簡(jiǎn)介
開源計(jì)算機(jī)視覺(jué)庫(kù) (OpenCV) 提供免費(fèi)的編程工具來(lái)處理圖像或視頻文件等視覺(jué)輸入。它包含許多現(xiàn)成的函數(shù)，可以通過(guò)不同的編程語(yǔ)言訪問(wèn)。我在這里發(fā)布的示例使用 python。因此，如果你想理解代碼，你至少需要有Python和NumPy的基礎(chǔ)知識(shí)。如果您正在尋找 OpenCV 的介紹，此鏈接可能非常有價(jià)值：[https://dev.to/arpitmandliya/opencv-python-tutorial-3dac]。

像素如何構(gòu)成圖像
在大多數(shù)情況下，計(jì)算機(jī)圖像基于 RGB（Opencv 中的 BGR）模型。這意味著像素顏色是 Red、Green 和 Blue 組成的混合。還有其他模型（例如，Hue、Saturation 和 Value）和矢量圖形（SVG 或 PDF），但我不會(huì)解釋它們他們?cè)谶@里。

計(jì)算機(jī)上的圖像可以被描述為像素的集合，其中包含顏色信息。用更專業(yè)的術(shù)語(yǔ)來(lái)說(shuō)，圖像是三維陣列（或具有三個(gè)顏色通道的像素矩陣），前兩個(gè)維度確定圖像的大小（高度和寬度），第三個(gè)維度包含紅色、綠色的值和藍(lán)色（每種顏色的值在 0 到 255 之間）。如果一幅圖像只有一個(gè)顏色通道（8 位圖像），則它是具有不同灰度值的灰度圖像，范圍從 0（黑色）到 255（白色）。 圖 1 說(shuō)明了這一點(diǎn)。

圖 1：圖像表示為數(shù)組。右側(cè)是彩色圖像的示例，其中紅色、綠色和藍(lán)色的值范圍為 0 到 255（0,0,255 為藍(lán)色）。左邊是一個(gè)灰度圖像，其中一個(gè)通道代表不同的灰度。

將顏色信息轉(zhuǎn)化為不同大小的點(diǎn)
上述原理可用于使用 NumPy 和 OpenCV 庫(kù)在 Python 中執(zhí)行圖像編輯。在此示例中，我使用循環(huán)來(lái)處理表示為 NumPy 數(shù)組的圖像。該循環(huán)不會(huì)迭代圖像中的每個(gè)像素，而是定期跳過(guò)像素（例如，它處理每 10 個(gè)像素）。每個(gè)處理像素處的灰度值用于確定點(diǎn)的大?。ɡ纾叶戎?100 對(duì)應(yīng)于特定的點(diǎn)大?。Ｈ缓笫褂迷紙D像的顏色信息將這些點(diǎn)繪制在原始圖像的空副本上。總之，我創(chuàng)建了一個(gè)圖像副本，其中根據(jù)原始像素的顏色信息繪制了不同大小的點(diǎn)（參見圖 2）。

圖 2：為了繪制點(diǎn)，使用原始圖像中像素的顏色信息。為了確定點(diǎn)的大小，使用原始圖像的灰度版本。

下面是代碼，可能的結(jié)果如圖 3 所示。

import numpy as np
import cv2

# load an image; image has to be in working directory when giving no path information 
img = cv2.imread('FlowerPower.jpg',cv2.IMREAD_UNCHANGED)
# show the dimensions of the image array
print(img.shape)

# choose a resizing factor for the whole image; to depict it on computer screen
resizing = .2
#convert original image to greyscale image
img_grey = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
# make a copy of the orignal image 
img_output = img.copy()

# make a white canvas by assigning the color white (255,255, 255) to each pixel
# [:,:] covers all values of the first and second array dimension
img_output[:,:] = [255,255,255] # or with black [0,0,0] or any other color

# Settings for looping over the image
step_width = 40 # steps of loop; here: every 30th pixel
# - 1 fills circle that is drawn onto output image; positive value define
# line thickness of circle
thickness = -1 
perc = .2 # size factor for drawing circles/dots onto output image

# for loops running over the first two dimensions of the array (width and height) 
# step_width defines which pixels are included
for i in range(2,  img.shape[0] - step_width,  step_width):
    for u in range(2,  img.shape[1] - step_width,  step_width):        
        # radius (dot size) is based on the value of greyscale version of original image
        # at the current index; e.g., pixel at i = 10, u = 30 might have 123
        # perc variable modifies dot size 
        radius = int((255-img_grey[i,u])*perc) +1 
        if radius <= 0:
            radius +=1
        # take color from pixel at position [i,u] of original image
        # e.g., i = 10, u = 30 might have [123,0,61] 
        color = img[i,u].astype(int).tolist()
        # draw a circle on output image using dot size based on greyscale 
        # value with color of original image   
        cv2.circle(img_output, (u,i), radius, color, thickness)

# resize images, so they are not too big for computerscreen
# based on the resizing variable defined at the top of the page        
img_size = img.shape        
img_sm =  cv2.resize(img,(int(img_size[1]*resizing), int(img_size[0]
                         * resizing)), interpolation = cv2.INTER_CUBIC)
# open window that shows original image
cv2.imshow("Original", img_sm)
img_output_sm =  cv2.resize(img_output,(int(img_size[1]*resizing), int(img_size[0]*
                              resizing)), interpolation = cv2.INTER_CUBIC)
# show the dotted image
cv2.imshow("Dotted Image", img_output_sm)

圖 3：右側(cè)顯示原始圖像，左側(cè)顯示基于此處提供的代碼的虛線版本。

我希望我以全面的方式呈現(xiàn)了代碼，并且有人可能會(huì)發(fā)現(xiàn)它有用。如果你愿意的話，可以嘗試一下。用矩形替換圓形，選擇不同大小的圓形，更改循環(huán)步長(zhǎng)的值等，看看會(huì)發(fā)生什么。

以上是使用 OpenCv 制作簡(jiǎn)單的點(diǎn)畫。的詳細(xì)內(nèi)容。更多信息請(qǐng)關(guān)注PHP中文網(wǎng)其他相關(guān)文章！