网上商城网站设计和实现,温州市建设质量监督站网站,聪明的上海网站,做外贸网站卖什么好cv2.cvtColor() 函数是 OpenCV 中用于图像颜色空间转换的函数。它允许你将图像从一个色彩空间转换为另一个色彩空间。在 Python 中#xff0c;你可以使用这个函数来实现不同色彩空间之间的转换。
函数的基本语法为#xff1a;
cv2.cvtColor(src, code[, dst[, dstCn]])参数…cv2.cvtColor() 函数是 OpenCV 中用于图像颜色空间转换的函数。它允许你将图像从一个色彩空间转换为另一个色彩空间。在 Python 中你可以使用这个函数来实现不同色彩空间之间的转换。
函数的基本语法为
cv2.cvtColor(src, code[, dst[, dstCn]])参数说明
src输入图像可以是 NumPy 数组或 OpenCV 中的 Mat 对象。 code颜色空间转换代码表示目标色彩空间。可以使用 OpenCV 中的 cv2.COLOR_* 常量来指定如 cv2.COLOR_BGR2GRAY 表示将 BGR 彩色图像转换为灰度图像。 dst可选参数输出图像可以是 NumPy 数组或 Mat 对象。如果未提供将会创建一个新的图像来保存转换后的结果。 dstCn可选参数目标图像的通道数。默认值为 0表示与输入图像通道数保持一致。
枚举值表 这里需要注意BGR 色彩空间与传统的 RGB 色彩空间不同。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[0,65 535]。 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。
例如对于 8 位图其能够表示的灰度级有 28256 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。
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。
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。 下面使用像素数组来观察转换效果
import cv2
import numpy as np
imgnp.random.randint(0,256,size[2,4,3],dtypenp.uint8)
rstcv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
print(img\n,img)
print(rst\n,rst)print(img[1,0,0],img[1,0,1],img[1,0,2])print(像素点(1,0)直接计算得到的值,img[1,0,0]*0.114img[1,0,1]*0.587img[1,0,2]*0.299)
print(像素点(1,0)使用公式 cv2.cvtColor()转换值,rst[1,0])结果如下
img[[[ 25 17 215][157 31 16][ 62 30 87][ 95 210 182]][[115 165 251][116 21 65][116 55 246][150 78 61]]]
rst[[ 77 41 51 189][185 45 119 81]]
115
165
251
像素点(1,0)直接计算得到的值 185.01399999999998
像素点(1,0)使用公式 cv2.cvtColor()转换值 185像素点(1,0)直接计算得到的值 185.01399999999998 像素点(1,0)使用公式 cv2.cvtColor()转换值 185
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。例如有大小 为 R 行×C 列的 BGR 图像其存储方式如图 4-2 所示。 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 · 0.587 · 0.114 · B在本例中各个像素点的像素值如下 原始图像 BGR 图像内第 1 行第 0 列上的 B 通道像素点的值为 img[1,0,0]115。 原始图像 BGR 图像内第 1 行第 0 列上的 G 通道像素点的值为 img[1,0,1]165。 原始图像 BGR 图像内第 1 行第 0 列上的 R 通道像素点的值为 img[1,0,2]251 计算结果为 185.0139。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。所以要将上述小数结果进行四舍五入得到 185并将它作为目标灰度图像内 rst[1,0]的像素值。
