关于python读取RGB图像的问题

博主记录使用Python的scipy.misc中imread时遇到的问题,发现OpenCV默认存储方式虽写为RGB,实际是BGR图像,直接当成RGB进行imwrite会出问题。虽暂无特别好的解决办法,但不单独处理颜色空间转换无问题,有个办法但操作放网络里慢,尽量不用。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

记录一下我在使用python中的scipy.misc中的imread的问题。

 

调用函数为

from scipy.misc import imread

image_path = './testimg.jpg'
img = imread(image_path, mode = 'RGB')

原图是:

之后直接用RGB的方式保存出来的图像其实是:

一开始还以为是我哪里的代码出了一点问题,可是后来发现并非如此,在cv2的__init__.py文件中,从cvtColor函数里面的声明这样写道:

The function converts an input image from one color space to another. In case of a transformation to-from RGB color space, the order of the channels should be specified explicitly (RGB or BGR). Note that the default color format in OpenCV is often referred to as RGB but it is actually BGR (the bytes are reversed). So the first byte in a standard (24-bit) color image will be an 8-bit Blue component, the second byte will be Green, and the third byte will be Red. The fourth, fifth, and sixth bytes would then be the second pixel (Blue, then Green, then Red), and so on.

这也就说明了这个问题,OpenCV里面的默认存储方式虽然写作RGB但是实际上存储是BGR图像,所以在直接当成RGB来进行imwrite的时候当然会出问题。

 

当然,没有什么特别好的解决办法,不过暂时还没有影响到使用。颜色空间的转换只要不单独做处理的话也是不会有什么问题的。实在不行,有一个办法:

img = img[:, :, ::-1]

不过感觉这种操作放到网络里面会特别慢,不到万不得已我还是尽量不去使用它。

Python 中,将 RGB 图像转换为二值图像通常涉及以下几个步骤:首先将图像RGB 颜色空间转换为灰度图像,然后对灰度图像应用阈值处理以生成二值图像。可以使用 OpenCV、NumPy 和 Matplotlib 等库来实现这一过程。 ### 将 RGB 图像转换为二值图像的步骤 1. **读取图像**:使用 OpenCV 或 Matplotlib 读取图像文件。 2. **灰度化**:将 RGB 图像转换为灰度图像。常用的方法是使用加权平均法,如 `Y = 0.299 * R + 0.587 * G + 0.114 * B`。 3. **阈值处理**:对灰度图像应用全局阈值或自适应阈值处理,将其转换为二值图像。 ### 示例代码 以下是一个完整的示例代码,展示如何将 RGB 图像转换为二值图像: ```python import cv2 import numpy as np import matplotlib.pyplot as plt # 读取图像 image = cv2.imread('autumn_oak.jpg') # 使用 OpenCV 读取图像 image_rgb = cv2.cvtColor(image, cv2.COLOR_BGR2RGB) # 转换为 RGB 格式以便于显示 # 灰度化 gray_image = np.dot(image_rgb[..., :3], [0.299, 0.587, 0.114]) # 应用灰度化公式[^3] # 显示灰度图像 plt.figure(figsize=(10, 5)) plt.subplot(1, 2, 1) plt.title("Grayscale Image") plt.imshow(gray_image, cmap='gray') plt.axis('off') # 二值化处理 threshold_value = 128 # 设定阈值 _, binary_image = cv2.threshold(gray_image.astype(np.uint8), threshold_value, 255, cv2.THRESH_BINARY) # 显示二值图像 plt.subplot(1, 2, 2) plt.title("Binary Image") plt.imshow(binary_image, cmap='gray') plt.axis('off') # 保存二值图像 cv2.imwrite('binary_image.jpg', binary_image) # 显示图像 plt.show() ``` ### 说明 - **灰度化**:通过加权平均法将 RGB 图像转换为灰度图像,公式为 `Y = 0.299 * R + 0.587 * G + 0.114 * B` [^3]。 - **二值化**:使用 OpenCV 的 `cv2.threshold` 函数对灰度图像进行阈值处理。设定阈值为 `128`,大于该值的像素被设为 `255`(白色),小于等于该值的像素被设为 `0`(黑色)。 这种方法可以有效地将 RGB 图像转换为二值图像,并且可以根据需要调整阈值以获得最佳效果。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
实付
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