最全【计算机视觉】OpenCV 4高级编程与项目实战（Python版）【3，2024年最新滴滴出行java面试

一、Python所有方向的学习路线

Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照下面的知识点去找对应的学习资源，保证自己学得较为全面。

二、Python必备开发工具

工具都帮大家整理好了，安装就可直接上手！

三、最新Python学习笔记

当我学到一定基础，有自己的理解能力的时候，会去阅读一些前辈整理的书籍或者手写的笔记资料，这些笔记详细记载了他们对一些技术点的理解，这些理解是比较独到，可以学到不一样的思路。

四、Python视频合集

观看全面零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

五、实战案例

纸上得来终觉浅，要学会跟着视频一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

六、面试宝典

简历模板

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化学习资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

2. 从RGB/BGR色彩空间转换到GRAY色彩空间

3. RGB色彩空间的局限性

4. 适合图像处理的HSV色彩空间

5. RGB/BGR色彩空间与HSV色彩空间之间相互转换

---

在上一篇文章中，简单介绍了BGR色彩空间和RGB色彩空间，本文将介绍另外两个比较常见的色彩空间：GRAY色彩空间和HSV色彩空间。

1. 灰度（GRAY）色彩空间

GRAY色彩空间通道指的是灰度图像，灰度图像的通常只有1个，值范围是[0, 255]，一共256个灰度级别。其中0表示纯黑色，255表示纯白色。0～255之间的数值表示不同的亮度（即色彩的深浅程度）的深灰色或浅灰色。因此，一副灰度图能展示丰富的细节信息，如图1所示。

2. 从RGB/BGR色彩空间转换到GRAY色彩空间

不难发现，上一篇文章中的彩色花朵图与图1其实是一副图像，只是前者是彩色图像，后者是灰度图像。从这一点可以看出，同一副图像，是可以从一个色彩空间切换到另一个色彩空间的，OpenCV把这个转换过程称为色彩空间类型转换。

那么，OpenCV是如何将图像从BGR色彩空间转换到GRAY色彩空间，进而得到图1所示的灰度图呢？答案就是OpenCV中的cvtColor函数。cvtColor函数用于转换图像的色彩空间，该函数的原型如下：

cvtColor(src, code[, dst[, dstCn]]) ->   dst

参数说明：

• src：转换前的初始图像数据。
• code：色彩空间转换码。
• dst：可选参数。dst既是参数，也是返回值，转换后的图像数据（目标图像数据）。也就是说，转换结果，可以通过cvtColor函数返回，也可以通过dst参数返回。
• dstCn：可选参数。目标图像的通道数，默认值是0，通道数会自动通过src参数和code参数确定。

OpenCV提供的色彩空间转换码非常多，本文只给出与BGR/RGB色彩空间和GRAY色彩空间相关的转换码，如表1所示。

下面的代码将彩色图像flower.jpg从BGR色彩空间转换到GRAY色彩空间。

import cv2
image = cv2.imread("images/flower.jpg")	
# 显示彩色图像
cv2.imshow("flower", image)		
# 将BGR色彩空间的图像转换到GRAY色彩空间的图像
gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
# 显示灰度图像	
cv2.imshow("GRAY", gray_image)
cv2.waitKey()
cv2.destroyAllWindows()

运行程序，会看到如图2所示的转换效果。

注意：尽管色彩空间类型的转换是双向的，而且OpenCV也提供了  cv2.COLOR_GRAY2BGR和cv2.COLOR_GRAY2RGB空间转换码，但由于彩色图像转换到灰度图像时，已经将颜色比例（也就是红色、绿色和蓝色之间的混合比例）丢失了，一旦丢失，将无法恢复。所以尽管可以使用这2个空间转换码将GRAY色彩空间抓好为BGR色彩空间和RGB**色彩空间，但转换结果仍然是灰度图像。

3. RGB色彩空间的局限性

RGB是我们接触最多的色彩空间，通过红色（R），绿色（G）和蓝色（B）这3种颜色的不同组合可以形成几乎所有的颜色。RGB 色彩空间是图像处理中最基本、最常用、面向硬件的颜色空间，比较容易理解。

RGB 色彩空间利用3个颜色分量的线性组合来表示颜色，任何颜色都与这三个分量有关，而且这3个分量是高度相关的，所以连续变换颜色时并不直观，想对图像的颜色进行调整需要更改这3个分量才行。

自然环境下获取的图像容易受自然光照、遮挡和阴影等情况的影响，即对亮度比较敏感。而 RGB 色彩空间的3个分量都与亮度密切相关，即只要亮度改变，3个分量都会随之相应地改变。

但是人眼对于这3种颜色分量的敏感程度是不一样的，在单色中，人眼对红色最不敏感，蓝色最敏感，所以 RGB 色彩空间是一种均匀性较差的色彩空间。如果颜色的相似性直接用欧氏距离来度量，其结果与人眼视觉会有较大的偏差。对于某一种颜色，我们很难推测出较为精确的3个分量数值来表示。

所以RGB 色彩空间适合于显示系统，并不适合于图像处理。

4. 适合图像处理的HSV色彩空间

在图像处理中使用较多的是 HSV 色彩空间，它比 RGB 更接近人们对彩色的感知经验。非常直观地表达颜色的色调、鲜艳程度和明暗程度，方便进行颜色的对比。

在 HSV 色彩空间下，比 RGB色彩空间更容易跟踪某种颜色的物体，常用于分割指定颜色的物体。

HSV 色彩空间表达彩色图像的方式由3个部分组成：

• Hue（色调）
• Saturation（饱和度）
• Value（亮度）

用图3所示的圆柱体来表示 HSV 色彩空间，圆柱体的横截面可以看做是一个极坐标系 ，H 用极坐标的极角表示，S 用极坐标的极轴长度表示，V 用圆柱中轴的高度表示。

Hue 用角度表示，取值范围是0～360，表示色彩信息，即所处的光谱颜色的位置，如图4所示。

（1）Python所有方向的学习路线（新版）

这是我花了几天的时间去把Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

最近我才对这些路线做了一下新的更新，知识体系更全面了。

（2）Python学习视频

包含了Python入门、爬虫、数据分析和web开发的学习视频，总共100多个，虽然没有那么全面，但是对于入门来说是没问题的，学完这些之后，你可以按照我上面的学习路线去网上找其他的知识资源进行进阶。

（3）100多个练手项目

我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了，只是里面的项目比较多，水平也是参差不齐，大家可以挑自己能做的项目去练练。

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化学习资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！