Lecture et sauvegarde des images

Sous jupyter :

from matplotlib import pyplot
%matplotlib inline
pyplot.imshow(myImage[:,:,::-1]) # Car les couleurs sont BGR sous opencv et RGB sous matplotlib
  

permet d'afficher directement une image à partir d'un fichier.

Lecture et sauvegarde d'une image :

• les images sont en général des array numpy de type uint8 (valeurs entre 0 et 255)
• import cv2; img = cv2.imread('myImage.jpg', cv2.IMREAD_COLOR) ou simplement img = cv2.imread('myImage.jpg'): charge une image en couleur sous forme d'array numpy de type uint8 (valeurs entre 0 et 255) de dimensions (hauteur, largeur, 3) (si pas d'image, renvoie None). cv2.IMREAD_COLOR vaut 1 et est la valeur du flag par défaut.
• img = cv2.imread('myImage.jpg', cv2.IMREAD_GRAYSCALE) : charge une image en niveaux de gris, même si l'image dans le fichier était en couleurs. La dimension est alors (hauteur, largeur). cv2.IMREAD_GRAYSCALE vaut en fait 0.
• cv2.imshow('myImage', img); cv2.waitKey(2000); cv2.destroyImage('myImage') : affiche l'image pendant 2000 ms et si on tape une touche pendant cette période, la referme ensuite (attention, waitKey est indispensable pour afficher l'image). PROBLEME SUR destroyAllWindows !!!
• si on utilise cv2.waitKey(0) : attend indéfiniment jusqu'à ce qu'on tape une touche.
• cv2.imwrite('myImage.png', img) : sauvegarde l'image dans le fichier donné, et avec le format indiqué par l'extension.
• Attention : les images en couleurs sont en BGR et non RGB ! Donc, elles ne seront pas affichées correctement avec matplotlib ! Si on veut les afficher avec matplotlib, il faut faire : img = img[:,:,::-1]; pyplot.imshow(img); pyplot.show()

Image utilisé ici pour les exemples : newImg = img

Manipulations élémentaires d'une image :

• img.shape, img.size, img.dtype : donnent les dimensions, le nombre total de pixel et le type de données de l'image, comme pour n'importe quelle array numpy.
• img[50, 50] : pixel aux coordonnées. C'est un triplet pour une image couleur, coordonnées ligne puis colonne, origine à 0.
• img[50, 50, 0] : pour une image couleur, donne la valeur de bleu (image BRG).
• img.item(50, 50, 0) : pour une image couleur, donne la valeur de bleu (image BGR), mais l'indice de couleur est requis ici.
• img[50, 50] = (0, 255, 255) : fixe la valeur d'un pixel (pour image couleur).
• img.itemset((50, 50, 1), 25) : fixe la valeur d'un pixel pour une couleur donnée, ici vert.
• img[100:150,100:150] = img[300:350,400:450] : recopie d'une portion de l'image à un autre endroit.
• (b, g, r) = cv2.split(img) : permet d'avoir des 3 canaux correspondant à B, G et R (arrays 2d) si image BGR.
• img = cv2.merge((b, g, r)) : opération inverse pour reconstituer une image en couleurs.
• newImg = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) : convertit une image couleur en image niveau de gris.
• newImg = cv2.cvtColor(img, cv2.COLOR_BGR2HSV) : convertit une image BGR en image HSV. On peut alors faire ensuite : (h, s, v) = cv2.split(newImg)
• autres flags : il y a notamment :
  • cv2.COLOR_BGR2RGB et cv2.COLOR_RGB2BGR : conversion entre les 2 conventions BGR et RGB
  • cv2.COLOR_BGR2XYZ : vers CIE XYZ
  • cv2.COLOR_XYZ2BGR : de CIE XYZ vers BGR.
  • cv2.COLOR_BGR2YCrCb : vers YCC.
  • cv2.COLOR_BGR2Lab : vers CIE Lab
  • et beaucoup d'autres ...
• toutes les méthodes de conversions peuvent être listées par : filter(lambda x: x.startswith('COLOR_'), dir(cv2)) (plus d'une centaine !)
• crop d'une image : newImg = img[0:100,0:100]

Création d'une image vide (noire) :

• newImg = numpy.empty((height, width, 3), dtype = numpy.uint8)
• on peut rendre l'image blanche avec newImg[:,:,:] = 255

Conversion d'une image couleur en niveau de gris : newImg = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

Récupération d'un canal, ici le canal bleu : newImg = cv2.split(img)[0]

Opérations arithmétiques sur les images :

• newImg = cv2.add(img1, img2) : fait l'ajout de 2 images, en se limitant à 255 comme intensité (i.e., 150 + 150 = 255)
• img3 = cv2.addWeighted(img1, 0.2, img2, 0.8, 0) : ajoute les images selon la formule : 0.2 * img1 + 0.8 * img2 + 0 (fusion d'images).
• newImg = cv2.subtract(img1, img2) : soustrait une image à une autre.
• newImg = cv2.bitwise_not(img) : inversion d'une image noir et blanc (binaire).