机器视觉opencv模块之cvtColor方法介绍

最新推荐文章于 2025-05-05 11:18:28 发布

python爬虫人工智能大数据

最新推荐文章于 2025-05-05 11:18:28 发布

阅读量1.8k

点赞数

说起opencv,相信做过计算机视觉的朋友都很熟悉，特别是opencv中的cv2.cvtColor方法会用来对图片颜色通道进行转换。今天就介绍一下它的简单使用。

opencv简介

OpenCV是一个基于BSD许可（开源）发行的跨平台计算机视觉库，可以运行在Linux、Windows、Android和Mac OS操作系统上。它轻量级而且高效——由一系列 C 函数和少量 C++ 类构成，同时提供了Python、Ruby、MATLAB等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。

在计算机视觉项目的开发中，OpenCV作为较大众的开源库，拥有了丰富的常用图像处理函数库。主要应用到下面的这些领域：

1、人机互动；2、物体识别；3、图像分割；4、人脸识别；5、动作识别；6、运动跟踪；7、机器人；8、运动分析；9、机器视觉；10、结构分析；11、汽车安全驾驶

计算机视觉作为人工只能最火的一个方向，而Python作为人工能的工具语言，毫不意外的，opencv提供了opencv-python第三方包，这个包里包含许多python的高级的API接口，Python开发直接调包到方法即可使用。

方法介绍：cv2.cvtColor

cv2提供了大量的图片处理的方法，想要深入的话，去网上找一下专门的教程来学习，今天这里只简单介绍cv2.cvtColor通道的变换方式。

1、介绍此方法之前，先了解一下opencv何如读取图片的

在opencv中，图片的读取使用cv2.imread方法，下面看一个实例：

import cv2

img_path = ".\\pictrues\\canglaoshi.jpg"

def read_image():
    # 读取图片的B,G,R 返回一个ndarray类型
    img = cv2.imread(img_path, cv2.IMREAD_COLOR)
    cv2.show("img", img)
    cv2.waitKeyEx(0)

运行结果之后，读取的图片展示图下：

2、再明白了图片的读取之后，接下来就看一下，如何将BGR转化为别的格式的方法：

通道转换说明几点：

经常用到的颜色转换：BGR-->RGB, BGR-->Gray 和 BGR-->HSV
BGR-->RGB: 经过摄像头采集的图像的通道排列顺序为BGR，而BMP文件的排列顺序也为BGR，所以保存成BMP文件使不会出现什么问题。
但是在显示器上显示的时候的排列顺序为RGB，所以RGB是为了让机器更好的显示图像,。
BGR-->Gray：将BGR的图像转为单通道的灰色图像
BGR-->HSV: 一般对颜色空间的图像进行有效处理都是在HSV空间进行的。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.

代码展示如下：

import cv2

image_path = ".\\pictreus\canglaoshi.jpg"

def cvt():
    img = cv2.imread(img_path)
    cv2.imshow("img", img)
        # BGR-->RGB
    img_rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
    cv2.imshow("img_rgb", img_rgb)

        # 图像的灰化YUV(Y为灰度图, Y=0.299R+0.587G+0.114B)：BGR-- >Gray
    img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    cv2.imshow("img_gray", img_gray)

        # HSV模型转化YUV(Y为亮度, UV代表色度)BGR-->HSV
    img_hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
    cv2.imshow("img_hsv", img_hsv)

    cv2.waitKeyEx(0)

if __name__ == '__main__':
cvt()

运行代码之后，展示的图片效果如下：