计算机视觉 / 系统课时
修改像素区域
修改像素区域
本课解决如何高效修改 OpenCV 图像中的单个像素和矩形区域。完成后,你能使用 NumPy 切片一次性完成批量赋值,并正确处理 BGR 顺序、切片边界以及 ROI 视图带来的联动修改。
学习目标
- 使用索引修改单个像素
- 使用切片批量修改矩形区域
- 理解半开区间和 ROI 视图的行为
单点与区域定位
修改单个像素时使用 image[row, column] = (B, G, R)。修改矩形区域时使用 image[row_start:row_end, column_start:column_end],结束位置不包含在结果中。
例如 image[2:4, 1:4] 会选择第 2、3 行以及第 1、2、3 列,共得到一个高 2、宽 3 的区域。切片仍然遵循先行后列,而不是先写横坐标。
完整修改示例
下面创建一张 4×5 的黑色 BGR 图像,将一个像素改为红色,再将一个 2×3 的矩形区域改为绿色。数组赋值会把同一个 BGR 值广播到区域中的所有像素。
python
import numpy as np
image = np.zeros((4, 5, 3), dtype=np.uint8)
# 单个像素赋值,BGR 中红色写作 (0, 0, 255)
image[1, 2] = (0, 0, 255)
# 行范围是 2、3,列范围是 1、2、3
image[2:4, 1:4] = (0, 255, 0)
print("单像素:", image[1, 2].tolist())
print("区域左上角:", image[2, 1].tolist())
print("区域形状:", image[2:4, 1:4].shape)
print("未修改像素:", image[0, 0].tolist())预期输出
text
单像素: [0, 0, 255]
区域左上角: [0, 255, 0]
区域形状: (2, 3, 3)
未修改像素: [0, 0, 0]输出中的最后一个维度为 3,表示每个像素包含 B、G、R 三个通道。区域赋值不会改变切片范围之外的像素。
效率与边界
切片赋值由 NumPy 在底层连续处理数据,通常比 Python 中的双重 for 循环更快,也更不容易写错边界。只有当每个像素需要执行不同且无法向量化的逻辑时,才考虑逐像素遍历。
切片得到的 ROI 通常是原图的视图。执行 roi = image[2:4, 1:4] 后再修改 roi,原图也会变化。若需要独立副本,应写成 roi = image[2:4, 1:4].copy()。
赋值时还要保证通道数匹配。三通道图像可接收长度为 3 的 BGR 元组;灰度图应赋单个数值。超出数组边界的切片会被截断,但单点索引越界会抛出 IndexError。
本课总结
- 单个像素使用二维索引赋值,彩色值按 BGR 顺序填写
- 矩形区域使用半开区间切片,可一次修改大量像素
- ROI 切片通常与原图共享数据,需要独立区域时应调用
.copy()
下一课预告
下一课将进一步提取感兴趣区域,并在裁剪、复制和局部处理之间建立清晰的使用边界。
按自己的节奏,确认真正理解。