python学opencv|读取图像（六）读取图像像素RGB值

【1】引言

前序已经掌握了如何获取灰度图像的像素，文章链接为：

python学opencv|读取图像（五）读取灰度图像像素-CSDN博客

实际上像素就像一个坐标轴，约束了图像的大小。

但实际上我们在学习过程中，对于同一张图片，将其从彩色转化为灰色，一定改变了它各个像素点上颜色的组成。为此，我们继续深究，查阅每个像素点上的BGR。

为何是BGR而不是RGB，有两个原因：

【a】构成世界各种颜色的三种基色分别是红色（Red）、绿色（Green）和蓝色（Blue），这三种基色可以合起来简称RGB；

【b】计算机往往采用BGR的顺序组成彩色，且每种基色的取值范围都是[0,255]。

因此，我们查询图片每个像素点上的颜色组成时，看到的是按照BGR顺序输出的颜色。

【2】代码测试

【2.1】图片读取

首先完成灰度图片的读取，在pycharm等编辑器中输入下述代码：

import cv2 as cv #引入cv2模块
image=cv.imread("cv019.png",0) #读取图片，将其转化为灰度图
if image is not None: #成功读取图片
    cv.imshow('cvtest', image)  # 显示为灰度图
    cv.imwrite('opencv-gray.jpg', image) #保存灰度图
    shape= image.shape
    size = image.size
    dtype= image.dtype
    print('像素大小shape=',shape)
    print('总像素个数size=',size)
    print('图像数据类型dtype=',dtype)
    cv.waitKey()  # 图片显示时间
    cv.destroyAllWindows()  # 释放所有窗口
else: #未找到图片
    print("Error: 图片无法加载")

cv019依然是本次测试用的图片：

图1

运行代码后，新获得的图片为：

图2

【2.2】灰度图片像素BGR读取

首先完成灰度图片的读取，在pycharm等编辑器中输入下述代码：

在上述代码中，新增一行，制定读取像素数=[100,100]位置处的图像BGR。

print("像素数为[100,100]位置处的BGR=",image[100,100]) #获取像素数为[100,100]位置处的BGR

此时的完整代码为：

import cv2 as cv #引入cv2模块
image=cv.imread("cv019.png",0) #读取图片，将其转化为灰度图
if image is not None: #成功读取图片
    cv.imshow('cvtest', image)  # 显示为灰度图
    cv.imwrite('opencv-gray.jpg', image) #保存灰度图
    shape= image.shape
    size = image.size
    dtype= image.dtype
    print('像素大小shape=',shape)
    print('总像素个数size=',size)
    print('图像数据类型dtype=',dtype)
    print("像素数为[100,100]位置处的BGR=",image[100,100]) #获取像素数为[100,100]位置处的BGR
    cv.waitKey()  # 图片显示时间
    cv.destroyAllWindows()  # 释放所有窗口
else: #未找到图片
    print("Error: 图片无法加载")

运行代码后，获得的输出为：

图3

在这里，我们看到BGR只输出了一个数，理论上应该输出三个数才对。带着疑问，我们尝试对彩色图像进行BGR读取。

【2.3】彩色图片像素BGR读取

首先完成彩色图片的读取，在pycharm等编辑器中将图片读入的代码改为下述形式：

image=cv.imread("cv019.png") #读取彩色图片

在imread(photoname,colorpar)函数中，photoname代表要读取的图片的名字，colorpar=0时就会输出灰度图片，不输入colorpar参数的值，就不会把彩色图片转为灰度图片。

运行代码后的输出为：

图4

在图4中，会看到BGR确实输出了三个数，与此同时像素大小shape的输出在垂直和水平方向上的像素大小之外，多出了一个3。

这是因为，如果把BGR每一种颜色都看做一个通道，彩色图片有3个通道，灰度图片只需要一个通道。

所以彩色图片按照顺序输出了BGR值，一共有三个数据；灰度图片只需要输出一个数据。

【2.4】灰度和彩色图片像素BGR读取

改写代码，同时读入灰度和彩色图像：

image=cv.imread("cv019.png") #读取图片，将其转化为灰度图
image1=cv.imread("cv019.png",0) #读取图片，将其转化为灰度图

然后将彩色图像和灰度图像分别保存：

cv.imwrite('opencv-Color.jpg', image) #保存灰度图
cv.imwrite('opencv-Gray.jpg', image1) #保存灰度图

再然后分别将灰度和彩色图片的像素属性进行读取，并对像素位置[500,600]处进行BGR读取：

shape= image.shape
size = image.size
dtype= image.dtype
shape1= image1.shape
size1 = image1.size
dtype1= image1.dtype
print('彩色图像像素大小shape=',shape)
print('彩色图像总像素个数size=',size)
print('彩色图像的图像数据类型dtype=',dtype)
print("彩色图像像素数为[500,600]位置处的BGR=",image[500,600]) #获取像素数为[100,100]位置处的BGR
print('灰度图像像素大小shape=', shape1)
print('灰度图像总像素个数size=', size1)
print('灰度灰度图像的图像数据类型dtype=', dtype1)
print("灰度图像像素数为[500,600]位置处的BGR=", image1[500, 600])  # 获取像素数为[100,100]位置处的BGR

运行代码后，获得的彩色图像如图1，灰度图像如图2，其余内容为：