python 屏幕 像素匹配 python获取屏幕像素颜色

目录

• 1.获取图像的像素，并修改指定位置的像素值
• 2.获取BGR通道像素值
• 3.使用*numpy*获取图像像素值
• 4.使用*numpy*修改图像像素值
• 5. 裁剪图片

• 5.1 运用PIL裁剪图片
• 5.2 基于opencv 裁剪图片

1.获取图像的像素，并修改指定位置的像素值

首先我们来了解以下像素和分辨率 的关系，参考下文:像素和图像分辨率的关系

import cv2
 #读取图片
img = cv2.imread('D:\pythonb\wx01.jpg')
test = img[180,142]

 #获取像素值
print(img.shape)    #获取图像的形状大小：（400，400，3）400行 400列 3通道
print(test)         #获取行为50，列为182处的像素值

 #修改像素值
img[180:220,142:160] = [250, 250, 250]    
print(test)

运行结果如下：

(400,400,3)
[94 107 151]
[250 250 250]

可以看到图像中180`220行、142·160列处的三通道像素值都变成了250，也就是白色；像素值越大，颜色越浅；像素值越小，颜色越深。

2.获取BGR通道像素值

法一：分别获取

blue = img[179,142,0]
print (blue)
green = img[179,142,1]
print (green)
red = img[179,142,2]
print (red)

运行结果如下：

83
94
132

法二：一同获取

print(img[179, 142])

运行结果如下：

[ 83 94 132]

3.使用numpy获取图像像素值

import cv2
import numpy
img = cv2.imread('D:\pythonb\wx01.jpg')

#Numpy逐一读取图像某一处的像素
blue = img.item(178, 200, 0)
green = img.item(178,200, 1)
red = img.item(178, 200, 2)
print(blue)
print(green)
print(red)

print(img[178,200])     #同时输出三通道像素值

运行结果如下：

183
188
249
[ 183 188 249 ]

4.使用numpy修改图像像素值

import cv2
import numpy
img = cv2.imread('D:\pythonb\wx01.jpg')
#修改78行，100列的元素
img.itemset((78, 100, 0), 100)
img.itemset((78, 100, 1), 100)
img.itemset((78, 100, 2), 100)
print(img[78,100])      #输出修改后78行，100列的图像的元素

运行结果如下：

[ 100 100 100 ]

5. 裁剪图片

之前学习的图片裁剪方法，是用python中的PIL库实现，例如：

5.1 运用PIL裁剪图片

#获取图像
from PIL import Image
im =Image.open('D:\pythonb\wx10.jpg')

#显示原图
im.show()

#输出原图尺寸大小 
print('原图尺寸大小为:',im.size)
 
#转换成灰度图像
new_im = im.convert('L')  
 
#裁剪指定图像 大小：box(上，左，右，下）        
box = (1000,3000,2000,4600)
new_im1 =new_im.crop(box)

#显示裁剪后的图像并保存
new_im1.show()
new_im1.save('D:\pythonb\CJ.jpg')
print('裁剪后图像尺寸大小为:',new_im1.size)

运行结果如下：

原图尺寸大小为: (3456, 4608)
裁剪后图像尺寸大小为: (1000, 1600)

|

由此可见l利用PIL进行图像处理和基于opencv的处理方法是有一定区别的，稍后会整理出一篇关于PIL的图像处理的文章。

5.2 基于opencv 裁剪图片

import cv2
import numpy as np

img = cv2.imread('D:\pythonb\wx30.jpg')
cv2.imshow("ROI", img)

#定义裁剪区域
face = img[50:200, 100:220]    #截取图像/PIL:new_im1 = im.crop(左，上，右，下)
cv2.imshow("face", face)

cv2.waitKey(0)
cv2.destroyAllWindows()