
上QQ阅读APP看本书,新人免费读10天
设备和账号都新为新人
3.2.2 案例12:Python中的Mat对象操作
在Python语言中,Mat类型的对象构造操作可以通过numpy来实现(创建图像矩阵)。如下代码用来创建全0矩阵m1,然后将所有值初始化为128,并将结果显示:

m1的显示结果如图3.8所示。
也可以对其中的部分元素值进行修改:

在上面的代码中,将行、列为128到384区域的像素值赋值为0(黑色),修改像素值后的图像显示结果如图3.9所示。

图3.8

图3.9
读取本地图像文件、获取图像的宽高、调整图像的大小的操作案例代码如下:

本案例使用的输入图像如图3.10所示,该图像为后面很多案例的源图像。
图像大小调整后的结果显示如图3.11所示。

图3.10

图3.11