20250118-读取并显示彩色图像以及提取彩色图像的 R、G、B 分量

读取并显示彩色图像以及提取彩色图像的 R、G、B 分量

import cv2  # 彩图 R、G、B 的提取
import numpy as np
from PIL import Image
from matplotlib import pyplot as plt

1. 读取并显示彩色图像的三种方法：

img_path = "./data/yndx"

1.1 使用 PIL 读取图像，并使用 plt.imshow 显示图像

# 使用 PIL 读取图像
pil_img = Image.open(img_path + "/color_img.jpg")

# 使用 plt.imshow 显示图像
plt.imshow(pil_img)
plt.axis('off')  # 不显示坐标轴
plt.show()

1.2 使用 OpenCV 读取图像，并使用 plt.imshow 显示图像

# 使用 OpenCV 读取图像
cv2_img = cv2.imread(img_path + "/color_img.jpg")

# OpenCV 读取的图像是 BGR 格式，需要转换为 RGB 格式
image_rgb = cv2.cvtColor(cv2_img, cv2.COLOR_BGR2RGB)
# 使用 plt.imshow 显示图像
plt.imshow(image_rgb)
plt.axis('off')  # 不显示坐标轴
plt.show()

# OpenCV 读取的图像是 BGR 格式
plt.imshow(cv2_img)
plt.axis('off')  # 不显示坐标轴
plt.show()

OpenCV 读取的原始图像（BGR 格式）和转换为 RGB 格式后的图像，显示结果不同的：

1. 颜色通道顺序不同

• BGR 格式：OpenCV 默认使用 BGR 格式读取图像。在这种格式下，图像的蓝色通道（B）、绿色通道（G）和红色通道（R）的顺序是 B、G、R。当使用 plt.imshow() 显示 BGR 格式的图像时，由于 matplotlib 库是按照 RGB 格式来解析图像的，所以图像的颜色会出现偏差，蓝色和红色通道的颜色会互换，导致图像整体颜色失真，比如原本红色的物体可能会显示为蓝色，蓝色的物体显示为红色等。
• RGB 格式：经过 cv2.cvtColor() 函数将 BGR 格式转换为 RGB 格式后，图像的颜色通道顺序变为 R、G、B。此时再使用 plt.imshow() 显示，matplotlib 能正确解析图像的颜色通道，图像的颜色就能正常显示，与我们肉眼看到的图像颜色一致。

2. 显示效果对比

• BGR 格式显示效果：如上所述，由于颜色通道顺序错误，图像整体颜色会变得混乱，色彩失真较为明显。例如，一张原本色彩鲜艳、色彩搭配合理的风景照片，在 BGR 格式下显示时，天空可能不再是正常的蓝色，而是呈现出一种奇怪的红色或其他颜色，花朵的颜色也会变得不自然。
• RGB 格式显示效果：转换为 RGB 格式后，图像的颜色能够准确呈现，色彩鲜艳度、对比度等都能保持正常。同一张风景照片，在 RGB 格式下显示时，天空是正常的蓝色，花朵的颜色也和实际看到的一样，整体视觉效果自然、真实。

1.3 使用 OpenCV 读取图像，并使用 cv2.imshow 显示图像

烦人

# # 使用 cv2.imshow 显示图像
# cv2.imshow("Original", cv2_img)
# # 等待键盘事件
# cv2.waitKey(0)
# # 关闭所有 OpenCV 窗口
# cv2.destroyAllWindows()

2. 提取彩色图像的 R、G、B 分量的两种方法

# 辅助函数：显示原图和 RGB 各个分量图像
def show_rgb(img, R, G, B):
    # 显示各分量
    plt.figure(figsize=(12, 4))

    plt.subplot(1, 4, 1)
    plt.imshow(img)
    plt.title('Original Image')
    plt.axis('off')

    # 显示图像的 RGB 分量
    color_channels = {'Red': R, 'Green': G, 'Blue': B}
    for i, channel in enumerate(color_channels.keys()):
        plt.subplot(1, 4, i + 2)
        single_channel_img = np.zeros_like(img)
        single_channel_img[:, :, i] = color_channels[channel]
        plt.imshow(single_channel_img)  # , cmap='gray'
        plt.title(f'{channel} Channel')
        plt.axis('off')

    # plt.subplot(1, 4, 2)
    # plt.imshow(R)   # , cmap='gray'
    # plt.title('Red Channel')
    # plt.axis('off')

    plt.show()

2.1 使用 PIL（Pillow）

PIL（Pillow）是 Python Imaging Library 的一个分支，它以 RGB 格式读取图像，因此可以直接提取各个分量。

# 使用 PIL 读取图像
# 将图像转换为 NumPy 数组
image_np = np.array(pil_img)

# 提取 R、G、B 分量
R = image_np[:, :, 0]
G = image_np[:, :, 1]
B = image_np[:, :, 2]

print(f"pil_img.shape: {image_np.shape} B.shape : {B.shape} G.shape: {G.shape} R.shape: {R.shape}")

pil_img.shape: (3468, 4624, 3) B.shape : (3468, 4624) G.shape: (3468, 4624) R.shape: (3468, 4624)

# 显示各分量
show_rgb(image_np, R, G, B)

2.2 使用 OpenCV

OpenCV 是一个功能强大的图像处理库，它以 BGR 格式读取图像，但我们可以轻松地将其转换为 RGB 格式，并提取各个分量。

2.2.1 使用 cv2.split() 提取 B、G、R 分量

• 功能：将图像按通道分割成多个单通道图像。
• 返回值：返回一个包含三个单通道图像的元组，分别是 B、G、R 分量。
• 用途：主要用于需要分别处理每个通道的情况，例如对每个通道进行独立的滤波、阈值处理等操作。

# 使用 OpenCV 读取图像
# 使用 cv2.split() 提取 B、G、R 分量
(B, G, R) = cv2.split(cv2_img)

# 另存图像
cv2.imwrite(img_path + "/blue_img.jpg", B)
cv2.imwrite(img_path + "/green_img.jpg", G)
cv2.imwrite(img_path + "/red_img.jpg", R)

print(f"cv2_img.shape: {cv2_img.shape} B.shape: {B.shape} G.shape: {G.shape} R.shape: {R.shape}")

cv2_img.shape: (3468, 4624, 3) B.shape: (3468, 4624) G.shape: (3468, 4624) R.shape: (3468, 4624)

# 显示各分量
show_rgb(image_rgb, R, G, B)

2.2.2 使用 cv2.cvtColor() 提取 R、G、B 分量

• 功能：将图像从一种颜色空间转换到另一种颜色空间。
• 返回值：返回一个转换后的图像，仍然是一个三通道图像。
• 用途：主要用于将图像从 BGR 格式转换为 RGB 格式，以便在 matplotlib 等库中正确显示图像。也可以用于其他颜色空间的转换，如从 BGR 转换为 HSV、YCrCb 等。

# 读取图像
# 使用 cv2.cvtColor() 将 BGR 图像转换为 RGB 图像
# image_rgb = cv2.cvtColor(cv2_img, cv2.COLOR_BGR2RGB)

# 提取 R、G、B 分量
R = image_rgb[:, :, 0]
G = image_rgb[:, :, 1]
B = image_rgb[:, :, 2]

print(f"cv2_img.shape: {image_rgb.shape} B.shape: {B.shape} G.shape: {G.shape} R.shape: {R.shape}")

cv2_img.shape: (3468, 4624, 3) B.shape: (3468, 4624) G.shape: (3468, 4624) R.shape: (3468, 4624)

# 显示各分量
show_rgb(image_rgb, R, G, B)

使用 cv2.split() 和 cv2.cvtColor() 提取彩色图像的 R、G、B 分量在功能和用途上有一些区别，以下是详细对比：

• 返回值类型：

cv2.split() 返回三个单通道图像（B、G、R）。

cv2.cvtColor() 返回一个三通道图像（例如 RGB）。

• 用途：

cv2.split() 适用于需要分别处理每个通道的情况。

cv2.cvtColor() 适用于需要将图像从一种颜色空间转换到另一种颜色空间的情况，特别是从 BGR 转换为 RGB 以便在 matplotlib 中显示。

• 显示效果：

cv2.split() 提取的单通道图像在 matplotlib 中需要使用 cmap='gray' 显示为灰度图。

cv2.cvtColor() 转换后的 RGB 图像可以直接在 matplotlib 中显示为彩色图。

• 选择建议

如果需要分别处理每个通道，使用 cv2.split()。

如果需要在 matplotlib 中显示图像，使用 cv2.cvtColor() 将 BGR 图像转换为 RGB 图像。
示。

• 显示效果：

cv2.split() 提取的单通道图像在 matplotlib 中需要使用 cmap='gray' 显示为灰度图。

cv2.cvtColor() 转换后的 RGB 图像可以直接在 matplotlib 中显示为彩色图。

• 选择建议

如果需要分别处理每个通道，使用 cv2.split()。

如果需要在 matplotlib 中显示图像，使用 cv2.cvtColor() 将 BGR 图像转换为 RGB 图像。