Operaciones Básicas en Imágenes en OpenCV con Python

Casi todas las operaciones en esta sección están principalmente relacionadas con Numpy más que a OpenCV. Conocer bien Numpy es un requerimiento para escribir un código mejor optimizado con OpenCV. Si no conoces Numpy te recomendamos esta introducción a Numpy.

(Mostraremos los ejemplos en la terminal Python dado que la mayor parte de ellos corresponden a líneas únicas de código)

Accediendo y Modificando los valores de píxeles

Primero carguemos una imagen a color:

import cv2
import numpy as np
img = cv2.imread('trump.jpg')

Puedes acceder al valor de un pixel por medio de las coordenadas de su fila y su columna. Para imágenes RGB, regresan una gama de valores entre Azul, Verde y Rojo. Para las imágenes en escala de grises, sólo la intensidad correspondiente es regresada.

px = img[100,100]
print px
# accessing only blue pixel
blue = img[100,100,0]
print blue

Puedes modificar los valores de pixel de la misma forma.

img[100,100] = [255,255,255]
print  img[100,100]

aaaa

aaaa

Un mejor método para acceder al pixel y editarlo:

# accessing RED value
img.item(10,10,2)
# modifying RED value
img.itemset((10,10,2),100)
img.item(10,10,2)

Accediendo a las Propiedades de Imagen

Las propiedades de imagen incluyen número de filas, columnas y canales, tipo de data de imagen, número de píxeles, etc.

Se accede a la forma de la imagen por medio de img.shape. Este regresa una tupla de números de filas, columnas y canales (si la imagen es a color):

print img.shape

aaaa

Se accede al número total de píxeles por medio de img.size:

print img.size

El tipo de datos (datatype) de la imagen se obtiene por medio de img.dtype:

print img.dtype

aaaa

Dividiendo y Combinando Canales de Imagen

Los canales R,G,B de una imagen pueden dividirse en sus planos individuales cuando sea necesario. Luego, puede combinarse nuevamente dichos canales para nuevamente formar una imagen:

b,g,r = cv2.split(img)
img = cv2.merge((b,g,r))

O

b = img[:,:,0]

Supongamos que quieres hacer que todos los píxeles rojos valgan cero, no necesitas dividirlos todos de esta forma y colocarlos igual a cero. Puedes simplemente usar indexación Numpy la cual es más rápida.

img[:,:,2] = 0

aaaa

Haciendo Bordes para la Imagen (Padding)

Si deseas crear un borde alrededor de una imagen, algo como un marco, puedes usar la función cv2.copyMakeBorder(). Pero tiene más aplicaciones para la operación de circonvolución, zero padding, etc. Esta función toma los siguientes argumentos:

• src – introducir imagen
• top, bottom, left, right – ancho de borde en número de píxeles en correspondencia con las direcciones.
• borderType – Marca que define el tipo de borde a añadir. Puede ser de los siguientes tipos:
  • BORDER_CONSTANT – Añade un borde de color constante. El valor debería ser provisto como el siguiente argumento.
  • BORDER_REFLECT – El border será el reflejo de sus elementos, como este: fedcba|abcdefgh|hgfedcb
  • BORDER_REFLECT_101 or cv2.BORDER_DEFAULT – Igual que arriba, pero con un pequeño cambio, como este: gfedcb|abcdefgh|gfedcba
  • BORDER_REPLICATE – El último elemento es replicado alrededor, así: aaaaaa|abcdefgh|hhhhhhh
  • BORDER_WRAP – No puedo explicarlo, luciría así: cdefgh|abcdefgh|abcdefg

• valor – El color del borde si el tipo de borde es cv2.BORDER_CONSTANT

Más abajo hay una muestra del código demostrando todos estos tipos de borde para su mejor entendimiento:

import cv2
import numpy as np
from matplotlib import pyplot as plt
BLUE = [255,0,0]
img1 = cv2.imread('opencv_logo.png')
replicate = cv2.copyMakeBorder(img1,10,10,10,10,cv2.BORDER_REPLICATE)
reflect = cv2.copyMakeBorder(img1,10,10,10,10,cv2.BORDER_REFLECT)
reflect101 = cv2.copyMakeBorder(img1,10,10,10,10,cv2.BORDER_REFLECT_101)
wrap = cv2.copyMakeBorder(img1,10,10,10,10,cv2.BORDER_WRAP)
constant= cv2.copyMakeBorder(img1,10,10,10,10,cv2.BORDER_CONSTANT,value=BLUE)
plt.subplot(231),plt.imshow(img1,'gray'),plt.title('ORIGINAL')
plt.subplot(232),plt.imshow(replicate,'gray'),plt.title('REPLICATE')
plt.subplot(233),plt.imshow(reflect,'gray'),plt.title('REFLECT')
plt.subplot(234),plt.imshow(reflect101,'gray'),plt.title('REFLECT_101')
plt.subplot(235),plt.imshow(wrap,'gray'),plt.title('WRAP')
plt.subplot(236),plt.imshow(constant,'gray'),plt.title('CONSTANT')
plt.show()

Fíjate en el resultado debajo. (La imagen se expone usando matplotlib. Así que los planos del ROJO y el AZUL están intercambiados):

Cada vez aumentamos más nuestros conocimientos en el manejo de imágenes.
En nuestro curso Python de OpenCV se estudian operaciones más avanzadas con imágenes:

Curso de Procesamiento de Imágenes y Visión Artificial