189 8069 5689
这篇文章主要介绍了Python+OpenCV中图片局部区域像素值处理的示例分析，具有一定借鉴价值，感兴趣的朋友可以参考下，希望大家阅读完这篇文章之后大有收获，下面让小编带着大家一起了解一下。
图片本就是数组形式，对于8位灰度图，通道数为1,它就是个二位数组，这样就没有必要再设置ROI区域，复制出来这块区域再循环提取像素存入数组进行处理了，可以直接将图片存入数组，再利用numpy进行切分相应的数组操作就可以了。
ps：这次我重新装的opencv3.2.0版本，代码里面直接用cv2了
# 查看opencv版本，终端输入： $ pkg-config --modversion opencv
cv_img_cv2.py
# -*- coding:utf-8 -*-
__author__ = 'lwp'
import cv2
import numpy as np
import matplotlib.pyplot as plt
path ='/media/lwp/A/111111.jpg' # 图片路径
lwpImg = cv2.imread(path) # 加载图片
gray_lwpImg = cv2.cvtColor(lwpImg, cv2.COLOR_BGR2GRAY) # 转为灰度图
# 画目标区域，参数分别为图片、左上坐标、右下坐标、框的颜色、框线条的粗细
lwpImg = cv2.rectangle(lwpImg, (290, 0), (310, 327), (0, 255, 0), 2)
# 显示标记后的图片
cv2.imshow('local_pixel', lwpImg)
# 提取图片像素值到矩阵
pixel_data = np.array(gray_lwpImg)
# 提取目标区域
box_data = pixel_data[:, 290:310]
# 矩阵行求和
pixel_sum = np.sum(box_data, axis=1)
# 画图
x = range(576)
fig = plt.figure(figsize=(4, 2))
ax1 = fig.add_subplot(1, 1, 1)
ax1.bar(x, pixel_sum, width=1) # x为每个条形到x轴0点的距离，width为每个条的宽度
plt.xlabel('X')
plt.ylabel('Y')
plt.title('edge_filter')
plt.grid(True)
plt.show()
key = cv2.waitKey(0) & 0xFF
if key == ord('q'): # 按q关闭窗口
cv2.destroyAllWindows()效果：
感谢你能够认真阅读完这篇文章，希望小编分享的“Python+OpenCV中图片局部区域像素值处理的示例分析”这篇文章对大家有帮助，同时也希望大家多多支持创新互联成都网站设计公司，关注创新互联成都网站设计公司行业资讯频道，更多相关知识等着你来学习!
另外有需要云服务器可以了解下创新互联scvps.cn，海内外云服务器15元起步，三天无理由+7*72小时售后在线，公司持有idc许可证，提供“云服务器、裸金属服务器、网站设计器、香港服务器、美国服务器、虚拟主机、免备案服务器”等云主机租用服务以及企业上云的综合解决方案，具有“安全稳定、简单易用、服务可用性高、性价比高”等特点与优势，专为企业上云打造定制，能够满足用户丰富、多元化的应用场景需求。