opencv色彩空间类型转换(python)

Opencv,imag=cv2.cvtColor(imag,cv2.COLOR_BGR2GRAY) 报错:!_src.empty() in function ‘cv::cvtColor解决方案汇总 这一报错产生于调用OpenCV库将BGR图像转灰度图像时,而对于这个报错具体理解来说就是在调用cvtColor函数时,该函数读取到的imag信息为空。 阅读详情

色彩空间类型转换

色彩模型是描述使用一组值(通常使用三个、四个值或者颜色成分)表示颜色方法的抽象数学模型。

比较常见的色彩空间包括:

  • GRAY色彩空间(灰度图像)
  • XYZ色彩空间
  • YCrCb色彩空间
  • HSV色彩空间
  • HLS色彩空间
  • CIELab色彩空间
  • CIELuv色彩空间
  • Bayer色彩空间等

色彩空间类型转换是指,将图像从一个色彩空间转换到另外一个色彩空间。

在使用OpenCV处理图像时,可能会在RGB色彩空间和HSV色彩空间之间进行转换。

在进行图像的特征提取、距离计算时,往往先将图像从RGB色彩空间处理为灰度色彩空间。

在一些应用中,可能需要将色彩空间的图像转换为二值图像。

色彩空间也称为颜色空间、彩色空间、颜色模型、彩色系统、彩色模型、色彩模型等。

色彩空间基础
GRAY色彩空间

GRAY(灰度图像)通常指8位灰度图,其具有256个灰度级,像素值的范围是[0,255]。

当图像由RGB色彩空间转换为GRAY色彩空间时,其处理方式如下:

Gray=0.299*R+0.587*G+0.114*B

当图像由GRAY色彩空间转换为RGB色彩空间时,最终所有通道的值都将是相同的,其处理方式如下:

R=Gray
G=Gray
B=Gray
XYZ色彩空间

XYZ色彩空间是由CIE(International Commission on Illumination)定义的,是一种更便于计算的色彩空间,它可以与RGB色彩空间相互转换。

将RGB色彩空间转换为XYZ色彩空间,其转换形式为:

image-20220117164537864

将XYZ色彩空间转换为RGB色彩空间,其转换形式为:

image-20220117164603641

YCrCb色彩空间

人眼视觉系统(HVS, Human Visual System)对颜色的敏感度要低于对亮度的敏感度。

在YCrCb色彩空间中,Y代表光源的亮度,色度信息保存在Cr和Cb中,其中,Cr表示红色分量信息,Cb表示蓝色分量信息。

亮度给出了颜色亮或暗的程度信息,该信息可以通过照明中强度成分的加权和来计算。在RGB光源中,绿色分量的影响最大,蓝色分量的影响最小。

从RGB色彩空间到YCrCb色彩空间的转换公式为:

Y=0.299·R+0.587·G+0.114·B
Cr=(R-Y)×0.713+delta
Cb=(B-Y)×0.564+delta

式中delta的值为:

image-20220117164653063

从YCrCb色彩空间到RGB色彩空间的转换公式为:

R=Y+1.403*(Cr-delta)
G=Y-0.714*(Cr-delta)-0.344·(Cb-delta)
B=Y+1.773*(Cb-delta)

式中,delta的值与上面公式中的delta值相同。

HSV色彩空间

RGB是从硬件的角度提出的颜色模型,在与人眼匹配的过程中可能存在一定的差异,HSV色彩空间是一种面向视觉感知的颜色模型

指出人眼的色彩知觉主要包含三要素:色调(Hue,也称为色相)、饱和度(Saturation)、亮度(Value)。

色调指光的颜色,饱和度是指色彩的深浅程度,亮度指人眼感受到的光的明暗程度。

● 色调:色调与混合光谱中的主要光波长相关,例如“赤橙黄绿青蓝紫”分别表示不同的色调。如果从波长的角度考虑,不同波长的光表现为不同的颜色,实际上它们体现的是色调的差异。

● 饱和度:指相对纯净度,或一种颜色混合白光的数量。纯谱色是全饱和的,像深红色(红加白)和淡紫色(紫加白)这样的彩色是欠饱和的,饱和度与所加白光的数量成反比。

● 亮度:反映的是人眼感受到的光的明暗程度,该指标与物体的反射度有关。对于色彩来讲,如果在其中掺入的白色越多,则其亮度越高;如果在其中掺入的黑色越多,则其亮度越低。

  1. 将物理空间的颜色分布在圆周上,不同的角度代表不同的颜色。因此,通过调整色调值就能选取不同的颜色,色调的取值区间为[0, 360]

image-20220117164730850

  1. 饱和度为一比例值,范围是[0, 1],具体为所选颜色的纯度值和该颜色最大纯度值之间的比值。饱和度的值为0时,只有灰度。

  2. 亮度表示色彩的明亮程度,取值范围也是[0, 1]。

在从RGB色彩空间转换到HSV色彩空间之前,需要先将RGB色彩空间的值转换到[0, 1]之间,然后再进行处理。具体处理方法为:

image-20220117164743671

image-20220117164751193

计算结果可能存在H<0的情况,如果出现这种情况,则需要对H进行进一步计算,如下。

image-20220117164807322

由上述公式计算可知:

S∈[0,1]
V∈[0,1]
H∈[0,360]

所有这些转换都被封装在OpenCV的cv2.cvtColor()函数内。通常情况下,我们都是直接调用该函数来完成色彩空间转换的,而不用考虑函数的内部实现细节。

HLS色彩空间

HLS色彩空间包含的三要素是色调H(Hue)、光亮度/明度L(Lightness)、饱和度S(Saturation)。

与HSV色彩空间类似,只是HLS色彩空间用“光亮度/明度L(lightness)”替换了“亮度(Value)”。

● 色调:表示人眼所能感知的颜色,在HLS模型中,所有的颜色分布在一个平面的色调环上,整个色调环为360度的圆心角,不同的角度代表不同的颜色

● 光亮度/明度:用来控制色彩的明暗变化,它的取值范围也是[0, 1]。我们通过光亮度/明度的大小来衡量有多少光线从物体表面反射出来。光亮度/明度对于眼睛感知颜色很重要,因为当一个具有色彩的物体处于光线太强或者光线太暗的地方时,眼睛是无法准确感知物体颜色的。

● 饱和度:使用[0, 1]的值描述相同色调、相同光亮度/明度下的色彩纯度变化。饱和度的值越大,表示颜色的纯度越高,颜色越鲜艳;反之,饱和度的值越小,色彩的纯度越低,颜色越暗沉。通常用该属性表示颜色的深浅,比如深绿色、浅绿色。

CIELab*色彩空间

CIEL*a*b*色彩空间是均匀色彩空间模型,它是面向视觉感知的颜色模型。

从视觉感知均匀的角度来讲,人所感知到的两种颜色的区别程度,应该与这两种颜色在色彩空间中的距离成正比。在某个色彩空间中,如果人所观察到的两种颜色的区别程度,与这两种颜色在该色彩空间中对应的点之间的欧式距离成正比,则称该色彩空间为均匀色彩空间。

CIEL*a*b*色彩空间中的L*分量用于表示像素的亮度,取值范围是[0,100],表示从纯黑到纯白;a*分量表示从红色到绿色的范围,取值范围是[-127,127]; b*分量表示从黄色到蓝色的范围,取值范围是[-127,127]。

在从RGB色彩空间转换到CIEL*a*b*色彩空间之前,需要先将RGB色彩空间的值转换到[0, 1]之间,然后再进行处理。

由于CIEL*a*b*色彩空间是在CIE的XYZ色彩空间的基础上发展起来的,在具体处理时,需要先将RGB转换为XYZ色彩空间,再将其转换到CIEL*a*b*色彩空间。具体实现方法为:

image-20220117164828596

image-20220117164838892

所得结果中各个值的取值范围为:

L∈[0,100]
a∈[-127,127]
b∈[-127,127
CIELuv*色彩空间

CIEL*u*v*色彩空间同CIEL*a*b*色彩空间一样,都是均匀的颜色模型。CIEL*u*v*色彩空间与设备无关,适用于显示器显示和根据加色原理进行组合的场合,该模型中比较强调对红色的表示,即对红色的变化比较敏感,但对蓝色的变化不太敏感。

从RGB色彩空间到CIEL*u*v*色彩空间的转换过程,要先转换到XYZ色彩空间。

从RGB色彩空间到XYZ色彩空间的转换:

image-20220117164856218

从XYZ色彩空间到CIEL*u*v*色彩空间的转换:

image-20220117164907911

所得结果中各个值的取值范围分别为:

L∈[0,100]
u∈[-134,220]
v∈[-140,122]
Bayer色彩空间

Bayer色彩空间(Bayer模型)被广泛地应用在CCD和CMOS相机中。它能够从如图4-1所示的单平面R、G、B交错表内获取彩色图像。

image-20220117164925153

输出的RGB图像的像素点值,是根据当前点的1个、2个或4个邻域像素点的相同颜色的像素值获得的。

上述模式能够通过移动一个左边的像素或者上方的像素来完成修改。

在函数cv2.cvtColor()的色彩空间转换参数中,通常使用两个特定的参数x和y来表示特定的模式。

该模式组成通过上图第二行中的第2列与第3列的值来指定。上图就是典型的“BG”模式。

常见的模式还有很多,cv2.COLOR_BayerBG2BGR、cv2.COLOR_BayerGB2BGR、cv2.COLOR_BayerRG2BGR、cv2.COLOR_BayerGR2BGR、cv2.COLOR_BayerBG2RGB、cv2.COLOR_BayerGB2RGB、cv2.COLOR_BayerRG2RGB、cv2.COLOR_BayerGR2RGB等。

类型转换函数

在OpenCV内,使用cv2.cvtColor()函数实现色彩空间的变换。

该函数能够实现多个色彩空间之间的转换。

dst = cv2.cvtColor( src, code [, dstCn] )
  • dst表示输出图像,与原始输入图像具有同样的数据类型和深度。

  • src表示原始输入图像。可以是8位无符号图像、16位无符号图像,或者单精度浮点数等。

  • code是色彩空间转换码

    image-20220208010707448

    image-20220208010732570

    image-20220208010744528

    image-20220208010909199

    image-20220208010919343

    image-20220208010927286

  • dstCn是目标图像的通道数。如果参数为默认的0,则通道数自动通过原始输入图像和code得到。

对于一个标准的24位位图, BGR色彩空间中第1个8位(第1个字节)存储的是蓝色组成信息(Blue component),第2个8位(第2个字节)存储的是绿色组成信息(Green component),第3个8位(第3个字节)存储的是红色组成信息(Red component)。同样,其第4个、第5个、第6个字节分别存储蓝色、绿色、红色组成信息,以此类推。

颜色空间的转换都用到了如下约定:

  • 8位图像值的范围是[0,255]。

  • 16位图像值的范围是[0,65535]。

  • 浮点数图像值的范围是[0.0~1.0]。

对于线性转换来说,这些取值范围是无关紧要的。但是对于非线性转换来说,输入的RGB图像必须归一化到其对应的取值范围内,才能获取正确的转换结果。

说明:

  • 对于8位图,其能够表示的灰度级有28=256个,也就是说,在8位图中,最多能表示256个状态,通常是[0,255]之间的值。但是,在很多色彩空间中,值的范围并不恰好在[0,255]范围内,这时,就需要将该值映射到[0,255]内。
  • 在HSV或HLS色彩空间中,色调值通常在[0,360)范围内,在8位图中转换到上述色彩空间后,色调值要除以2,让其值范围变为[0,180),以满足存储范围,即让值的分布位于8位图能够表示的范围[0,255]内。又例如,在CIELab*色彩空间中,a通道和b通道的值范围是[-127,127],为了使其适应[0,255]的范围,每个值都要加上127。不过需要注意,由于计算过程存在四舍五入,所以转换过程并不是精准可逆的。
类型转换实例
  • 将BGR图像转换为灰度图像。

    rst=cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    
    import cv2 
    import numpy as np 
    img=np.random.randint(0,256, size=[2,4,3], dtype=np.uint8) 
    rst=cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) 
    print("img=\n", img) 
    print("rst=\n", rst) 
    print("像素点(1,0)直接计算得到的值=", 
    img[1,0,0]*0.114+img[1,0,1]*0.587+img[1,0,2]*0.299) 
    print("像素点(1,0)使用公式cv2.cvtColor()转换值=", rst[1,0]) 
    

    在OpenCV中,灰度图像是按照行列直接存储的。而BGR模式的图像会依次将它的B通道、G通道、R通道中的像素点,以行为单位按照顺序存储在ndarray的列中。

    image-20220208011655761

    当图像由RGB色彩空间转换到GRAY色彩空间时,其处理方式如下:

    Gray=0.299·R+0.587·G+0.114·B
    
  • 将灰度图像转换为BGR图像

    import cv2 
    import numpy as np 
    img=np.random.randint(0,256, size=[2,4], dtype=np.uint8) 
    rst=cv2.cvtColor(img, cv2.COLOR_GRAY2BGR) 
    print("img=\n", img) 
    print("rst=\n", rst) 
    

    当图像由GRAY色彩空间转换到RGB/BGR色彩空间时,最终所有通道的值都是相同的。其处理方式如下:

    R=Gray
    G=Gray
    B=Gray
    
  • 将图像在BGR和RGB模式之间相互转换

    import cv2 
    import numpy as np 
    img=np.random.randint(0,256, size=[2,4,3], dtype=np.uint8) 
    rgb=cv2.cvtColor(img, cv2.COLOR_BGR2RGB) 
    bgr=cv2.cvtColor(rgb, cv2.COLOR_RGB2BGR) 
    print("img=\n", img) 
    print("rgb=\n", rgb) 
    print("bgr=\n", bgr)
    
  • 将图像在BGR模式和灰度图像之间相互转换

    import cv2 
    lena=cv2.imread("lenacolor.png") 
    gray=cv2.cvtColor(lena, cv2.COLOR_BGR2GRAY) 
    rgb=cv2.cvtColor(gray, cv2.COLOR_GRAY2BGR) 
    #==========打印shape============ 
    print("lena.shape=", lena.shape) 
    print("gray.shape=", gray.shape) 
    print("rgb.shape=", rgb.shape) 
    #==========显示效果============ 
    cv2.imshow("lena", lena) 
    cv2.imshow("gray", gray) 
    cv2.imshow("rgb", rgb) 
    cv2.waitKey() 
    cv2.destroyAllWindows() 
    

    在通过“rgb=cv2.cvtColor(gray, cv2.COLOR_GRAY2BGR)”得到的RGB图像中,B通道、G通道、R通道的值都是一样的,所以其看起来仍是灰度图像。

  • 图像从BGR模式转换为RGB模式

    import cv2 
    lena=cv2.imread("lenacolor.png") 
    rgb = cv2.cvtColor(lena, cv2.COLOR_BGR2RGB) 
    cv2.imshow("lena", lena) 
    cv2.imshow("rgb", rgb) 
    cv2.waitKey() 
    cv2.destroyAllWindows() 
    
HSV色彩空间讨论

通过HSV色彩空间,够更加方便地通过色调、饱和度和亮度来感知颜色。

HSV色彩空间从心理学和视觉的角度出发,提出人眼的色彩知觉主要包含三要素

  • H:色调(Hue,也称为色相)。
  • S:饱和度(Saturation)。
  • V:亮度(Value)。
色调H

在HSV色彩空间中,色调H的取值范围是[0,360]。

8位图像内每个像素点所能表示的灰度级有28=256个,所以在8位图像内表示HSV图像时,要把色调的角度值映射到[0,255]范围内。在OpenCV中,可以直接把色调的角度值除以2,得到[0,180]之间的值,以适应8位二进制(256个灰度级)的存储和表示范围。

在HSV空间中,色调值为0表示红色,色调值为300表示品红色

image-20220208012713997

每个色调值对应一个指定的色彩,而与饱和度和亮度无关。

在OpenCV中,将色调值除以2之后,会得到如下的色调值与对应的颜色。

image-20220208012819758

饱和度S

饱和度值的范围是[0,1]

  • 灰度颜色所包含的R、G、B的成分是相等的,相当于一种极不饱和的颜色。所以,灰度颜色的饱和度值是0。
  • 作为灰度图像显示时,较亮区域对应的颜色具有较高的饱和度。
  • 如果颜色的饱和度很低,那么它计算所得色调就不可靠。

cv2.cvtColor()函数,进行色彩空间转换后,为了适应8位图的256个像素级,需要将新色彩空间内的数值映射到[0,255]范围内。所以,同样要将饱和度S的值从[0,1]范围映射到[0,255]范围内。

亮度V

亮度的范围与饱和度的范围一致,都是[0,1]。同样,亮度值在OpenCV内也将值映射到[0,255]范围内。

亮度值越大,图像越亮;亮度值越低,图像越暗。当亮度值为0时,图像是纯黑色。

获取指定颜色

可以通过多种方式获取RGB色彩空间的颜色值在HSV色彩空间内所对应的值。例如,可以通过图像编辑软件或者在线网站获取RGB值所对应的HSV值。

需要注意,在从RGB/BGR色彩空间转换到HSV色彩空间时,OpenCV为了满足8位图的要求,对HSV空间的值进行了映射处理。所以,通过软件或者网站获取的HSV值还需要被进一步映射,才能与OpenCV中的HSV值一致

例子

对蓝色、绿色、红色三种不同的颜色分别进行转换,将它们从BGR色彩空间转换到HSV色彩空间,并观察转换后所得到的HSV空间的对应值。

import cv2 
import numpy as np 
#=========测试一下OpenCV中蓝色的HSV模式值============= 
imgBlue=np.zeros([1,1,3], dtype=np.uint8) 
imgBlue[0,0,0]=255 
Blue=imgBlue 
BlueHSV=cv2.cvtColor(Blue, cv2.COLOR_BGR2HSV) 
print("Blue=\n", Blue) 
print("BlueHSV=\n", BlueHSV) 
#=========测试一下OpenCV中绿色的HSV模式值============= 
imgGreen=np.zeros([1,1,3], dtype=np.uint8) 
imgGreen[0,0,1]=255 
Green=imgGreen 
GreenHSV=cv2.cvtColor(Green, cv2.COLOR_BGR2HSV) 
print("Green=\n", Green) 
print("GreenHSV=\n", GreenHSV) 
#=========测试一下OpenCV中红色的HSV模式值============= 
imgRed=np.zeros([1,1,3], dtype=np.uint8) 
imgRed[0,0,2]=255 
Red=imgRed 
RedHSV=cv2.cvtColor(Red, cv2.COLOR_BGR2HSV) 
print("Red=\n", Red) 
print("RedHSV=\n", RedHSV)
标记指定颜色

在HSV色彩空间中,H通道(饱和度Hue通道)对应不同的颜色。换个角度理解,颜色的差异主要体现在H通道值的不同上。所以,通过对H通道值进行筛选,便能够筛选出特定的颜色。

在一幅HSV图像中,如果通过控制仅仅将H通道内值为240(在OpenCV内被调整为120)的像素显示出来,那么图像中就会仅仅显示蓝色部分。

可以将一幅图像内的其他颜色屏蔽,仅仅将特定颜色显示出来。

  1. 通过inRange函数锁定特定值

    OpenCV中通过函数cv2.inRange()来判断图像内像素点的像素值是否在指定的范围内,其语法格式为:

    dst = cv2.inRange( src, lowerb, upperb )
    

    ● dst表示输出结果,大小和src一致。

    ● src表示要检查的数组或图像。

    ● lowerb表示范围下界。

    ● upperb表示范围上界。

    返回值dst与src等大小,其值取决于src中对应位置上的值是否处于区间[lowerb, upperb]内:

    ● 如果src值处于该指定区间内,则dst中对应位置上的值为255。

    ● 如果src值不处于该指定区间内,则dst中对应位置上的值为0。

    使用函数cv2.inRange()将某个图像内的在[100,200]内的值标注出来。

    import cv2 
    import numpy as np 
    img=np.random.randint(0,256, size=[5,5], dtype=np.uint8) 
    min=100 
    max=200 
    mask = cv2.inRange(img, min, max) 
    print("img=\n", img) 
    print("mask=\n", mask) 
    

    返回的结果mask可以理解为一个掩码数组,其大小与原始数组一致。

  2. 通过基于掩码的按位与显示ROI

    正常显示某个图像内的感兴趣区域(ROI),而将其余区域显示为黑色。

    • 提取一个颜色区间,该区间的半径通常为10左右
    • HSV模式中S通道、V通道的值的取值范围一般是[100,255]。这主要是因为,当饱和度和亮度太低时,计算出来的色调可能就不可靠了。
    • 各种颜色的HSV区间值分布在[H-10,100,100]和[H+10,255,255]之间。
    import cv2 
    import numpy as np 
    opencv=cv2.imread("opencv.jpg") 
    hsv = cv2.cvtColor(opencv, cv2.COLOR_BGR2HSV) 
    cv2.imshow('opencv', opencv) 
    #=============指定蓝色值的范围============= 
    minBlue = np.array([110,50,50]) 
    maxBlue = np.array([130,255,255]) 
    #确定蓝色区域 
    mask = cv2.inRange(hsv, minBlue, maxBlue) 
    #通过掩码控制的按位与运算,锁定蓝色区域 
    blue = cv2.bitwise_and(opencv, opencv, mask= mask) 
    cv2.imshow('blue', blue) 
    #=============指定绿色值的范围============= 
    minGreen = np.array([50,50,50]) 
    maxGreen = np.array([70,255,255]) 
    #确定绿色区域 
    mask = cv2.inRange(hsv, minGreen, maxGreen) 
    #通过掩码控制的按位与运算,锁定绿色区域 
    green = cv2.bitwise_and(opencv, opencv, mask= mask) 
    cv2.imshow('green', green) 
    #=============指定红色值的范围============= 
    minRed = np.array([0,50,50]) 
    maxRed = np.array([30,255,255]) 
    #确定红色区域 
    mask = cv2.inRange(hsv, minRed, maxRed) 
    #通过掩码控制的按位与运算,锁定红色区域 
    red= cv2.bitwise_and(opencv, opencv, mask= mask) 
    cv2.imshow('red', red) 
    cv2.waitKey() 
    cv2.destroyAllWindows() 
    
标记肤色

通过分析可以估算出肤色在HSV色彩空间内的范围值。在HSV空间内筛选出肤色范围内的值,即可将图像内包含肤色的部分提取出来。

import cv2 
img=cv2.imread("lesson2.jpg") 
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV) 
h, s, v=cv2.split(hsv) 
minHue=5 
maxHue=170 
hueMask=cv2.inRange(h, minHue, maxHue) 
minSat=25 
maxSat=166 
satMask = cv2.inRange(s, minSat, maxSat) 
mask = hueMask & satMask 
roi = cv2.bitwise_and(img, img, mask= mask) 
cv2.imshow("img", img) 
cv2.imshow("ROI", roi) 
cv2.waitKey() 
cv2.destroyAllWindows() 
实现艺术效果

在HSV色彩空间内进行分量值的调整能够生成一些有趣的效果

改变V通道的值,让其值均变为255,观察图像处理结果。

import cv2 
img=cv2.imread("barbara.bmp") 
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV) 
h, s, v=cv2.split(hsv) 
v[:, :]=255 
newHSV=cv2.merge([h, s, v]) 
art = cv2.cvtColor(newHSV, cv2.COLOR_HSV2BGR) 
cv2.imshow("img", img) 
cv2.imshow("art", art) 
cv2.waitKey() 
cv2.destroyAllWindows() 
alpha通道

在RGB色彩空间三个通道的基础上,还可以加上一个A通道,也叫alpha通道,表示透明度。

这种4个通道的色彩空间被称为RGBA色彩空间,PNG图像是一种典型的4通道图像。alpha通道的赋值范围是[0, 1],或者[0, 255],表示从透明到不透明。

import cv2 
import numpy as np 
img=np.random.randint(0,256, size=[2,3,3], dtype=np.uint8) 
bgra = cv2.cvtColor(img, cv2.COLOR_BGR2BGRA) 
print("img=\n", img) 
print("bgra=\n", bgra) 
b, g, r, a=cv2.split(bgra) 
print("a=\n", a) 
a[:, :]=125 
bgra=cv2.merge([b, g, r, a]) 
print("bgra=\n", bgra) 

使用语句bgra=cv2.cvtColor(img, cv2.COLOR_BGR2BGRA)将img从BGR色彩空间转换到BGRA色彩空间。在转换后的BGRA色彩空间中,A是alpha通道,默认值为255。

对图像的alpha通道进行处理

import cv2 
img=cv2.imread("lenacolor.png") 
bgra = cv2.cvtColor(img, cv2.COLOR_BGR2BGRA) 
b, g, r, a=cv2.split(bgra) 
a[:, :]=125 
bgra125=cv2.merge([b, g, r, a]) 
a[:, :]=0 
bgra0=cv2.merge([b, g, r, a]) 
cv2.imshow("img", img) 
cv2.imshow("bgra", bgra) 
cv2.imshow("bgra125", bgra125) 
cv2.imshow("bgra0", bgra0) 
cv2.waitKey() 
cv2.destroyAllWindows() 
cv2.imwrite("bgra.png", bgra) 
cv2.imwrite("bgra125.png", bgra125) 
cv2.imwrite("bgra0.png", bgra0) 

各个图像的alpha通道值虽然不同,但是在显示时是没有差别的。

打开当前文件夹,可以看到当前文件夹下保存了三幅图像,有差别。

需要注意,在图像bgra0处于预览模式时,看起来可能是一幅黑色的图像,将其打开后就会看到它实际上是纯色透明的。

opencv-19 图像色彩空间转换函数cv2.cvtColor() 例如,在 HSV 或 HLS 色彩空间中,色调值通常在[0,360)范围内,在 8 位图中转换到上述色彩空间后,色调值要除以 2,让其值范围变为[0,180),以满足存储范围,即让值的分布位于8 位图能够表示的范围[0,255]内。目标图像是灰度图像,是 8 位图像,值是位于[0,255]之间的无符号整数。例如,对于 8 位图,其能够表示的灰度级有 28=256 个,也就是说,在 8 位图中,最多能表示 256 个状态,通常是[0,255]之间的值。但是,在很多色彩空间中,值的范围并不恰好在[0,255] 阅读详情

相关推荐

快速入门基于python的OpenCV——色彩空间类型转换

快速入门基于python的OpenCV——色彩空间类型转换 太原理工大学机器人团队20日打卡day16 ​ 比较常见的色彩空间包括GRAY色彩空间、XYZ色彩空间、YCrCB空间、HSV色彩空间、HLS色彩空间、CIEL* a * b *色彩空间(没有空格,因为编辑器问题)、Bayer色彩空间等。每个色彩空间都有自己擅长处理问题的领域,因此,为了更方便地处理某个具体问题,就要用到色彩空间的转换。 ...

soul_study的博客 648

cv2.cvtColor()-颜色空间转换函数

opencv中有多种色彩空间,包括 RGB、HSI、HSL、HSV、HSB、YCrCb、CIE XYZ、CIE Lab8种,使用中经常要遇到色彩空间的转化。 可以使用opencv中cv2.cvtColor()函数来改变图像的颜色空间,该函数形式为: cv2.cvtColor(frame,cv2.COLOR_BGR2RGB) @frame为要进行处理的图片; @cv2.COLOR_BGR2RGB要进...

sunmingyang1987的博客 8071

6-OpenCVSharp —- Cv2.CvtColor()函数功能(颜色空间转换)详解

是 OpenCVSharp 中用于颜色空间转换的一个非常重要的函数。它支持多种颜色空间之间的转换,允许你对图像进行灰度化、颜色空间转换、通道提取等操作。了解如何使用它,可以帮助你在图像处理、计算机视觉、机器学习等领域中更加高效地处理图像。

weixin_45590420的博客 2829

OpenCV教程05:cv2.cvtColor的示例用法

它可以将图像从一个颜色空间转换到另一个颜色空间,比如从 BGR 转换到灰度、HSV、YCrCb 等。在 OpenCV 中,默认加载的图像颜色空间是 BGR(蓝绿红),而不是通常的 RGB(红绿蓝)。因此,在处理图像时,经常需要转换颜色空间。HSV(色调、饱和度、亮度)是一种更直观的颜色空间,它对于某些图像处理任务(如颜色分割、颜色追踪等)来说非常有用。灰度图像是单通道的,每个像素的亮度值由原始图像的 BGR 值根据一定的权重计算得出。-------------OpenCV教程集合-------------

我的Python教程 3039

Codesys电子凸轮Cam表实战:从可视化配置到程序化构建

本文详细介绍了Codesys电子凸轮Cam表的实战应用,从可视化配置到程序化构建的全过程。通过包装机和印刷机案例,解析Cam表的基础设置、调试技巧及动态构建方法,帮助工程师快速掌握电子凸轮技术,提升运动控制精度和效率。

weixin_29309785的博客 300

瑞芯微rk3568移植openbmc(一)----关于ob移植的优缺点

基于rock3a的单板,CPU为瑞芯微rk3568的环境,移植了openbmc

feixiang3839的专栏 5540

opencv-python学习【4】色彩空间类型转换

OpenCV 中的色彩空间转换

m0_63462829的博客 2484

从零开始:用YOLOv8-Pose实现实时人体姿态检测(附完整代码)

本文提供了一份从零开始的完整实战指南,详细介绍了如何使用YOLOv8-Pose构建实时人体姿态检测系统。内容涵盖环境搭建、数据准备、模型训练与调优,以及高性能部署和进阶应用开发,并附有可直接运行的代码示例,帮助开发者快速掌握Pose Estimation技术并将其应用于实际项目。

h6i7j8的博客 622

python-openCV学习笔记(3)-色彩空间类型转换

色彩空间类型转换是指,将图像从一个色彩空间转换到另外一个色彩空间。

weixin_43771930的博客 1643

保姆级教程:5分钟搞定微信小程序live-player组件接入监控视频流

本文提供了一份详细的微信小程序接入实时监控视频流的实战指南。文章对比了live-player与video组件的核心差异,重点解析了如何申请并开通live-player组件的严格权限,并提供了播放RTMP流(低延迟)的完整配置、状态监听与错误处理代码。同时,也介绍了使用video组件播放HLS流的备选方案,帮助开发者根据项目需求快速选择并实现稳定可靠的监控视频播放功能。

open4的博客 300

AutoSAR EcuM系列01- EcuM模块的功能概述和变体类型

在【ECU的软硬件架构】文章中我们了解ECU的功能和组成,那么ECU具体是怎么启动的呢?我们知道,AutoSAR标准架构有三层,即APPL应用层、RTE层和BSW层。而这些层又被进一步划分为更多单独的组件,如BSW层可能有80多个组件。在ECU启动时,这些组件必须相互交互,有时也必须以某种顺序交互。这些组件的启动顺序由ECU管理器模块或EcuM处理。EcuM负责整个ECU的初始化和去初始化,包括对一些系统模块如。......

1767

OpenCV轻松入门_面向python(第四章色彩空间类型转换)

本文介绍了常见的色彩空间及其转换方法。主要内容包括:GRAY色彩空间的灰度转换公式;XYZ色彩空间与RGB的矩阵转换关系;YCrCb色彩空间中亮度与色度分量的计算;HSV/HLS色彩空间基于视觉感知的色调、饱和度、亮度模型;以及CIELab和CIELuv两种均匀色彩空间,重点说明了它们从RGB到XYZ再转换的计算过程。文章通过数学公式详细描述了各色彩空间之间的转换关系,为图像处理中的色彩空间转换提供了理论基础。

yanxing_D的博客 1054

基于STM32设计的计算器(实现基本运算)

当前文章介绍的是STM32+LCD触摸屏设计的一个触摸计算器功能,实现基本的加减乘除,二进制转换显示等功能。LCD屏使用的是3.5寸带触摸屏的显示屏,方便操作屏幕,MCU采用STM32F103ZET6。

8818

Python-OpenCV-色彩空间与类型转换

RGB图像是一种比较常见的色彩空间类型,除此之外还有一些其他的色彩空间,比较常见的包括GRAY色彩空间(灰度图像)、XYZ色彩空间、YCrCb色彩空间、HSV色彩空间、HLS色彩空间等等,每个色彩空间都有自己擅长处理问题的领域,因此为了更方便的处理某个具体问题,就要用到色彩空间类型转换。 ...

csdnzuoye的博客 239

基于 Qt C++ 开发一套西门子量子测量系统的控制与数据采集平台

sensorIdCombo->addItems({"QTS-100-001 (温度)", "QPG-200-001 (压力)", "QDS-300-001 (位移)"});precisionTable->setHorizontalHeaderLabels({"传感器ID", "类型", "标称精度", "实际精度", "校准状态"});QWidget *dispWidget = createSensorWidget("量子位移", "mm (±1μm)", 50.0, 0.001);// 传感器状态更新。

寒寒豆豆软件公司的博客 255

【DRAM存储器六十一】LPDDR5介绍--LPDDR5/5X/4/4X IO结构

简述LPDDR5/5X/4/4X IO结构及等效电路下的VREF理论值计算

highman110的博客 484

OpenCV图像处理技术(Python)——色彩空间类型转换

OpenCV图像处理技术(Python)——色彩空间类型转换 © Fu Xianjun. All Rights Reserved. 1.类型转换函数 BGR与RGB: dst=cv2.cvtColor(src,cv2.COLOR_BGR2RGB) dst=cv2.cvtColor(src,cv2.COLOR_RGB2BGR BGR与灰度: dst=cv2.cvtColor(src,cv2.COLOR_BGR2GRAY) dst=cv2.cvtColor(src,cv2.COLOR_GRAY2BGR) BG

Tomorimiao的博客 925

WINCC7.3破解文件

WINCC7.3硬件够破解文件,有需要的下载!WINCC7.3硬件够破解文件,有需要的下载!

Opencv+Python学习记录12:色彩空间类型转换(内附详细代码)

包含色彩空间具体分类,及其相互之间转换,附带转换实例代码

qq_53914247的博客 2734

汉书HE8,好用的汇编代码编写工具

汉书HE8,好用的汇编代码编写工具早期编写汇编代码所用功能强大

Devexpress16.2.6破解工具

Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具

OpenCV-python学习笔记(四)——色彩空间类型转换

OpenCV-python学习笔记(四)——色彩空间类型转换

weixin_56321457的博客 1813

文档:亲测可用解决vnc灰屏,黑屏,鼠标大黑叉情况

主要解决vnc-viewer灰屏,黑屏,鼠标大黑叉等现象,详细见文档。

python数字图像处理、色彩空间类型转换_Python OpenCV中色彩空间的转换类型

OpenCV中具有的色彩空间转换类型有很多,编写一个简单的Python程序,OpenCV下所支持的色彩空间转换类型Python程序:# -*- coding: utf-8 -*-import cv2import numpyflags = [i for i in dir(cv2) if i.startswith('COLOR_')]print flags输出结果如下所示:['COLOR_BAYER_...

weixin_35965498的博客 332

python数字图像处理、色彩空间类型转换_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...

weixin_39653311的博客 524

OpenCV轻松入门:面向Python【1.7】

本文介绍了图像处理中的两个核心技术:脸部打码解码和色彩空间转换。在脸部打码解码部分,通过Python+OpenCV实现了一个完整的脸部打码解码流程,包括密钥生成、异或加密、掩模处理等步骤。在色彩空间转换部分,详细阐述了常见的8种色彩空间(GRAY、XYZ、YCrCb、HSV、HLS、CIELab*、CIELuv*、Bayer)的特性及转换原理,重点分析了HSV色彩空间的色调、饱和度、亮度三要素,并提供了各色彩空间间的转换公式。文章通过具体代码示例和理论讲解相结合的方式,展示了图像处理中这两个重要技术的实现方

qq_43416206的博客 1090

opencv+python入门之四(图像加法、融合、类型转换(HSV,GRAY,BGR)、缩放、翻转)

1.图像加法 图像加法也有两种方法,第一是调用opencv中的库,第二是通过numpy方法。 首先介绍的是opencv中的方法。opencv通过调用cv2.add(img1,img2)来实现对像素值的相加,如果这两点像素值的和大于255,则会被设置成255,这样的效果就是图像会变亮。 numpy中则不同,如果像素值的和大于255,则会被对255取模(如果为300,则取模后值为45),因此效果...

布莱克的博客 2525

关于opencv基础知识入门30讲及代码

opencv-python opencv 不支持透明 R G B 设备独立空间 1.图像读取与显示 def red_deno(): image = cv.imread("D:/0.jpg") #注意符号 cv.imshow("input",image) cv.waitKey(0) cv.destroyAllWindows() 2.图像色彩空间转换 def color_space_demo(): #色彩空间 ...

zrhjhhhh的博客 678
上一篇: opencv图像运算(python)
下一篇: opencv几何变换(python)
暴风雨中的白杨
博客等级 码龄7年 1070粉丝 162原创
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

暴风雨中的白杨

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值