百度360必应搜狗淘宝本站头条
当前位置:网站首页 > 技术分类 > 正文

OPENCV(3): 图像的颜色转换

ztj100 2025-04-24 10:40 16 浏览 0 评论

cv2.cvtColor() 颜色转换

作用

cv2.cvtColor()方法用于将图像从一种颜色空间转换为另一种颜色空间。 OpenCV提供了150多种color-space转换方法。我们将在下面使用一些颜色空间转换代码。

在从RGB颜色空间转换的情况下,应明确指定通道的顺序(RGB或BGR)。 请注意,OpenCV中的默认颜色格式通常称为RGB,但实际上是BGR(字节是相反的)。

因此,标准(24位)彩色图像中的第一个字节将是8位蓝色分量,第二个字节将是绿色分量,第三个字节将是红色分量。第四,第五和第六个字节将是第二个像素(蓝色,然后是绿色,然后是红色),依此类推。

R,G和B通道值的常规范围是:

  • -CV_8U图像为0至255
  • -CV_16U图像为0至65535
  • -CV_32F图像为0到1

原型dst = cv2.cvtColor(src, code[, dst[, dstCn]])

参数

  • src:它是要更改其色彩空间的图像。
  • code:它是色彩空间转换代码(详见手册)。
  • dst:它是与src图像大小和深度相同的输出图像。它是一个可选参数。
  • dstCn:它是目标图像中的频道数。如果参数为0,则通道数自动从src和代码得出。它是一个可选参数。

返回值:dst,它返回一个图像。

示例:

import cv2

# 【自定义显示函数】
def cvshow(original,image,winName):
    cv2.imshow('original', original)
    cv2.imshow(winName, image)
    cv2.waitKey(0)
    cv2.destroyAllWindows()  # 关闭显示窗口 

# 【设置颜色转换字典】
cvtCode = {
    'cv2.COLOR_RGB2GRAY':cv2.COLOR_RGB2GRAY,
    'cv2.COLOR_BGR2GRAY':cv2.COLOR_BGR2GRAY,
    'cv2.COLOR_RGB2BRG':cv2.COLOR_RGB2BGR,
    'cv2.COLOR_BGR2RGB':cv2.COLOR_BGR2RGB,
}
    
# 【读取图像】
img = cv2.imread('C:\\Users\\xxx\\Downloads\\lena.jpg')

# 【将图像进行颜色转换、并显示】
for key in cvtCode:
    gray = cv2.cvtColor(img,cvtCode[key]) 
    cvshow(img,gray,key)

cv2.applyColorMap() 灰度图转换其他色彩空间

在OpenCV中通常使用cvtColor()进行色彩空间的转换,它可以实现彩色图像在各种色彩空间里的转换,也可以用于彩色图像和灰度图像之间相互转换,但是在彩色图像转换到灰度图像后,再用该灰度图转换回彩色图像只是名义上多通道的彩色图像,人眼看到的却不是“彩色”了。

有没有方法可以让转换成后的彩色图看起来更“彩色”呢?这里介绍一个功能更强大的接口函数:applyColorMap(),它可以将灰度图像转换成彩色图像,转换的模式达22种之多,它的接口形式是这样的。

原型dst = cv2.applyColorMap(src, dst, COLORMAP)

参数

  • src:它是要更改其色彩空间的图像。
  • COLORMAP:颜色图模式,可以传入整数0~21对应各种不同的颜色图
  • dst:它是与src图像大小和深度相同的输出图像。它是一个可选参数。

返回值:dst,它返回一个图像。

COLORMAP颜色模式:

enum ColormapTypes
{
    COLORMAP_AUTUMN = 0, //!< ![autumn]
    COLORMAP_BONE = 1, //!< ![bone]
    COLORMAP_JET = 2, //!< ![jet]
    COLORMAP_WINTER = 3, //!< ![winter]
    COLORMAP_RAINBOW = 4, //!< ![rainbow]
    COLORMAP_OCEAN = 5, //!< ![ocean]
    COLORMAP_SUMMER = 6, //!< ![summer]
    COLORMAP_SPRING = 7, //!< ![spring]
    COLORMAP_COOL = 8, //!< ![cool]
    COLORMAP_HSV = 9, //!< ![HSV]
    COLORMAP_PINK = 10, //!< ![pink]
    COLORMAP_HOT = 11, //!< ![hot]
    COLORMAP_PARULA = 12, //!< ![parula]
    COLORMAP_MAGMA = 13, //!< ![magma]
    COLORMAP_INFERNO = 14, //!< ![inferno]
    COLORMAP_PLASMA = 15, //!< ![plasma]
    COLORMAP_VIRIDIS = 16, //!< ![viridis]
    COLORMAP_CIVIDIS = 17, //!< ![cividis]
    COLORMAP_TWILIGHT = 18, //!< ![twilight]
    COLORMAP_TWILIGHT_SHIFTED = 19, //!< ![twilight shifted]
    COLORMAP_TURBO = 20, //!< ![turbo]
    COLORMAP_DEEPGREEN = 21  //!< ![deepgreen]
};

各种ColormapTypes对应的色彩是下图这样的,有各种春夏秋冬四季风格、冷热风格等等。

示例:

import cv2 

img_gray = cv2.imread('C:\\Users\\xxx\\Downloads\\lena.jpg',cv2.IMREAD_GRAYSCALE)
for i in range(22):
    dst = cv2.applyColorMap(img_gray,i) 
    cv2.imshow('map'+str(i),dst) 
    cv2.waitKey(500)
    cv2.imwrite("map-"+str(i)+".jpg",dst)
cv2.destroyAllWindows()  # 关闭显示窗口 

相关推荐

其实TensorFlow真的很水无非就这30篇熬夜练

好的!以下是TensorFlow需要掌握的核心内容,用列表形式呈现,简洁清晰(含表情符号,<300字):1.基础概念与环境TensorFlow架构(计算图、会话->EagerE...

交叉验证和超参数调整:如何优化你的机器学习模型

准确预测Fitbit的睡眠得分在本文的前两部分中,我获取了Fitbit的睡眠数据并对其进行预处理,将这些数据分为训练集、验证集和测试集,除此之外,我还训练了三种不同的机器学习模型并比较了它们的性能。在...

机器学习交叉验证全指南:原理、类型与实战技巧

机器学习模型常常需要大量数据,但它们如何与实时新数据协同工作也同样关键。交叉验证是一种通过将数据集分成若干部分、在部分数据上训练模型、在其余数据上测试模型的方法,用来检验模型的表现。这有助于发现过拟合...

深度学习中的类别激活热图可视化

作者:ValentinaAlto编译:ronghuaiyang导读使用Keras实现图像分类中的激活热图的可视化,帮助更有针对性...

超强,必会的机器学习评估指标

大侠幸会,在下全网同名[算法金]0基础转AI上岸,多个算法赛Top[日更万日,让更多人享受智能乐趣]构建机器学习模型的关键步骤是检查其性能,这是通过使用验证指标来完成的。选择正确的验证指...

机器学习入门教程-第六课:监督学习与非监督学习

1.回顾与引入上节课我们谈到了机器学习的一些实战技巧,比如如何处理数据、选择模型以及调整参数。今天,我们将更深入地探讨机器学习的两大类:监督学习和非监督学习。2.监督学习监督学习就像是有老师的教学...

Python教程(三十八):机器学习基础

...

Python 模型部署不用愁!容器化实战,5 分钟搞定环境配置

你是不是也遇到过这种糟心事:花了好几天训练出的Python模型,在自己电脑上跑得顺顺当当,一放到服务器就各种报错。要么是Python版本不对,要么是依赖库冲突,折腾半天还是用不了。别再喊“我...

超全面讲透一个算法模型,高斯核!!

...

神经网络与传统统计方法的简单对比

传统的统计方法如...

AI 基础知识从0.1到0.2——用“房价预测”入门机器学习全流程

...

自回归滞后模型进行多变量时间序列预测

下图显示了关于不同类型葡萄酒销量的月度多元时间序列。每种葡萄酒类型都是时间序列中的一个变量。假设要预测其中一个变量。比如,sparklingwine。如何建立一个模型来进行预测呢?一种常见的方...

苹果AI策略:慢哲学——科技行业的“长期主义”试金石

苹果AI策略的深度原创分析,结合技术伦理、商业逻辑与行业博弈,揭示其“慢哲学”背后的战略智慧:一、反常之举:AI狂潮中的“逆行者”当科技巨头深陷AI军备竞赛,苹果的克制显得格格不入:功能延期:App...

时间序列预测全攻略,6大模型代码实操

如果你对数据分析感兴趣,希望学习更多的方法论,希望听听经验分享,欢迎移步宝藏公众号...

AI 基础知识从 0.4 到 0.5—— 计算机视觉之光 CNN

...

取消回复欢迎 发表评论: