OpenCV:图像的颜色空间转换

导包：

import numpy as np
import cv2
import matplotlib.pyplot as plt
def show(image):
    plt.imshow(image)
    plt.axis('off')
    plt.show()
def imread(image):
    image=cv2.imread(image)
    image=cv2.cvtColor(image,cv2.COLOR_BGR2RGB)
    return image

RGB当中每一个颜色都有256阶亮度，每一阶都对应着一个亮度：

image=imread("123.jpg")
(R,G,B)=cv2.split(image)#这里将通道进行拆分
print(image.shape)
print(image.shape[:2])
zeros=np.zeros(image.shape[:2],dtype='uint8')#这里只取了图像三要素当中的前面部分，毕竟通道拆分之后其颜色空间就仅有一个了
show(cv2.merge([R,zeros,zeros]))
show(cv2.merge([zeros,G,zeros]))
show(cv2.merge([zeros,zeros,B]))#merge是将通道进行合并

颜色空间的HSV模型。 H代表的是颜色的色调，一共从0—360度。每一度代表这不同的颜色模型 S：代表饱和度，饱和度的取值范围是%0—100,如果饱和度越大，则白色的占有率越小，颜色则越饱满，饱和度越小则白色越明显。 V:代表明度，取值是%0——100，0表示的最黑，100表示的是最亮

#由于我们在opencv当中的颜色最开始都是采用的是BGR的模式，然后我们之前编写的函数将BGR转换成了RGB的模式，但是在这里我们需要重新将RGB的格式
#更改为HSV的格式才对
image=imread("123.jpg")
hsv=cv2.cvtColor(image,cv2.COLOR_RGB2HSV)
print(image.shape)
print(image.shape[:2])
zeros=np.zeros(image.shape[:2],dtype='uint8')#这里只取了图像三要素当中的前面部分，毕竟通道拆分之后其颜色空间就仅有一个了
for (name,chan) in zip(('H','S','V'),cv2.split(hsv)):
    cv2.imshow(name,chan)
cv2.waitKey(0)
cv2.destroyAllWindows()

下面展示灰度图的显示，这个在我们图像处理当中的是最为常用的：

image=cv2.imread("123.jpg")#这里用自带的方法读取图片就不会出现图片显示不正确的结果了
gray=cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)
cv2.imshow('original',image)
cv2.imshow('gray',gray)
cv2.waitKey(0)
cv2.destroyAllWindows()

OpenCV:图像的颜色空间转换

猜你喜欢