OpenCV之 BGR、GRAY、HSV色彩空间&色彩通道专题 【Open | 您所在的位置:网站首页 › 色彩空间的概念和意义 › OpenCV之 BGR、GRAY、HSV色彩空间&色彩通道专题 【Open |
文章目录
1.色彩空间1.1 BGR色彩空间1.2 GRAY色彩空间1.3 HSV色彩空间1.4 空间转换1.4.1 BGR 转 GRAY1.4.2 BGR 转 HSV
2. 色彩通道2.1 色彩通道的拆分2.1.1 cv2.split() 拆分BGR通道2.1.2 拆分HSV通道
2.2 cv2.merge() 色彩通道的合并2.2.1 BGR 合并2.2.2 HSV 合并2.2.3 通道拆分与合并的综合运用
2.3BGRA色彩空间 (alpha 通道)
ʚʕ̯•͡˔•̯᷅ʔɞ 🍹欢迎各路大佬来到小啾主页指点☀️欢迎大家前来学习OpenCVBGR、GRAY、HSV色彩空间&色彩通道专题 - Open_CV系列博文第三篇,我是侯小啾。 ✨博客主页:云雀编程小窝 🌹꧔ꦿ 🌹꧔ꦿ博文内容如对您有所帮助,还请给个点赞 + 关注 + 收藏✨ 如有疑问欢迎随时在评论区交流。☀️ 1.色彩空间色彩空间是人类为了描述不同频率的光,而建立出的色彩模型。不同通道的表示方式有所不同。 除了OpenCV默认的BGR色彩空间,还有两个常用的色彩空间:HSV色彩空间和GRAY色彩空间。 其中HSV色彩空间和BGR色彩空间都可以表示彩色色彩空间,都是使用三维数组表示的。而GRAY色彩空间在只能表示灰度图像。 1.1 BGR色彩空间BGR色彩空间是OpenCV默认的色彩空间。众所周知,BGR色彩空间有三个通道。该色彩空间是基于B(l蓝色),G(绿色),R(红色)而言的。像素数组内每个数据的值都在[0,255]内。 1.2 GRAY色彩空间GRAY色彩空间即灰度图像的色彩空间。像素数组中,可以是从0到255的 256个数字,每个数值表示从黑变白的颜色深浅程度。0表示纯黑色,255表示纯白色,数值越大越趋于白色。 1.3 HSV色彩空间BGR色彩空间是基于三基色(红,绿,蓝) 而言的。而HSV色彩空间是基于色调(H),饱和度(S)和亮度(V) 而言的。 其具体解释如下: 含义描述范围H色调指光的颜色[0,180] 红色:0, 黄色:30, 绿色:60, 蓝色:120S饱和度指色彩的深浅[0,255] 饱和度为0时变为灰度图像。V亮度指光的明暗[0,255] 亮度为0时,图像为纯黑色。亮度越大,图像越亮。 1.4 空间转换 cv2.cvtColor( )方法 在OpenCV中用于色彩空间转换。 语法cv2.cvtColor(src,code) src 即要操作的原图像code 指色彩空间转换码。从BGR色彩空间 转换为 GRAY色彩空间,需要用到的色彩空间转换码为 cv2.COLOR_BGR2GRAY 从BGR色彩空间 转换为 HSV色彩空间,需要用到的色彩空间转换码为 cv2.COLOR_BGR2HSV 1.4.1 BGR 转 GRAY 将改图从BGR色彩空间 转换到 GRAY色彩空间,代码如下: import cv2 image = cv2.imread("pic.jpg") gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) cv2.imshow("GRAY", gray_image) cv2.waitKey() cv2.destroyAllWindows() 再将猫图从BGR色彩空间 转到 HSV色彩空间。 import cv2 image = cv2.imread("pic.jpg") cv2.imshow("BGR", image) hsv_image = cv2.cvtColor(image, cv2.COLOR_BGR2HSV) cv2.imshow("HSV", hsv_image) cv2.waitKey() cv2.destroyAllWindows()如图,改变色彩空间类型后,《我们的猫》变成了《梵高的猫》。 为什么会这样呢? 因为,BGR色彩空间 转到 HSV色彩空间后,发生变化的只是描述图像的数组,数组中每个数字表示的意义变了,数值也发生了一定的变化,但是计算机读取图片的方式没有变,(0,0,0)依然表示纯黑色,(255,255,255)仍然表示纯白色,所以给我们呈现出看一幅不同于之前的图片。产生这样的图像效果的意义并不是为了满足人类的视觉,而是为满足计算机的视觉,计算机通过操作HSV色彩空间的数组的每个值,从而达到影响图像的色调(H),饱和度(S)和亮度(V)的目的。处理完之后,再转回HSV色彩空间,图片即变得符合人类视觉。色彩空间由色彩通道构成,对色彩通道我们也可以有一定的处理。 2.1 色彩通道的拆分OpenCV提供了split()方法可以满足我们对图像中的色彩通道的拆分需求。以便对每个色彩通道单独处理。 cv2.split(image) 2.1.1 cv2.split() 拆分BGR通道以拆分猫图的BGR色彩通道为例 import cv2 bgr_image = cv2.imread("pic.jpg") b, g, r = cv2.split(bgr_image) cv2.imshow("B", b) cv2.imshow("G", g) cv2.imshow("R", r) cv2.waitKey() cv2.destroyAllWindows()程序执行结果如图所示: 至于为什么这样,我们查看一下像素数组的变化便可知晓: 查看原图数组: bgr_image = cv2.imread("pic.jpg") print(bgr_image.shape) print(bgr_image) 查看拆分后的B通道图像的数组 b, g, r = cv2.split(bgr_image) print(b.shape) print(b) 可以看出,拆分后,数组由三维数组变成了二维数组,表示灰度图像的数组,二维数组的每个数值为原数组的每一个b通道值,在灰度图像中表示每一个像素的色彩深浅程度。g通道、r通道也同理,因为数值不同,所以灰度图像也有所差异。 以拆分猫图的HSV的色彩通道为例 2.1.2 拆分HSV通道所以同理,HSV通道图像经过拆分后得到的也是三个灰度图像。 import cv2 bgr_image = cv2.imread("pic.jpg") hsv_image = cv2.cvtColor(bgr_image, cv2.COLOR_BGR2HSV) h, s, v = cv2.split(hsv_image) cv2.imshow("H", h) cv2.imshow("S", s) cv2.imshow("V", v) cv2.waitKey() cv2.destroyAllWindows()程序执行结果如下: 色彩通道不仅可以有拆分处理,也可以有合并处理,即拆分的逆操作,即把离散的表示B、G、R 或 H、S、V的数组合并在一起合成一张彩色图像。 这里使用原图像,拆分后再恢复,展示为原图像。代码示例如下,结果不再一一展示。 2.2.1 BGR 合并 import cv2 bgr_image = cv2.imread("pic.jpg") b, g, r = cv2.split(bgr_image) # 这里要求顺序必须是b,g,r bgr = cv2.merge([b, g, r]) cv2.imshow("BGR", bgr) cv2.waitKey() cv2.destroyAllWindows() 2.2.2 HSV 合并 import cv2 bgr_image = cv2.imread("pic.jpg") hsv_image = cv2.cvtColor(bgr_image, cv2.COLOR_BGR2HSV) h, s, v = cv2.split(hsv_image) hsv = cv2.merge([h, s, v]) bgr = cv2.cvtColor(hsv, cv2.COLOR_HSV2BGR) cv2.imshow("BGR", bgr) cv2.waitKey() cv2.destroyAllWindows() 2.2.3 通道拆分与合并的综合运用在BRG和HSV色彩空间中,改变通道值都可以带来意想不到的艺术效果。 以HSV色彩空间为例,改变单个通道值: 如,把表示颜色的h值改为60,即绿色: import cv2 bgr_image = cv2.imread("pic.jpg") cv2.imshow("pic", bgr_image) hsv_image = cv2.cvtColor(bgr_image, cv2.COLOR_BGR2HSV) h, s, v = cv2.split(hsv_image) h[:, :] = 60 hsv = cv2.merge([h, s, v]) new_Image = cv2.cvtColor(hsv, cv2.COLOR_HSV2BGR) cv2.imshow("NEW", new_Image) cv2.waitKey() cv2.destroyAllWindows()h改为30, 黄色: h[:, :] = 30 h改为0,红色: h[:, :] = 0 h改为120,蓝色: h[:, :] = 120 v通道值改为255(亮度最高): v[:, :] = 255 s通道值改为255(色彩饱和度最高): s[:, :] = 255 红色,亮度最高: h[:, :] = 0 v[:, :] = 255 OpenCV在BGR色彩空间的基础上增加了用于设置图像透明度的alpha通道,也称A通道。 与BGR通道结合起来,组成了BGRA色彩空间。 从BGR色彩空间转换到BGRA色彩空间的转换码为cv2.COLOR_BGR2BGRA 下边展示在BGRA色彩空间中设置透明度的过程: 首先进行色彩空间转换,将BGR色彩空间转化为BGR色彩空间: import cv2 bgr_image = cv2.imread("pic.jpg") bgra_image = cv2.cvtColor(bgr_image, cv2.COLOR_BGR2BGRA) print(bgra_image)程序执行结果如下,可以看出,A值都为255,即原图总是默认不透明的。 然后分别将A通道值设置为172和0,并保存图片,对比图片效果。 这里不保存下来查看的话,在程序运行中展示并看不出差异。 保存图片时,要保存为png格式的图片,因为png文件即为BGRA四通道色彩空间的图像文件形式。 b, g, r, a = cv2.split(bgra_image) a[:, :] = 172 bgra_172 = cv2.merge([b, g, r, a]) a[:, :] = 0 bgra_0 = cv2.merge([b, g, r, a]) cv2.imwrite("BGRA.png", bgra_image) cv2.imwrite("BGRA172.png", bgra_172) cv2.imwrite("BGRA0.png", bgra_0)结果图片呈现如下: 从左到右透明度依次为0,172,255。 感谢您对博主的支持! 🌹꧔ꦿ本系列blog传送门: ✨OpenCV图像处理基本操作 【Python-Open_CV系列(一)】 ✨OpenCV像素处理基本操作 【Python-Open_CV系列(二)】 ✨OpenCV之 BGR、GRAY、HSV色彩空间&色彩通道专题 【Python-Open_CV系列(三)】 ✨OpenCV绘制图像与文字(可作为脚手架代码)(python) 【Python-Open_CV系列(四)】 ✨OpenCV图像几何变换专题(缩放、翻转、仿射变换及透视)【python-Open_CV系列(五)】 ✨基于梵·高《向日葵》的 图像阈值处理专题(二值处理、反二值处理、截断处理、自适应处理及Otsu方法)【Python-Open_CV系列(六)】 ✨OpenCV基本功 之 图像的掩模、运算 & 合并专题 -小啾带学【Python-Open_CV系列(七)】 ✨《三英战吕布》 - 图像模板匹配 【Python-Open_CV系列(八)】 ✨OpenCV滤波器 龙门石窟篇【Python-Open_CV系列(九)】(均值滤波器、中值滤波器、高斯滤波器、双边滤波器) ✨Open_CV形态学运算专题 (腐蚀&膨胀、开&闭运算、梯度运算、顶帽运算黑帽运算 )【Python-Open_CV系列(十)】 ✨霍夫变换看不懂?小啾带你串一遍:OpenCV图形检测专题 这样学最简单【Python-Open_CV系列(十一)】 ✨小啾带你开天眼 之 开启py-OpenCV摄像头及视频处理【Python-Open_CV系列(十二)】 ✨小啾带你开天眼 之 人脸检测与识别(以及华强、皇叔、高祖配墨镜特效)【Python-Open_CV系列(十三)】 |
CopyRight 2018-2019 实验室设备网 版权所有 |