Python+OpenCV图像处理—— 色彩空间转换

一、色彩空间的转换

代码如下：

#色彩空间转换import cv2 as cvdef color_space_demo(img): gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY) #RGB转换为GRAY 这里的GRAY是单通道的 cv.imshow('gray', gray) hsv = cv.cvtColor(img, cv.COLOR_BGR2HSV) #RGB转换为HSV cv.imshow('hsv', hsv) yuv = cv.cvtColor(img, cv.COLOR_RGB2YUV) #RGB转换为YUV cv.imshow('yuv',yuv) Ycrcb = cv.cvtColor(img, cv.COLOR_RGB2YCrCb) #RGB转换为YCrCb cv.imshow('Ycrcb', Ycrcb)src = cv.imread(’D:imageloadexample.png’)cv.namedWindow(’first_image’, cv.WINDOW_AUTOSIZE)cv.imshow(’first_image’, src)color_space_demo(src)cv.waitKey(0)cv.destroyAllWindows()

运行结果：

1.RGB就是指Red,Green和Blue,一副图像由这三个channel(通道)构成

2.Gray就是只有灰度值一个channel。

3.HSV即Hue(色调),Saturation(饱和度)和Value(亮度)三个channel

切记（纯属个人理解）：

1.百度百科说，将原来的RGB(R,G,B)中的R,G,B统一按照一种转换关系用Gray替换，形成新的颜色RGB(Gray,Gray,Gray)，用它替换原来的RGB(R,G,B)就是灰度图。

2.opencv里，COLOR_RGB2GRAY是将三通道RGB对象转换为单通道的灰度对象。

3.将单通道灰度对象转换为 RGB 时，生成的RGB对象的每个通道的值是灰度对象的灰度值。

RGB是为了让机器更好的显示图像,对于人类来说并不直观,HSV更为贴近我们的认知,所以通常我们在针对某种颜色做提取时会转换到HSV颜色空间里面来处理.

补注：

1.HSV如下图：

2.opencv里HSV色彩空间范围为： H：0-180 S: 0-255 V： 0-255

3.常见的色彩空间有RGB、HSV、HIS、YCrCb、YUV，其中最常用的是RGB、HSV、YUV，其中YUV就是YCrCb(详见百度百科)。其中YUV的“Y”表示明亮度（Luminance或Luma），也就是灰阶值；而“U”和“V” 表示的则是色度（Chrominance或Chroma），作用是描述影像色彩及饱和度，用于指定像素的颜色。

二、利用inrange函数过滤视频中的颜色，实现对特定颜色的追踪

代码如下：

#视频特定颜色追踪import cv2 as cvimport numpy as npdef extrace_object_demo(): capture=cv.VideoCapture('E:/imageload/video_example.mp4') while True: ret, frame = capture.read() if ret == False: break hsv = cv.cvtColor(frame, cv.COLOR_BGR2HSV) #色彩空间由RGB转换为HSV lower_hsv = np.array([100, 43, 46]) #设置要过滤颜色的最小值 upper_hsv = np.array([124, 255, 255]) #设置要过滤颜色的最大值 mask = cv.inRange(hsv, lower_hsv, upper_hsv) #调节图像颜色信息（H）、饱和度（S）、亮度（V）区间，选择蓝色区域 cv.imshow('video',frame) cv.imshow('mask', mask) c = cv.waitKey(40) if c == 27: #按键Esc的ASCII码为27 breakextrace_object_demo()cv.destroyAllWindows()

运行结果：

这里只放追踪蓝色部分的截图，仅供参考

注意：

1.Opencv的inRange函数：可实现二值化功能

函数原型：inRange(src,lowerb, upperb[, dst]) -> dst

函数的参数意义：第一个参数为原数组，可以为单通道，多通道。第二个参数为下界，第三个参数为上界

例如：mask = cv2.inRange(hsv, lower_blue, upper_blue)

第一个参数：hsv指的是原图（原始图像矩阵）

第二个参数：lower_blue指的是图像中低于这个lower_blue的值，图像值变为255

第三个参数：upper_blue指的是图像中高于这个upper_blue的值，图像值变为255 （255即代表黑色）

而在lower_blue～upper_blue之间的值变成0 (0代表白色)

即：Opencv的inRange函数可提取特定颜色，使特定颜色变为白色，其他颜色变为黑色，这样就实现了二值化功能

2.HSV颜色对应的RGB分量范围表如下：（这里是三通道的）

三、通道的分离、合并以及某个通道值的修改

代码如下：

#通道的分离与合并以及某个通道值的修改import cv2 as cvsrc=cv.imread(’E:imageloadexample.png’)cv.namedWindow(’first_image’, cv.WINDOW_AUTOSIZE)cv.imshow(’first_image’, src)#三通道分离形成单通道图片b, g, r =cv.split(src)cv.imshow('second_blue', b)cv.imshow('second_green', g)cv.imshow('second_red', r)# 其中cv.imshow('second_red', r)可表示为r = cv2.split(src)[2]#三个单通道合成一个三通道图片src = cv.merge([b, g, r])cv.imshow(’changed_image’, src)#修改多通道里的某个通道的值src[:, :, 2] = 0cv.imshow(’modify_image’, src)cv.waitKey(0)cv.destroyAllWindows()

注意：

1.这里用到了opencv的split函数和merge函数，实现通道的分离和合并。

2.cv.split函数分离出的b、g、r是单通道图像

以上就是Python+OpenCV图像处理—— 色彩空间转换的详细内容，更多关于Python+OpenCV图像处理的资料请关注好吧啦网其它相关文章！