实践：检查图像属性

使用 Python 和 OpenCV 库直接查看数字图像属性。这将巩固你对图像尺寸、颜色通道、数据类型和像素值的理解。

首先，请确保你已经安装了 OpenCV (pip install opencv-python)，并且在你的 Python 脚本或 Jupyter Notebook 文件所在的目录中准备好一个图像文件（我们称之为 example_image.jpg）。

加载图像

我们首先导入 OpenCV 库，然后使用 imread 函数加载图像，这个函数我们已经在上一节中简单提及过。

import cv2
import numpy as np # 常用与 OpenCV 结合使用

# 从文件加载图像
# 标志 '1' 以彩色（BGR 格式）加载。使用 '0' 加载灰度图像。
image_path = 'example_image.jpg' # 替换为你的图像文件路径
img = cv2.imread(image_path, 1)

# 检查图像是否成功加载
if img is None:
    print(f"错误：无法读取图像文件：{image_path}")
else:
    print("图像加载成功！")
    # 接下来的步骤中我们将在此处添加更多代码

如果图像正确加载，img 变量现在将以 NumPy 数组的形式保存图像数据。如果出现错误信息，请再次确认图像文件路径是否正确，并且文件确实存在。

检查图像尺寸 (Shape)

图像大小是最基本属性之一。在 NumPy 数组中，图像大小存储在 shape 属性中。

# 确保图像已加载，再继续
if img is not None:
    # 获取图像尺寸
    height, width, channels = img.shape
    print(f"图像高度：{height} 像素")
    print(f"图像宽度：{width} 像素")
    print(f"颜色通道数：{channels}")

    # 计算总像素数
    total_pixels = height * width
    print(f"总像素数：{total_pixels}")

当你用彩色图像运行这段代码时，img.shape 会返回一个包含三个值的元组：(height, width, channels)。

高度： 像素行数。
宽度： 像素列数。
通道数： 每个像素的值数量。对于 OpenCV 加载的标准彩色图像，这个值是 3，表示蓝色、绿色和红色（BGR）值。

如果是灰度图像呢？ 如果你以灰度模式加载图像（cv2.imread(image_path, 0)），shape 属性将只包含两个值：(height, width)。由于每个像素只有一个强度值，因此没有颜色通道的第三个维度。你需要稍微调 (fine-tuning)整代码来处理这种情况：

# 以灰度模式加载
img_gray = cv2.imread(image_path, 0)

if img_gray is not None:
    # 检查尺寸 - 如果尝试解包 3 个值会引发错误
    if len(img_gray.shape) == 2:
        height, width = img_gray.shape
channels = 1 # 灰度图像有 1 个通道
        print(f"(灰度) 高度: {height}, 宽度: {width}, 通道数: {channels}")
    # 处理可能意外加载的彩色图像（使用标志 0 时不应发生）
    elif len(img_gray.shape) == 3:
         height, width, channels = img_gray.shape
         print(f"(彩色？) 高度: {height}, 宽度: {width}, 通道数: {channels}")
else:
     print(f"错误：无法读取图像文件：{image_path}")

检查数据类型

数字图像使用特定的数值数据类型存储像素值。这决定了每个像素分量的可能值范围。OpenCV 默认通常使用 uint8（无符号 8 位整数）。

# 确保图像已加载，再继续
if img is not None:
    # 获取图像数组的数据类型
    data_type = img.dtype
    print(f"图像数据类型：{data_type}")

输出很可能是 uint8。这意味着每个像素的每个颜色分量（B、G、R）都由一个介于 0 到 255（含）之间的整数表示。在执行图像操作时，了解数据类型很重要，因为操作可能依赖于这个范围。

访问像素值

我们可以使用数组索引访问特定像素的值。请记住，图像使用一个坐标系统，其原点 (0, 0) 位于左上角。第一个索引表示行（y 坐标，即高度），第二个索引表示列（x 坐标，即宽度）。

# 确保图像已加载，再继续
if img is not None:
    # 定义坐标 (y, x) - 记住 y 是行，x 是列
    px_y, px_x = 50, 100 # 示例坐标

    # 检查坐标是否在图像范围内
    height, width, _ = img.shape
    if 0 <= px_y < height and 0 <= px_x < width:
        # 访问 (y, x) 处的像素值
        pixel_value = img[px_y, px_x]
        print(f"({px_y}, {px_x}) 处的像素值：{pixel_value}")

        # 对于彩色图像 (BGR)，pixel_value 是一个数组 [蓝色, 绿色, 红色]
        blue = pixel_value[0]
        green = pixel_value[1]
        red = pixel_value[2]
        print(f"  蓝色: {blue}, 绿色: {green}, 红色: {red}")
    else:
        print(f"坐标 ({px_y}, {px_x}) 超出图像边界 ({height}x{width})。")

    # 灰度图像示例（如果 img_gray 已加载）
    if 'img_gray' in locals() and img_gray is not None:
         height_g, width_g = img_gray.shape
         if 0 <= px_y < height_g and 0 <= px_x < width_g:
              pixel_intensity = img_gray[px_y, px_x]
              print(f"({px_y}, {px_x}) 处的灰度强度：{pixel_intensity}")
         else:
              print(f"灰度坐标 ({px_y}, {px_x}) 超出边界 ({height_g}x{width_g})。")

对于彩色图像，img[y, x] 返回一个包含该特定像素的 B、G 和 R 值的列表或数组（请记住 OpenCV 默认使用 BGR 顺序，而不是 RGB）。对于灰度图像，img_gray[y, x] 返回一个表示强度值的单个整数。

完整示例

以下是一个结合了这些步骤的完整脚本：

import cv2
import numpy as np

# --- 配置 ---
image_path = 'example_image.jpg' # 将此改为你的图像文件
pixel_coordinate_y = 50          # 如有需要，更改此坐标
pixel_coordinate_x = 100         # 如有需要，更改此坐标

# --- 加载图像 ---
# 以彩色加载
img_color = cv2.imread(image_path, 1)
# 以灰度加载
img_gray = cv2.imread(image_path, 0)

print(f"--- 彩色图像 ({image_path}) 的属性 ---")
if img_color is not None:
    # 尺寸
    height, width, channels = img_color.shape
    print(f"尺寸 (高x宽x通道): {height} x {width} x {channels}")
    print(f"总像素数: {height * width}")

    # 数据类型
    print(f"数据类型: {img_color.dtype}")

    # 像素值
    if 0 <= pixel_coordinate_y < height and 0 <= pixel_coordinate_x < width:
        bgr_value = img_color[pixel_coordinate_y, pixel_coordinate_x]
        print(f"({pixel_coordinate_y}, {pixel_coordinate_x}) 处的 BGR 值: {bgr_value}")
    else:
        print(f"坐标 ({pixel_coordinate_y}, {pixel_coordinate_x}) 超出边界。")
else:
    print("错误：无法加载彩色图像。")

print(f"\n--- 灰度图像 ({image_path}) 的属性 ---")
if img_gray is not None:
    # 尺寸
    height_g, width_g = img_gray.shape
    print(f"尺寸 (高x宽): {height_g} x {width_g}")
    print(f"总像素数: {height_g * width_g}")

    # 数据类型
    print(f"数据类型: {img_gray.dtype}")

    # 像素值
    if 0 <= pixel_coordinate_y < height_g and 0 <= pixel_coordinate_x < width_g:
        intensity = img_gray[pixel_coordinate_y, pixel_coordinate_x]
        print(f"({pixel_coordinate_y}, {pixel_coordinate_x}) 处的强度值: {intensity}")
    else:
        print(f"坐标 ({pixel_coordinate_y}, {pixel_coordinate_x}) 超出边界。")
else:
    print("错误：无法加载灰度图像。")

试一试：

用你自己的图像运行脚本。
更改 pixel_coordinate_y 和 pixel_coordinate_x 的值，以查看图像的不同区域。尝试靠近角落（例如 0, 0）和靠近中心的坐标。
使用图像编辑工具找到特定像素的颜色，并查看它是否与脚本报告的 BGR 值匹配（请记住 BGR 顺序）。
尝试加载不同的图像文件类型（例如 .png），查看属性是否保持一致。

这项动手实践能让你具体感受图像是如何用数字表示的，为下一章做准备，届时我们将开始操作这些像素值以执行基本的图像处理。

这部分内容有帮助吗？