Image Operations OpenCV Python Tutorial

Image Operations OpenCV Python Tutorial


kita akan membahas beberapa dasar-dasar operasi gambar sederhana yang bisa kita lakukan . Setiap video terurai menjadi frame . Setiap frame , seperti gambar , kemudian terurai menjadi pixel disimpan dalam baris dan kolom dalam bingkai / gambar . Setiap pixel memiliki koordinat lokasi , dan setiap pixel terdiri dari nilai-nilai warna .
Mari kita coba contoh prinsip prinsip mengakses berbagai potongan-potongan ini .

Kita akan mulai dengan membaca dalam gambar seperti biasa ( Bisa menggunakan gambar senidir jika ada , tapi yang saya gunakan disini ) :
watch.jpg


Sekarang , kita dapat referensi piksel tertentu , seperti:
px = img[55,55]

Berikutnya , kita dapat mengubah pixelnya :
img[55,55] = [255,255,255]

Kemudian Mengembalikan referensi
px = img[55,55]
print(px)


Ini harus berbeda sekarang . Selanjutnya, kita dapat referensi ROI , atau Region of Image, seperti:
px = img[100:150,100:150]
print(px)

Kami juga dapat memodifikasi ROI , seperti ini :
img[100:150,100:150] = [255,255,255]

Kami dapat referensi karakteristik tertentu dari image kami :
print(img.shape)
print(img.size)
print(img.dtype)

Dan kita bisa melakukan operasi , seperti :
watch_face = img[37:111,107:194]
img[0:74,0:87] = watch_face

cv2.imshow('image',img)
cv2.waitKey(0)
cv2.destroyAllWindows()


Ini akan bekerja dengan gambar saya, tapi mungkin tidak untuk gambar Anda , tergantung pada ukuran . Output dalam kasus saya :








Ini adalah beberapa operasi sederhana . Dalam tutorial berikutnya , kita akan membahas beberapa operasi gambar yang lebih canggih yang kita dapat lakukan .


 

 FULL CODE

import cv2
import numpy as np

img = cv2.imread('watch.jpg',cv2.IMREAD_COLOR)

px = img[55,55]

img[55,55] = [255,255,255]

px = img[55,55]
print(px)

px = img[100:150,100:150]
print(px)

img[100:150,100:150] = [255,255,255]

print(img.shape)
print(img.size)
print(img.dtype)
watch_face = img[37:111,107:194]
img[0:74,0:87] = watch_face

cv2.imshow('image',img)
cv2.waitKey(0)
cv2.destroyAllWindows()


Tampilan Hasil :