【OpenCV实现图像：用Python生成图像特效，报错ValueError: too many values to unpack (expected 3)】

2023-10-31 13:44
文章标签 python 实现 图像 opencv 特效 生成 报错 many values unpack expected valueerror

本文主要是介绍【OpenCV实现图像：用Python生成图像特效，报错ValueError: too many values to unpack (expected 3)】，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

文章目录

    • 概要
    • 读入图像
    • 改变单个通道
    • 黑白特效
    • 颜色反转
    • 将图像拆分成四个子部分

概要

Python是一种功能强大的编程语言，也是图像处理领域中常用的工具之一。通过使用Python的图像处理库（例如Pillow、OpenCV等），开发者可以实现各种各样的图像特效。这些特效包括但不限于：滤镜效果（如黑白、模糊、锐化等）、颜色转换、边缘检测、形状识别、图像合成和增强现实效果等。

在Python中，可以使用各种算法和技术来处理图像，例如卷积操作、颜色空间转换、形态学操作等。通过这些技术，开发者可以创建出令人惊叹的图像特效，用于美化照片、设计艺术作品、实现计算机视觉应用等。

图像处理的过程通常包括图像的读取、处理和保存。Python提供了简单而灵活的API，使得这些操作变得容易。开发者可以加载图像，对其进行各种操作，然后保存处理后的图像，以便后续使用或展示。

读入图像

# 导入Pillow库中的Image模块
from PIL import Image# 打开名为"landscape.jpg"的图像文件
img = Image.open('./landscape.jpg')# 获取图像的宽度和高度
width, height = img.size
print("图像宽度:", width, "图像高度:", height)# 遍历图像的每个像素点
for x in range(0, height):for y in range(0, width):# 获取当前像素点的红色（r）、绿色（g）、蓝色（b）通道的像素值(r, g, b) = img.getpixel((x, y))# 打印每个像素点的RGB值print("像素点 (x:", x, ", y:", y, ") 的RGB值: (R:", r, ", G:", g, ", B:", b, ")")

在以上代码片段中，我们使用了Python的Pillow库来进行图像处理。首先，我们打开了名为"landscape.jpg"的样例图像，并获取了图像的宽度和高度。接着，我们使用嵌套的循环遍历图像的所有像素点。在每个像素点，我们使用getpixel((x, y))方法获取了红色（r）、绿色（g）、蓝色（b）三个通道的像素值。

通过这个嵌套循环，我们可以逐个打印出图像中每个像素的RGB值，从而了解图像的构成。这种方式可以作为图像处理的基础，为后续的图像处理操作提供了基础数据。这样的操作使得我们能够更深入地了解图像，为后续的图像处理任务提供了必要的信息。
报错;

D:\anaconda\envs\yolov5\python.exe E:\yolo项目\Opencv-project-main\Opencv-project-main\CVZone\guangliu\33.py 
图像宽度: 938 图像高度: 613
Traceback (most recent call last):File "E:\yolo项目\Opencv-project-main\Opencv-project-main\CVZone\guangliu\33.py", line 15, in <module>(r, g, b) = img.getpixel((x, y))
ValueError: too many values to unpack (expected 3)Process finished with exit code 1

在这里插入图片描述
解决办法一：
错误提示表明在(r, g, b) = img.getpixel((x, y))这一行代码中，getpixel((x, y))返回的值不是期望的3个像素通道值（红、绿、蓝），而是更多的值，因此Python无法将这些值正确地分配给(r, g, b)。这种情况通常发生在图像模式（mode）不是RGB模式的时候。
可以在处理图像之前，将图像转换为RGB模式。

# 将图像转换为RGB模式
img = img.convert('RGB')

修改代码为：

# 导入Pillow库中的Image模块
from PIL import Image# 打开名为"landscape.jpg"的图像文件
img = Image.open('img_1.png')# 将图像转换为RGB模式
img = img.convert('RGB')# 获取图像的宽度和高度
width, height = img.size
print("图像宽度:", width, "图像高度:", height)# 遍历图像的每个像素点
for x in range(0, height):for y in range(0, width):# 获取当前像素点的红色（r）、绿色（g）、蓝色（b）通道的像素值(r, g, b) = img.getpixel((x, y))# 打印每个像素点的RGB值print("像素点 (x:", x, ", y:", y, ") 的RGB值: (R:", r, ", G:", g, ", B:", b, ")")

结果：
在这里插入图片描述

解决办法二：
修改传递参数即可，
将三个传递参数添加第四个d即可解决问题。

(r, g, b,d) = img.getpixel((x, y))

完整代码

# 导入Pillow库中的Image模块
from PIL import Image# 打开名为"landscape.jpg"的图像文件
img = Image.open('img_1.png')# 获取图像的宽度和高度
width, height = img.size
print("图像宽度:", width, "图像高度:", height)# 遍历图像的每个像素点
for x in range(0, height):for y in range(0, width):# 获取当前像素点的红色（r）、绿色（g）、蓝色（b）通道的像素值(r, g, b,d) = img.getpixel((x, y))# 打印每个像素点的RGB值print("像素点 (x:", x, ", y:", y, ") 的RGB值: (R:", r, ", G:", g, ", B:", b, ")")

结果依旧
在这里插入图片描述

改变单个通道

首先使用Pillow库打开了名为"landscape.jpg"的图像文件。然后，我们获取了图像的宽度和高度，并创建了一个新的图像对象new_img，它具有相同的大小。接着，我们使用嵌套的循环遍历原始图像的每个像素点。

在每个像素点，我们使用img.getpixel((col, row))获取红、绿、蓝三个通道的像素值。然后，我们将原始图像的绿色通道的像素值增加了50，创建了一个新的颜色。这个新颜色包含了原始红色通道的值（r），绿色通道的值增加了50（g+50），和原始蓝色通道的值（b）。最后，我们使用new_img.putpixel((col, row), (r, g + 50, b))将修改后的像素值放入新图像对象中。

# 导入Pillow库中的Image模块
from PIL import Image# 打开名为"landscape.jpg"的图像文件
img = Image.open('img_1.png')# 获取图像的宽度和高度
width, height = img.size
print("原始图像宽度:", width, "图像高度:", height)# 创建一个新的RGB模式的图像对象，具有相同的大小
new_img = Image.new('RGB', (width, height))# 遍历原始图像的每个像素点
for row in range(0, height):for col in range(0, width):# 获取当前像素点的红色（r）、绿色（g）、蓝色（b）通道的像素值(r, g, b) = img.getpixel((col, row))# 修改绿色通道的像素值，增加50new_green = g + 50# 将修改后的像素值放入新图像对象中new_img.putpixel((col, row), (r, new_green, b))# 将修改后的图像保存为"landscape_edited.png"文件
new_img.save("landscape_edited1.png")# 打印提示信息
print("图像处理完成，并保存为landscape_edited.png")

报错依旧：
在这里插入图片描述
按照上述方法二选一即可解决报错问题，我用添加的方法二避免报错。
完整代码

# 导入Pillow库中的Image模块
from PIL import Image# 打开名为"landscape.jpg"的图像文件
img = Image.open('img_1.png')# 获取图像的宽度和高度
width, height = img.size
print("原始图像宽度:", width, "图像高度:", height)# 创建一个新的RGB模式的图像对象，具有相同的大小
new_img = Image.new('RGB', (width, height))# 遍历原始图像的每个像素点
for row in range(0, height):for col in range(0, width):# 获取当前像素点的红色（r）、绿色（g）、蓝色（b）通道的像素值(r, g, b,d) = img.getpixel((col, row))# 修改绿色通道的像素值，增加50new_green = g + 50# 将修改后的像素值放入新图像对象中new_img.putpixel((col, row), (r, new_green, b,d))# 将修改后的图像保存为"landscape_edited.png"文件
new_img.save("landscape_edited1.png")# 打印提示信息
print("图像处理完成，并保存为landscape_edited.png")

结果：
在这里插入图片描述
这里也放方法一的结果：
在这里插入图片描述
依然可以完成这样的结果。

黑白特效

为了实现基本的黑白特效，我们必须确保所有3个通道都具有相同的值。

让我们再次迭代每个像素，并计算三个通道像素值的平均值：

# 导入Pillow库中的Image模块
from PIL import Image# 打开图片文件
img = Image.open('img_1.png')
# 将图像转换为RGB模式
img = img.convert('RGB')
# 获取图片的宽度和高度
width, height = img.size# 输出图片的宽度和高度
print("原始图片大小：", width, height)# 创建一张新的RGB模式的图片，大小与原始图片相同
new_img = Image.new('RGB', (width, height))# 遍历原始图片的每个像素
for row in range(0, height):for col in range(0, width):# 获取当前像素点的RGB颜色值(r, g, b) = img.getpixel((col, row))# 计算RGB三个通道的平均值，将像素点转换为灰度avg = int((r + g + b) / 3)# 在新图片上设置当前像素点的颜色为灰度值，实现黑白效果new_img.putpixel((col, row), (avg, avg, avg))# 将处理后的黑白图片保存为'landscape_black_and_white.jpg'
new_img.save("landscape_black_and_white.jpg")# 输出处理后的图片保存成功的消息
print("黑白图片已保存为'landscape_black_and_white.jpg'")

在这里插入图片描述

颜色反转

看懂了上述代码，那么颜色反转的实现现在应该会很简单！

简单来说。我们的目标是将黑色像素（0，0，0）转换为白色像素（255，255，255）。


from PIL import Imageimg = Image.open('img_1.png')
# 将图像转换为RGB模式
img = img.convert('RGB')
width, height = img.size
print(width, height)new_img = Image.new('RGB', (width, height))
for row in range(0, height):for col in range(0, width):(r, g, b) = img.getpixel((col, row))inverted_pixel = (255 - r, 255-g, 255-b)new_img.putpixel((col, row), inverted_pixel)
new_img.save("landscape_edited.jpg")

在这里插入图片描述

将图像拆分成四个子部分

from PIL import Imageimg = Image.open('img_1.png')
# 将图像转换为RGB模式
img = img.convert('RGB')
width, height = img.size
print(width, height)new_img = Image.new('RGB', (width, height))for row in range(0, height):for col in range(0, width):(r, g, b) = img.getpixel((col, row))if col < width * 0.25:(r, g, b) = (r, g, b)elif col < width * 0.5:avg = int((r + g + b) / 3)(r, g, b) = (avg, avg, avg)elif col < width * 0.75:(r, g, b) = (r, g + 50, b)else:(r, g, b) = (255 - r, 255 - g, 255 - b)new_img.putpixel((col, row), (r, g, b))new_img.save("landscape_edited.jpg")

在这里插入图片描述
小结：
机器学习报错解决2——ValueError: too many values to unpack (expected 3)
这个文章里面的东西被参考，我用来做方法二，可以说有点用，但是方法一是最好的办法，避免方法二的传参问题，如果有参数传递错误，或者是版本问题导致库的传参问题，可以使用方法二
。

这篇关于【OpenCV实现图像：用Python生成图像特效，报错ValueError: too many values to unpack (expected 3)】的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！


http://www.chinasem.cn/article/315757。

相关文章

Django开发时如何避免频繁发送短信验证码（python图文代码）

Django开发时如何避免频繁发送短信验证码（python图文代码）

《Django开发时如何避免频繁发送短信验证码（python图文代码）》Django开发时,为防止频繁发送验证码,后端需用Redis限制请求频率,结合管道技术提升效率,通过生产者消费者模式解耦业务逻辑... 目录避免频繁发送 验证码1. www.chinasem.cn避免频繁发送 验证码逻辑分析2. 避免频繁
阅读更多...
分布式锁在Spring Boot应用中的实现过程

分布式锁在Spring Boot应用中的实现过程

《分布式锁在SpringBoot应用中的实现过程》文章介绍在SpringBoot中通过自定义Lock注解、LockAspect切面和RedisLockUtils工具类实现分布式锁,确保多实例并发操作... 目录Lock注解LockASPect切面RedisLockUtils工具类总结在现代微服务架构中，分布
阅读更多...
Java使用Thumbnailator库实现图片处理与压缩功能

Java使用Thumbnailator库实现图片处理与压缩功能

《Java使用Thumbnailator库实现图片处理与压缩功能》Thumbnailator是高性能Java图像处理库,支持缩放、旋转、水印添加、裁剪及格式转换,提供易用API和性能优化,适合Web应... 目录1. 图片处理库Thumbnailator介绍2. 基本和指定大小图片缩放功能2.1 图片缩放的
阅读更多...
精选20个好玩又实用的的Python实战项目(有图文代码)

精选20个好玩又实用的的Python实战项目(有图文代码)

《精选20个好玩又实用的的Python实战项目(有图文代码)》文章介绍了20个实用Python项目,涵盖游戏开发、工具应用、图像处理、机器学习等,使用Tkinter、PIL、OpenCV、Kivy等库... 目录① 猜字游戏② 闹钟③ 骰子模拟器④ 二维码⑤ 语言检测⑥ 加密和解密⑦ URL缩短⑧ 音乐播放
阅读更多...
python panda库从基础到高级操作分析

python panda库从基础到高级操作分析

《pythonpanda库从基础到高级操作分析》本文介绍了Pandas库的核心功能,包括处理结构化数据的Series和DataFrame数据结构,数据读取、清洗、分组聚合、合并、时间序列分析及大数据... 目录1. Pandas 概述2. 基本操作：数据读取与查看3. 索引操作：精准定位数据4. Group
阅读更多...
Python pandas库自学超详细教程

Python pandas库自学超详细教程

《Pythonpandas库自学超详细教程》文章介绍了Pandas库的基本功能、安装方法及核心操作,涵盖数据导入（CSV/Excel等）、数据结构（Series、DataFrame）、数据清洗、转换... 目录一、什么是Pandas库（1）、Pandas 应用（2）、Pandas 功能（3）、数据结构二、安
阅读更多...
Python使用Tenacity一行代码实现自动重试详解

Python使用Tenacity一行代码实现自动重试详解

《Python使用Tenacity一行代码实现自动重试详解》tenacity是一个专为Python设计的通用重试库,它的核心理念就是用简单、清晰的方式,为任何可能失败的操作添加重试能力,下面我们就来看... 目录一切始于一个简单的 API 调用Tenacity 入门：一行代码实现优雅重试精细控制：让重试按我
阅读更多...
Python安装Pandas库的两种方法

Python安装Pandas库的两种方法

《Python安装Pandas库的两种方法》本文介绍了三种安装PythonPandas库的方法,通过cmd命令行安装并解决版本冲突,手动下载whl文件安装,更换国内镜像源加速下载,最后建议用pipli... 目录方法一：cmd命令行执行pip install pandas方法二：找到pandas下载库，然后
阅读更多...
Redis客户端连接机制的实现方案

Redis客户端连接机制的实现方案

《Redis客户端连接机制的实现方案》本文主要介绍了Redis客户端连接机制的实现方案,包括事件驱动模型、非阻塞I/O处理、连接池应用及配置优化,具有一定的参考价值,感兴趣的可以了解一下... 目录1. Redis连接模型概述2. 连接建立过程详解2.1 连php接初始化流程2.2 关键配置参数3. 最大连
阅读更多...
Python实现网格交易策略的过程

Python实现网格交易策略的过程

《Python实现网格交易策略的过程》本文讲解Python网格交易策略,利用ccxt获取加密货币数据及backtrader回测,通过设定网格节点,低买高卖获利,适合震荡行情,下面跟我一起看看我们的第一... 网格交易是一种经典的量化交易策略，其核心思想是在价格上下预设多个“网格”，当价格触发特定网格时执行买
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2