Numpy 在 Python 中加载部分图像

在处理图像数据时，有时我们只需要图像的某一部分进行处理，而不是整张图像。如果我们直接将整张图像加载到内存中，会占用大量的内存空间，导致处理速度变慢，因此有必要学习如何只加载图像的一部分。

这篇文章将会介绍如何使用 Numpy 在 Python 中加载部分图像。

阅读更多：Numpy 教程

图像的存储结构

在了解使用 Numpy 加载部分图像之前，我们需要先了解一下图像的存储结构。

通常情况下，一张彩色图像可以表示为一个三维数组，其中每个维度分别代表图像的长、宽和通道数。例如一个宽为 640 像素，高为 480 像素，颜色通道数为 RGB 的图像，可以表示为一个大小为 (480, 640, 3) 的三维数组。

在 Numpy 中，我们可以使用
“`np.ndarray“` 类型来表示图像。例如，我们可以将一个图像读入进来，并转换为 Numpy 数组：

import cv2
import numpy as np 

img = cv2.imread('example.jpg')
img = np.array(img)

这样，我们就得到了一个 Numpy 数组类型的图像。

在这个三维数组中，我们可以访问每个像素的 RGB 值。例如对于一个位置为 (row, col) 的像素，我们可以用以下代码来访问它的 RGB 值：

pixel_value = img[row, col, :]

其中
“`pixel_value“` 是一个三元素的数组，分别代表该像素的 R、G、B 值。

加载部分图像

现在我们已经了解了图像数组的结构，我们可以讨论如何加载它的部分。

切片操作

在 Python 中，可以通过切片操作来访问数组的部分元素。对于一个 Numpy 数组，我们同样可以使用切片操作来获取其中的部分内容。

例如，对于一个宽为 640 像素，高为 480 像素的图像，如果我们想要获取其左上角的 100×100 的部分图像，可以用如下代码：

part_of_img = img[0:100, 0:100]

其中，
“`img[0:100, 0:100]“` 表示获取第 0 到 100 行和第 0 到 100 列的部分，这样得到的 “`part_of_img“` 就是一个 100x100x3 的 Numpy 数组。

逐行读取

除了使用切片操作来加载部分图像，我们还可以逐行读取图像，只载入需要的部分。这种方法主要适用于处理高分辨率图像时，只需要处理一部分小范围的区域。

例如，我们可以读取一张 1024×1024 的图像，仅提取其中的中间一块 256×256 的部分。我们可以使用
“`cv2.imread“` 函数逐行读取：

import cv2
import numpy as np

# 读入原始图像
img = cv2.imread("example.jpg")

# 计算中心区域所在的行列号
center_row = img.shape[0] // 2
center_col = img.shape[1] // 2
half_size = 128

# 逐行读取中心区域的像素值
start_row = center_row - half_size
end_row = center_row + half_size
start_col = center_col - half_size
end_col = center_col + half_size

roi = np.zeros(shape=(256, 256, 3), dtype=np.uint8)
for i in range(start_row, end_row):
    for j in range(start_col, end_col):
        roi[i - start_row][j - start_col] = img[i][j]

在上面的代码中，我们首先读入了一张大小为 1024×1024 的图像。然后，我们计算出中心部分所在的行列号，并确定了所需的区域范围。最后，我们使用嵌套的 for 循环逐行遍历图像的指定区域，并将像素值存到一个新的 Numpy 数组中。

这样，我们就得到了一个大小为 256×256 的 Numpy 数组，其中包含了原图像的中心部分像素值。这种方法可以减少对整张图像的内存占用，提高了处理效率。