opencv 彩色图像赋值

在OpenCV中，彩色图像通常是以BGR（Blue、Green、Red）颜色空间存储的，如果你想对彩色图像的某个部分赋予新的颜色，你可以使用`cv::putpixel()`函数或者直接进行像素级别的操作。下面是一个基本的例子：

#include <opencv2/opencv.hpp>

cv::Mat original_image; // 假设已经读取了一个BGR格式的彩色图像

// 选择一个像素点 (x, y) 并赋值
cv::Vec3b new_color(255, 0, 0); // 新的颜色，例如红色
int x = 100;
int y = 100;
original_image.at<cv::Vec3b>(y, x) = new_color;

// 或者使用 putpixel 函数
cv::putpixel(original_image, x, y, new_color);

imshow("Colored Image", original_image);
waitKey();

在这个例子中，我们选择了原图中的坐标 (x, y)，然后将该位置的像素颜色设置为红色（B=255, G=0, R=0）。注意，OpenCV的索引是从0开始的。

相关问题

opencv 彩色图像如何一个通道一个通道赋值

在OpenCV中，处理彩色图像通常涉及到BGR（蓝色、绿色、红色）三个通道。如果你想单独操作每个通道，可以先将图像转换为灰度图或者BGR拆分成独立的三通道数组。以下是基本步骤：

1. **读取图像**:

   import cv2
   img = cv2.imread('image.jpg')

2. **BGR到单通道** (例如，处理红色通道):
- 使用`split()`函数分离BGR通道，得到一个包含三个numpy数组的元组。
- 然后可以选择第一个元素，它对应的是蓝色通道。

   bgr_channels = cv2.split(img)
   red_channel = bgr_channels[2]

3. **赋值操作**:
对于红色通道进行一些处理后，如果你想将其替换回原图，可以这样做：

   processed_red_channel = ... # 对red_channel进行处理
   img[:, :, 2] = processed_red_channel

这里的`img[:,:,2]`表示第三维索引（0为B，1为G，2为R），将处理后的红通道赋值回去。

4. **合并通道**:
如果完成操作后需要恢复为彩色图像，可以使用`cv2.merge()`函数将它们组合起来：

   new_img = cv2.merge((bgr_channels[0], bgr_channels[1], processed_red_channel))

注意：在对原始图像进行修改之前，最好创建图像的副本进行操作，以防意外覆盖原始数据。

编写函数g = rgbRotate(f, angle)，该函数将彩色图像f以其图像中心为原点逆时针旋转angle角度(不使用OpenCV的旋转函数)后赋值给图像g。

以下是Python代码实现：

import numpy as np

def rgbRotate(f, angle):
    # 获取图像尺寸和中心坐标
    height, width, channels = f.shape
    center_x = width // 2
    center_y = height // 2
    
    # 计算旋转后的图像尺寸和中心坐标
    radian = angle * np.pi / 180.0
    cos_val = np.cos(radian)
    sin_val = np.sin(radian)
    new_width = int(abs(width * cos_val) + abs(height * sin_val))
    new_height = int(abs(width * sin_val) + abs(height * cos_val))
    new_center_x = new_width // 2
    new_center_y = new_height // 2
    
    # 创建新图像g并赋值为黑色
    g = np.zeros((new_height, new_width, channels), dtype=np.uint8)
    
    # 对新图像进行像素遍历，计算对应旋转前的坐标
    for y in range(new_height):
        for x in range(new_width):
            x0 = int((x - new_center_x) * cos_val + (y - new_center_y) * sin_val + center_x)
            y0 = int(-(x - new_center_x) * sin_val + (y - new_center_y) * cos_val + center_y)
            # 如果旋转后的坐标在原图像范围内，则将对应像素值赋给新图像
            if x0 >= 0 and x0 < width and y0 >= 0 and y0 < height:
                g[y, x, :] = f[y0, x0, :]
    
    return g

该函数先计算旋转后的图像尺寸和中心坐标，然后创建一个新的全黑图像g，对新图像进行像素遍历，计算对应旋转前的坐标，并将对应像素值赋给新图像。最后返回新图像g。