python学opencv|读取图像（五十一）使用修改图像像素点上BGR值实现图像覆盖效果

【1】引言

前序学习了图像的得加方法，包括使用add()函数直接叠加BGR值、使用bitwise()函数对BGR值进行按位计算叠加和使用addWeighted()函数实现图像加权叠加至少三种方法。文章链接包括且不限于：

python学opencv|读取图像（四十二）使用cv2.add()函数实现多图像叠加-CSDN博客

python学opencv|读取图像（四十九）使用cv2.bitwise()系列函数实现图像按位运算-CSDN博客

python学opencv|读取图像（五十）使用addWeighted()函数实现图像加权叠加效果-CSDN博客

这些方式都是实现图片的整体叠加，如果有时候想实现局部覆盖，就需要新的方法，这就是本文的学习目标。

【2】可行性分析

实现局部覆盖，本质上是改变了图像局部像素点上的BGR值，所以从更改BGR值的角度，这个目标可行。

首先，引入一张图像，然后从另一个图像里截取部分图像的BGR值形成第三个图，再把第三个图盖到第一个图像上就可以。

【3】代码测试

按照前述可行性分析思路，先引入相关模块和初始图像：

import cv2 as cv # 引入CV模块
import numpy as np #引入numpy模块

# 读取图片
srcx = cv.imread('srcx.png') #读取图像srcx.png
srcp = cv.imread('srcp.png') #读取图像srcp.png
rowsx,colsx,cansx=srcx.shape #读取图像属性
rowsp,colsp,cansp=srcp.shape #读取图像属性
print('srcx的图像属性为：',srcx.shape)
print('srcp的图像属性为：',srcp.shape)

代码引入了两个图像：srcx.png和srcp.png，并且对图像的基本属性进行了读取。

之后先截取第二张图像的部分像素区域：

#截取部分图像
srcp0=srcp[int(0.5*rowsp):int(0.8*rowsp),int(0.2*colsp):int(0.6*colsp),:]
rowsp0,colsp0,cansp0=srcp0.shape #读取图像属性
print('srcp0的图像属性为：',srcp0.shape)

之后用上一步截取的图像，直接覆盖到srcx.png上：

#srcx的部分像素点BGR值被srcp0覆盖
srcx[int(0.5*rowsx):int(0.5*rowsx)+rowsp0,int(0.26*colsx):int(0.26*colsx)+colsp0,:]=srcp0

这里使用的是等大的像素区域，使用截取BGR值覆盖原有BGR值。

然后直接输出图像：

#显示和保存图像
cv.imshow('srcx',srcx) #显示图像
cv.imwrite('srcx0.png',srcx) #保存图像
cv.imshow('srcp',srcp) #显示图像
cv.imshow('srcp0',srcp0) #显示图像
cv.imwrite('srcp0.png',srcp0) #保存图像

cv.waitKey()  # 图像不关闭
cv.destroyAllWindows()  # 释放所有窗口

代码运行使用的图像有：

图1 第一张图像srcx.png

图2 第二张图像srcp.png

截取后的部分图像为：

图3 截取图像srcp.png

使用BGR覆盖后获得的叠加图像效果为：

图4 截取图像BGR覆盖叠加图像srcx0.png

由图4可见，截取图像BGR覆盖叠加第一张图像后获得的srcx0.png 相对于初始图像srcx.png，完全覆盖了部分区域。

此时获得的图像基本属性读取数据为：

图5 读取图像属性值

图5展示的图像基本属性值，给出了第一张初始图像srcx.png和第二张初始图像srcp.png的像素值，之外还给出了截取图像srcp0.png的像素值。

【4】细节说明

进行BGR值覆盖时，应注意像区域的划分：

图6 像素区域划分

如图6所示，像素区域划分过程中：

a.应保证像素其实点保持一致，如行的起始都是0.5*rows，列的起始都是0.25*cols，因为只有这样才能保证BGR覆盖的区域和截取的图像等大；

b.应确保像素值都是整数，不确定的时候就用int()强行转化。

此时的完整代码为：

import cv2 as cv # 引入CV模块
import numpy as np #引入numpy模块

# 读取图片
srcx = cv.imread('srcx.png') #读取图像srcx.png
srcp = cv.imread('srcp.png') #读取图像srcp.png
rowsx,colsx,cansx=srcx.shape #读取图像属性
rowsp,colsp,cansp=srcp.shape #读取图像属性
print('srcx的图像属性为：',srcx.shape)
print('srcp的图像属性为：',srcp.shape)

#截取部分图像
srcp0=srcp[int(0.5*rowsp):int(0.8*rowsp),int(0.2*colsp):int(0.6*colsp),:]
rowsp0,colsp0,cansp0=srcp0.shape #读取图像属性
print('srcp0的图像属性为：',srcp0.shape)

#srcx的部分像素点BGR值被srcp0覆盖
srcx[int(0.5*rowsx):int(0.5*rowsx)+rowsp0,int(0.26*colsx):int(0.26*colsx)+colsp0,:]=srcp0

#显示和保存图像
cv.imshow('srcx',srcx) #显示图像
cv.imwrite('srcx0.png',srcx) #保存图像
cv.imshow('srcp',srcp) #显示图像
cv.imshow('srcp0',srcp0) #显示图像
cv.imwrite('srcp0.png',srcp0) #保存图像

cv.waitKey()  # 图像不关闭
cv.destroyAllWindows()  # 释放所有窗口