OpenCV入門(mén)之OpenCV的基本操作2

B(Blue) 藍(lán)色 取值范圍：[0,255]

G(Green) 綠色 取值范圍：[0,255]

R(Red) 紅色 取值范圍：[0,255]

自然環(huán)境下獲取的圖像容易受自然光照、遮擋和陰影等情況的影響，即對(duì)亮度比較敏感。而RGB顏色空間的三個(gè)分量都與亮度密切相關(guān)，即只要亮度改變，三個(gè)分量都會(huì)隨之相應(yīng)地改變，而沒(méi)有一種更直觀(guān)的方式來(lái)表達(dá)。

• HSV

H(Hue) 色調(diào)，色相 取值范圍：[0,179]

S(Saturation) 飽和度，色彩純凈度 取值范圍：[0,255]

V(Value) 明度 取值范圍：[0,255]

HSV是一種將RGB色彩空間中的點(diǎn)在倒圓錐體中的表示方法。色相是色彩的基本屬性，就是平常說(shuō)的顏色的名稱(chēng)，如紅色、黃色等。飽和度（S）是指色彩的純度，越高色彩越純，低則逐漸變灰，取0-100%的數(shù)值。明度（V），取0-max(計(jì)算機(jī)中HSV取值范圍和存儲(chǔ)的長(zhǎng)度有關(guān))。HSV顏色空間可以用一個(gè)圓錐空間模型來(lái)描述。圓錐的頂點(diǎn)處，V=0，H和S無(wú)定義，代表黑色。圓錐的頂面中心處V=max，S=0，H無(wú)定義，代表白色。

在圖像處理中使用較多的是HSV顏色空間，它比RGB更接近人們對(duì)彩色的感知經(jīng)驗(yàn)。非常直觀(guān)地表達(dá)顏色的色調(diào)、鮮艷程度和明暗程度，方便進(jìn)行顏色的對(duì)比。

• HLS

H(Hue) 色相

L(Lightness) 亮度

S(Saturation) 飽和度

HLS中的L分量為亮度，亮度為100，表示白色，亮度為0，表示黑色；HSV 中的 V 分量為明度，明度為100，表示光譜色，明度為0，表示黑色。

4、通道分離與合并、色域轉(zhuǎn)換、像素運(yùn)算

def ChannelOp():
    # 通道分離與合并
    img = np.zeros([500,500,3],np.uint8)
    print(img.size,img.shape)
    # 通道分離,b,g,r
    b,g,r = cv2.split(img)
    # 將b，g通道中的10：100變成白色255，b+g混合后得到青色
    b[10:100,10:100] = 255
    g[10:100,10:100] = 255


    img1 = cv2.merge((b,g,r))
    cv2.imshow('imshow',img1)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

示例

def ConvertColor():
    img = cv2.imread("./images/test.jpg")
    # 色彩空間
    color_space = [cv2.COLOR_BGR2GRAY,cv2.COLOR_BGR2RGBA,
                  cv2.COLOR_BGR2RGB,cv2.COLOR_BGR2HLS,
                  cv2.COLOR_BGR2HSV,cv2.COLOR_BGR2YUV,
                   cv2.COLOR_BGR2BGRA]
    # 轉(zhuǎn)換
    gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
    # 二值化處理
    # ower_red指的是圖像中低于這個(gè)lower_red的值，圖像值變?yōu)?
    # upper_red指的是圖像中高于這個(gè)upper_red的值，圖像值變?yōu)?
    # 在lower_red～upper_red之間的值變成255, 其余的為0
    lowerb = np.array([100,100,100])
    upperb = np.array([200, 200, 200])
    mask = cv2.inRange(img,lowerb=lowerb,upperb=upperb)
    cv2.imshow('imshow',mask)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

示例，二值化處理

圖像運(yùn)算

def PixelOp():
    img1 = cv2.imread('./images/10.jpg')
    img2 = cv2.imread('./images/test.jpg')
    # 需要兩張圖片大小格式完全一樣
    img1 = cv2.resize(img1,(720,400),interpolation=cv2.INTER_AREA)
    img2 = cv2.resize(img2, (720, 400), interpolation=cv2.INTER_AREA)
    # 對(duì)應(yīng)位置元素相加，如果大于255則取255
    new_img_add = cv2.add(img1,img2)
    # 對(duì)應(yīng)位置元素相減，如果小于0則取0
    new_img_sub = cv2.subtract(img1,img2)
    # 對(duì)應(yīng)位置元素相乘
    new_img_mu = cv2.multiply(img1,img2)
    # 對(duì)應(yīng)位置元素相除
    new_img_di = cv2.divide(img1,img2)
    # 圖像融合,按權(quán)重融合
    new_img_w = cv2.addWeighted(img1,0.2,img2,0.6,0)
    # 與或非，對(duì)應(yīng)元素進(jìn)行異或
    # 非：相當(dāng)于255-pixel，異或：兩者相等為0,不等為1
    new_img_and = cv2.bitwise_and(img1,img2)
    new_img_or = cv2.bitwise_or(img1,img2)
    new_img_not = cv2.bitwise_not(img1)
    new_img_xor = cv2.bitwise_xor(img1,img2)


    cv2.imshow("imshow",new_img_xor)
    cv2.waitKey(0)
    cv2.destroyAllWindows()