.merge([b,zerosArray,zerosArray]),"Blue Channel")
        # 显示（0,G,0）图像
        ShowImg(cv2.merge([zerosArray,g,zerosArray]),"Green Channel")
        # 显示（0,0,R）图像
        ShowImg(cv2.merge([zerosArray,zerosArray,r]),"Red Channel")
        # 显示代码合成的BGR图像
        ShowImg(cv2.merge([b,g,r]),"Merge Img-BGR")
        # 显示代码合成的RGB图像
        ShowImg(cv2.merge([r, g, b]), "Merge Img-RGB")

def ShowImg(obj,winName="ImgShow"):
    cv2.imshow(winName,obj)
    if cv2.waitKey(0) == ord("q") or cv2.waitKey(0) == ord("Q"):
        cv2.destroyAllWindows()
        
if __name__ == "__main__":
   imgPath=r"F:\测试图片"
   imgFileList=GetImgFile(imgPath)
   GetBGRInfo(imgPath,imgFileList)

• 显示BGR单独通道信息的效果图如下所示：

• 显示原始图片、BGR合成图片、RGB合成的图片效果如下所示：

既然能分离出BGR的通道信息，再按BGR的顺序进行合并，就可以恢复原始的图片。如果不是按这个顺序进行合并的话，会出现什么的效果图呢？可以从上面最后一张图片寻找答案。

• 注意事项

在使用cv2.split(img)分离通道信息直接使用如下代码进行显示：

b,g,r=cv2.split(img)
ShowImg(b,"Blue Channel")
ShowImg(g,"Green Channel")
ShowImg(r,"Red Channel")

如果按照以上方式进行显示，只是会得到三张不同的灰度图：

上面已经分离出BGR三个通道，为什么不是三张BGR的图像？原因如下所示：

当调用imshow(b)时，是把图像的BGR三个通道值都变为b的值，所以传递的三个通道值均为(b,b,b)，在前一篇讲过，如果三个通道的值一样，则为灰度图。当使用cv2.merge方法将某个通道与零矩阵进行合并，则形成（b,0,0）从而只显示某一通道的色彩信息。

本文同步在微信订阅号上发布，如各位小伙伴们喜欢我的文章，也可以关注我的微信订阅号：woaitest，或扫描下面的二维码添加关注：

来源：https://www.cnblogs.com/surpassme/p/11925228.html