【youcans 的 OpenCV 例程200篇】204. 图像的色彩风格滤镜

4. 图像的色彩风格滤镜

滤镜的原意是安装在相机镜头前过滤特定自然光的附加镜头，如紫外镜、偏光镜、渐变镜、雷登镜等。

在数字图像处理中，主要是用来实现图像的各种特殊效果。例如 Photoshop 提供的滤镜内容丰富，具有非常神奇的作用，可以为图片创造出绚目的效果。

使用 OpenCV 也可以实现各种滤镜风格，本节介绍色彩风格变换滤镜。

4.1 使用 OpenCV 色彩风格滤镜

函数 cv.applyColorMap() 不仅可以将灰度图像变换为伪彩色图像，也可以应用于彩色图像，根据色彩映射表，对彩色图像进行颜色变换，实现不同的色彩风格。

cv.applyColorMap(src, colormap[, dst]) → dst
cv.applyColorMap(src, userColor[, dst]) → dst

输入图像是彩色图像时，先将彩色图像转换为灰度图像，再按色彩映射表进行变换。

参数说明：

src：输入图像，8 位灰度图像或彩色图像，cv_8U
dst：输出图像，大小和通道数与 src 相同
colormap：色彩映射表，OpenCV 自带色彩风格类型的颜色查找表
userColor：用户自定义的色彩映射表， 256个元素

色彩映射表：

OpenCV 提供了 22 种色彩风格类型，类型描述关键字与色彩效果如下图所示。

ColorMaps[] = {
    
     
    "Autumn", "Bone", "Jet", "Winter", "Rainbow", "Ocean", "Summer", "Spring",
    "Cool", "HSV", "Pink", "Hot", "Parula", "Magma", "Inferno", "Plasma", "Viridis",
    "Cividis", "Twilight", "Twilight Shifted", "Turbo", "Deep Green"};

例程 14.8：图像特效之滤镜风格

函数 cv.applyColorMap() 的输入图像可以是彩色图像。

根据作者的测试，彩色图像将先被转换为灰度图像，再按色彩映射表进行变换。

    # 14.8 图像特效之色彩风格
    img = cv.imread("../images/imgLena.tif", flags=1)  # 读取彩色

    # 伪彩色处理
    pseudo1 = cv.applyColorMap(img, colormap=cv.COLORMAP_PINK)
    pseudo2 = cv.applyColorMap(img, colormap=cv.COLORMAP_CIVIDIS)
    pseudo3 = cv.applyColorMap(img, colormap=cv.COLORMAP_TWILIGHT_SHIFTED)
    pseudo4 = cv.applyColorMap(img, colormap=cv.COLORMAP_RAINBOW)
    pseudo5 = cv.applyColorMap(img, colormap=cv.COLORMAP_HOT)

    plt.figure(figsize=(9, 6))
    plt.subplot(231), plt.axis('off'), plt.title("Origin")
    plt.imshow(cv.cvtColor(img, cv.COLOR_BGR2RGB))
    plt.subplot(232), plt.axis('off'), plt.title("cv.COLORMAP_PINK")
    plt.imshow(cv.cvtColor(pseudo1, cv.COLOR_BGR2RGB))
    plt.subplot(233), plt.axis('off'), plt.title("cv.COLORMAP_CIVIDIS")
    plt.imshow(cv.cvtColor(pseudo2, cv.COLOR_BGR2RGB))
    plt.subplot(234), plt.axis('off'), plt.title("TWILIGHT_SHIFTED")
    plt.imshow(cv.cvtColor(pseudo3, cv.COLOR_BGR2RGB))
    plt.subplot(235), plt.axis('off'), plt.title("cv.COLORMAP_RAINBOW")
    plt.imshow(cv.cvtColor(pseudo4, cv.COLOR_BGR2RGB))
    plt.subplot(236), plt.axis('off'), plt.title("cv.COLORMAP_HOT")
    plt.imshow(cv.cvtColor(pseudo5, cv.COLOR_BGR2RGB))
    plt.tight_layout()
    plt.show()

在这里插入图片描述

例程 14.9：OpenCV 色彩方案全集

OpenCV 提供了 22 种色彩风格类型，类型描述关键字与色彩效果如下图所示。

ColorMaps[] = {
    
     
    "Autumn", "Bone", "Jet", "Winter", "Rainbow", "Ocean", "Summer", "Spring",
    "Cool", "HSV", "Pink", "Hot", "Parula", "Magma", "Inferno", "Plasma", "Viridis",
    "Cividis", "Twilight", "Twilight Shifted", "Turbo", "Deep Green"};

    # 14.9 色彩风格变换之 OpenCV ColorMaps
    img = cv.imread("../images/imgLena.tif", flags=1)  # 读取彩色

    plt.figure(figsize=(12, 9))
    plt.subplot(4,6,1), plt.axis('off'), plt.title("Origin")
    plt.imshow(cv.cvtColor(img, cv.COLOR_BGR2RGB))
    plt.subplot(4,6,2), plt.axis('off'), plt.title("Gray")
    plt.imshow(cv.cvtColor(img, cv.COLOR_BGR2GRAY), cmap='gray')

    # 色彩映射表类型描述
    ColorMaps = ["AUTUMN", "BONE", "JET", "WINTER", "RAINBOW", "OCEAN", "SUMMER", "SPRING",
        "COOL", "HSV", "PINK", "HOT", "PARULA", "MAGMA", "INFERNO", "PLASMA", "VIRIDIS",
        "CIVIDIS", "TWILIGHT", "TWILIGHT_SHIFTED", "TURBO", "DEEP_GREEN"]

    for i in range(len(ColorMaps)):
        cvmap = "cv.COLORMAP_"+ColorMaps[i]
        pseudo = cv.applyColorMap(img, colormap=i)
        print(cvmap)
        plt.subplot(4, 6, i+3), plt.axis('off'), plt.title(ColorMaps[i])
        plt.imshow(cv.cvtColor(pseudo, cv.COLOR_BGR2RGB))

    plt.tight_layout()
    plt.show()

在这里插入图片描述

4.2 使用 Matplotlib 中的色彩方案

OpenCV 提供的色彩风格类型与 Matlab、Matplotlib 热图的颜色映射是类似的。

Matplotlib 内置了很多 colormap。参见：http://matplotlib.org/examples/color/colormaps_reference.html

能否使用 Matplotlib 中的定义的色彩方案，实现色彩风格变换呢？

'Perceptually Uniform Sequential': # 亮度变化，饱和度增量
    'viridis', 'plasma', 'inferno', 'magma', 'cividis'
'Sequential': # 亮度变化，单一颜色
    'Greys', 'Purples', 'Blues', 'Greens', 'Oranges', 'Reds',
    'YlOrBr', 'YlOrRd', 'OrRd', 'PuRd', 'RdPu', 'BuPu',
    'GnBu', 'PuBu', 'YlGnBu', 'PuBuGn', 'BuGn', 'YlGn'
'Sequential (2)': # 亮度变化，单一颜色
    'binary', 'gist_yarg', 'gist_gray', 'gray', 'bone', 'pink',
    'spring', 'summer', 'autumn', 'winter', 'cool', 'Wistia',
    'hot', 'afmhot', 'gist_heat', 'copper'
'Diverging': # 亮度变化，两种颜色饱和度变化
    'PiYG', 'PRGn', 'BrBG', 'PuOr', 'RdGy', 'RdBu',
    'RdYlBu', 'RdYlGn', 'Spectral', 'coolwarm', 'bwr', 'seismic'
'Cyclic': # 两种不同颜色亮度变化，饱和度循环，首尾颜色相同
    'twilight', 'twilight_shifted', 'hsv'
'Qualitative': # 离散颜色，没有顺序关系
     'Pastel1', 'Pastel2', 'Paired', 'Accent',
    'Dark2', 'Set1', 'Set2', 'Set3',
    'tab10', 'tab20', 'tab20b', 'tab20c'
'Miscellaneous': # 特定用途，如海洋地形等
    'flag', 'prism', 'ocean', 'gist_earth', 'terrain', 'gist_stern',
    'gnuplot', 'gnuplot2', 'CMRmap', 'cubehelix', 'brg',
    'gist_rainbow', 'rainbow', 'jet', 'turbo', 'nipy_spectral',
    'gist_ncar'

例程 14.10：色彩风格变换之使用 matplotlib 色彩方案

能否使用 Matplotlib 中的定义的色彩方案，实现色彩风格变换呢？

    # 14.10 色彩风格变换之使用 matplotlib 色彩方案
    img = cv.imread("../images/imgLena.tif", flags=1)  # 读取彩色
    gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)

    plt.figure(figsize=(9, 6))
    plt.subplot(231), plt.axis('off'), plt.title("origin")
    plt.imshow(cv.cvtColor(img, cv.COLOR_BGR2RGB))

    #  由 matplotlib 生成自定义色彩映射表
    from matplotlib import cm
    cmList = ["cm.copper", "cm.hot", "cm.YlOrRd", "cm.rainbow", "cm.prism"]
    for i in range(len(cmList)):
        cmMap = eval(cmList[i])(np.arange(256))
        # RGB(matplotlib) -> BGR(OpenCV)
        lutC3 = np.zeros((1, 256, 3))  # BGR(OpenCV)
        lutC3[0,:,0] = np.array(cmMap[:, 2] * 255).astype("uint8")  # B: cmHot[:, 2]
        lutC3[0,:,1] = np.array(cmMap[:, 1] * 255).astype("uint8")  # G: cmHot[:, 1]
        lutC3[0,:,2] = np.array(cmMap[:, 0] * 255).astype("uint8")  # R: cmHot[:, 0]

        cmLUTC3 = cv.LUT(img, lutC3).astype("uint8")
        print(img.shape, cmMap.shape, lutC3.shape)
        plt.subplot(2,3,i+2), plt.axis('off'), plt.title(cmList[i])
        plt.imshow(cv.cvtColor(cmLUTC3, cv.COLOR_BGR2RGB))

    plt.tight_layout()
    plt.show()

在这里插入图片描述

【本节完】

版权声明：
youcans@xupt 原创作品，转载必须标注原文链接：(https://blog.csdn.net/youcans/article/details/125348802)
Copyright 2022 youcans, XUPT
Crated：2022-6-18
欢迎关注『youcans 的 OpenCV 例程 200 篇』系列，持续更新中
欢迎关注『youcans 的 OpenCV学习课』系列，持续更新中