python OpenCV— 颜色空间（RGB，HSV，Lab）与 颜色直方图

最新推荐文章于 2024-08-11 08:44:55 发布
最新推荐文章于 2024-08-11 08:44:55 发布
阅读量1.6k 收藏 18
点赞数
文章标签： opencv 计算机视觉 python
原文链接：https://blog.csdn.net/wsp_1138886114/article/details/80660014
版权

看到这篇博文，受益匪浅，留存在此，没别的意思，各位还是回原博收藏点赞的好，免得引起不必要的争议。
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

安装：
方法1：conda install -c menpo opencv 
方法2：conda install --channel https://conda.anaconda.org/menpo opencv3 
方法3：pip/conda install opencv-python
方法4：使用 whl 文件进行安装，进入网站 http://www.lfd.uci.edu/~gohlke/pythonlibs/。 
      下载与当前环境兼容的 opencv 文件。切换到该文件所在的目录，在命令行环境下使用 
      例如：安装文件：opencv_python-3.2.0-cp35-cp35m-win_amd64.whl
      pip install opencv_python-3.2.0-cp35-cp35m-win_amd64.whl

opencv 的导入： 
import cv2
cv2.__version__
	
	OpenCV的使用
		在线文档：http://docs.opencv.org/2.4.11/

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

import cv2                      #导入 Opencv
import os 
import numpy as np
import matplotlib.pyplot as plt


output_dir = 'output2'	        #设置输出文件夹，若不存在则创建
if not os.path.exists(output_dir):
	os.mkdir(output_dir)	

img_file = './../image.png'     #读取图片
img = cv2.imread(img_file)

type(img)                       #读入图片后得到ndarray 对象
img.shape                       #ndarray的三个维度分别是图片的：高，宽，通道

# pyplot.imgshow 在显示图片时是按照RGB通道顺序显示，cv2则相反
# 需要通过 np.flip(img,axis = 2) 调整3个通道的顺序（若不调整图片颜色失真）
plt.imshow(np.flip(img,axis = 2))
plt.axis('off')
plt.show()                      #图1

plt.imshow(img)
plt.axis('off')                 #不显示坐标
plt.show()                      #图2

#输出并保存图片
output_image = os.path.join(output_dir,'image.png')
cv2.imwrite(output_image,img)

在这里插入图片描述

"""
hist = cv2.calcHist([image],             # 传入图像（列表）
                    [0],                 # 使用的通道（使用通道：可选[0],[1],[2]）
                    None,                # 没有使用mask(蒙版)
                    [256],               # HistSize
                    [0.0,255.0])         # 直方图柱的范围
                                         # return->list
"""

import cv2    
import numpy as np
import matplotlib.pyplot as plt

def calcAndDrawHist(image, color):  
    hist= cv2.calcHist([image], [0], None, [256], [0.0,255.0])  
    minVal, maxVal, minLoc, maxLoc = cv2.minMaxLoc(hist)  
    histImg = np.zeros([256,256,3], np.uint8)  
    hpt = int(0.9* 256);  
      
    for h in range(256):  
        intensity = int(hist[h]*hpt/maxVal)  
        cv2.line(histImg,(h,256), (h,256-intensity), color)  
    return histImg


if __name__ == '__main__':  
    original_img = cv2.imread("666.png")
    img = cv2.resize(original_img,None,fx=0.6,fy=0.6,interpolation = cv2.INTER_CUBIC)
    b, g, r = cv2.split(img)  
  
    histImgB = calcAndDrawHist(b, [255, 0, 0])  
    histImgG = calcAndDrawHist(g, [0, 255, 0])  
    histImgR = calcAndDrawHist(r, [0, 0, 255])  

    cv2.imshow("histImgB", histImgB)  
    cv2.imshow("histImgG", histImgG)  
    cv2.imshow("histImgR", histImgR)  
    cv2.imshow("Img", img)  
    cv2.waitKey(0)  
    cv2.destroyAllWindows()

在这里插入图片描述

import cv2
import numpy as np
from matplotlib import pyplot as plt
%matplotlib inline 

pic_file = '../data/images/image_crocus_0003.png'

img_bgr = cv2.imread(pic_file, cv2.IMREAD_COLOR) #OpenCV读取颜色顺序：BRG 
img_b = img_bgr[..., 0]
img_g = img_bgr[..., 1]
img_r = img_bgr[..., 2]
fig = plt.gcf()                                  #图片详细信息


fig = plt.gcf()                                  #分通道显示图片
fig.set_size_inches(10, 15)

plt.subplot(221)
plt.imshow(np.flip(img_bgr, axis=2))             #展平图像数组并显示
plt.axis('off')
plt.title('Image')

plt.subplot(222)
plt.imshow(img_r, cmap='gray')
plt.axis('off')
plt.title('R')

plt.subplot(223)
plt.imshow(img_g, cmap='gray')
plt.axis('off')
plt.title('G')

plt.subplot(224)
plt.imshow(img_b, cmap='gray')
plt.axis('off')
plt.title('B')

plt.show()

在这里插入图片描述

img_hsv = cv2.cvtColor(img_bgr, cv2.COLOR_BGR2HSV)
img_h = img_hsv[..., 0]
img_s = img_hsv[..., 1]
img_v = img_hsv[..., 2]

fig = plt.gcf()                      # 分通道显示图片
fig.set_size_inches(10, 15)

plt.subplot(221)
plt.imshow(img_hsv)
plt.axis('off')
plt.title('HSV')

plt.subplot(222)
plt.imshow(img_h, cmap='gray')
plt.axis('off')
plt.title('H')

plt.subplot(223)
plt.imshow(img_s, cmap='gray')
plt.axis('off')
plt.title('S')

plt.subplot(224)
plt.imshow(img_v, cmap='gray')
plt.axis('off')
plt.title('V')

plt.show()

在这里插入图片描述

img_lab = cv2.cvtColor(img_bgr, cv2.COLOR_BGR2LAB)
img_ls = img_lab[..., 0]
img_as = img_lab[..., 1]
img_bs = img_lab[..., 2] 

# 分通道显示图片
fig = plt.gcf()
fig.set_size_inches(10, 15)

plt.subplot(221)
plt.imshow(img_lab)
plt.axis('off')
plt.title('L*a*b*')

plt.subplot(222)
plt.imshow(img_ls, cmap='gray')
plt.axis('off')
plt.title('L*')

plt.subplot(223)
plt.imshow(img_as, cmap='gray')
plt.axis('off')
plt.title('a*')

plt.subplot(224)
plt.imshow(img_bs, cmap='gray')
plt.axis('off')
plt.title('b*')

plt.show()

在这里插入图片描述

img_gray = cv2.cvtColor(img_bgr, cv2.COLOR_BGR2GRAY)
fig = plt.gcf()
fig.set_size_inches(5, 7.5)

plt.imshow(img_gray, cmap='gray')
plt.axis('off')
plt.title('Gray')
plt.show()


"""
	cv2.calcHist(images, channels, mask, histSize, ranges[, hist[, accumulate]]) → hist
	参数说明
	images:   图片列表
	channels: 需要计算直方图的通道。[0]表示计算通道0的直方图，[0,1,2]表示计算通道0,1,2所表示颜色的直方图
	mask:     蒙版，只计算值>0的位置上像素的颜色直方图，取None表示无蒙版
	histSize: 每个维度上直方图的大小，[8]表示把通道0的颜色取值等分为8份后计算直方图
	ranges:   每个维度的取值范围，[lower0, upper0, lower1, upper1, ...]，lower可以取到，upper无法取到
	hist:     保存结果的ndarray对象
	accumulate: 是否累积，如果设置了这个值，hist不会被清零，直方图结果直接累积到hist中
""" 

img_gray_hist = cv2.calcHist([img_gray], [0], None, [256], [0, 256])

plt.plot(img_gray_hist)
plt.title('Grayscale Histogram')
plt.xlabel('Bins')
plt.ylabel('# of Pixels')
plt.show()

在这里插入图片描述

# 读取模板
mask_file = '../data/masks/mask_crocus_0003.png'
mask = cv2.imread(mask_file, cv2.IMREAD_UNCHANGED) 
help(cv2.calcHist)
img_gray_hist_with_mask = cv2.calcHist([img_gray], [0], mask, [256], [0, 256])
"""
	图片按位与
	cv2.bitwise_and(src1, src2[, dst[, mask]]) → dst
	参数说明
		src1: 图片1
		src2: 图片2
		dst: 保存结果的ndarray对象
		mask: 蒙版 
"""
img_masked = cv2.bitwise_and(img_gray, img_gray, mask=mask)

plt.imshow(img_masked, cmap='gray')
plt.axis('off')
plt.title('Image with mask')
plt.show()

plt.plot(img_gray_hist_with_mask)
plt.title('Grayscale Histogram')
plt.xlabel('Bins')
plt.ylabel('# of Pixels')

plt.show()

在这里插入图片描述

# 按R、G、B三个通道分别计算颜色直方图
b_hist = cv2.calcHist([img_bgr], [0], None, [256], [0, 256])
g_hist = cv2.calcHist([img_bgr], [1], None, [256], [0, 256])
r_hist = cv2.calcHist([img_bgr], [2], None, [256], [0, 256])

# 显示3个通道的颜色直方图
plt.plot(b_hist, label='B', color='blue')
plt.plot(g_hist, label='G', color='green')
plt.plot(r_hist, label='R', color='red')
plt.legend(loc='best')
plt.xlim([0, 256])
plt.show()

# 显示3个通道的颜色直方图
plt.plot(b_hist, label='B', color='blue')
plt.plot(g_hist, label='G', color='green')
plt.plot(r_hist, label='R', color='red')
plt.legend(loc='best')
plt.xlim([0, 256])
plt.show()

在这里插入图片描述
关于直方图均衡可以看博主的另一篇文章 上链接点

# 把一个像素的多个通道合在一起看作一个值
hist = cv2.calcHist([img_bgr], [0, 1, 2], None, [8, 8, 8], [0, 256, 0, 256, 0, 256])

hist.shape
# 含义：B取值在[0, 32), G取值在[0, 32), R取值在[0, 32)的像素个数
hist[0, 0, 0]
LIsaWinLee
关注
【计算机视觉Python-OPenCV】3.颜色直方图
flora
04-28 1万+
颜色直方图颜色直方图作用1.直方图是一种能快速描述图像整体像素值分布的统计信息。 也就是说明某一像素值范围的像素点的个数，X轴为像素值，Y为个数。2.直方图只能描述颜色的分布，不能描述数据几何上的信息。 也就是只知道这个像素值范围的点的个数是多少，但是不知道哪个位置上上这个点多。绘制颜色直方图由于图像数据是numpy的ndarray形式，因此可以用numpy的histogram得到直方图的信息，
Python与机器视觉(x) 颜色直方图
TomRen
11-22 6040
本系列博客主要分享Python在机器视觉/计算机视觉下的编程应用 cv2包是著名的视觉库OpenCV的Python实现 ref: blog1 blog2
色彩转换系列之RGB格式与HSV格式互转原理及实现
最新发布
生活需要深度
08-11 1279
HSV是一种将RGB色彩空间中的点在倒圆锥体中的表示方法。色相是色彩的基本属性，就是平常说的颜色的名称，如红色、黄色等。饱和度（S）是指色彩的纯度，越高色彩越纯，低则逐渐变灰，取0-100%的数值。圆锥的顶点处，V=0，H和S无定义，代表黑色。圆锥的顶面中心处V=max，S=0，H无定义，代表白色。RGB颜色空间中，三种颜色分量的取值与所生成的颜色之间的联系并不直观。而HSV颜色空间，更类似于人类感觉颜色的方式，封装了关于颜色的信息：“这是什么颜色？V是明暗，表示色彩的明亮程度，但与光强无直接联系。
python颜色代码表_python下对hsv颜色空间进行量化操作
weixin_39605296的博客
11-23 376
更新：优化了代码，理由numpy的ufunc函数功能替换了之前的双重for循环，测试图片大小为692*1024*3，优化前运行时间为6.9s，优化后为0.8s。由于工作需要，需要计算颜色直方图来提取颜色特征，但若不将颜色空间进行量化，则直方图矢量维数过高，不便于使用。但是看了opencv API后并未发现提供了相关函数能够在计算颜色直方图的同时进行量化，因此这部分功能只能自己实现。下面分为两个部分...
python openCv 入门学习-颜色识别之直方图（四）
weixin_43928944的博客
08-23 1330
颜色直方图 颜色直方图是在许多图像检索系统中被广泛采用的颜色特征。它所描述的是不同色彩在整幅图像中所占的比例，而并不关心每种色彩所处的空间位置，即无法描述图像中的对象或物体。颜色直方图特别适于描述那些难以进行自动分割的图像。 sudo apt-get install python-scipy pip2 install matplotlib==2.0.2 sudo apt-get install python-gi-cairo ...
python画不同颜色的直方图_Python与机器视觉(x) 颜色直方图
weixin_39596720的博客
11-23 1493
本系列博客主要分享Python在机器视觉/计算机视觉下的编程应用cv2包是著名的视觉库OpenCV的Python实现颜色直方图一般用于统计图片不同通道像素强度的分布，并可以基于此来实现对比度提升、以及简单的目标识别、跟踪以及分割等任务。在openCV中集成了函数cv2.calcHist()来实现直方图的计算。函数定义如下:cv2.calcHist(images, channels, mask, h...
python中颜色空间直方图_OpenCV—python 颜色空间（RGB，HSV，Lab）与 颜色直方图
weixin_39719585的博客
12-05 1187
一、图像分类的过程image.png图片必须经过标注图片的类别为有限的集合，如{猫、狗、牛、马、狼}每个类别的图片数量接近，如果不同类别图片的数量差异很大，训练出来的分类器容易倾向于图片数量多的类别划分训练/测试集在训练之前，要把数据集划分为训练集(学习分类器)和测试集(对分类器进行评估)训练集和测试集相互独立，不重合！3.特征表示 ：对图片进行数值处理，转换成计算机可理解的特征，常用特征：颜色直...
python opencv rgb转hsv_Python-OpenCV中图像颜色空间转换
weixin_29357243的博客
03-01 1518
[TOC]本文主要记录Python-OpenCV中cv2.cvtColor()的使用；cv2.cvtColor()转换图像的颜色空间；官方文档def cvtColor(src, code, dst=None, dstCn=None):"""转换图像的颜色空间Argument:src: 原图像；code: 指定颜色空间转换类型；dst: 目标图像；与原图像大小深度一致；dstCn: 指定目标图像通道...
选择任意图片，在lab、rgb、hsv色域空间，查找任意颜色工具，python源码
07-04
本资源是笔者编写的python查找颜色源代码，自带UI,可以选择任意图片，在lab、rgb、hsv色域空间，查找任意颜色工具。可以直接复制粘贴运行。需要依赖的库有： PySimpleGUI、opencv-python、numpy。 通过该工具可以...
Python+OpenCV实现图像融合的原理及代码
09-19
本篇文章将详细介绍如何使用Python结合OpenCV库来实现一种常见的图像融合方法——基于HSV颜色空间的图像融合。 #### 二、HSV颜色空间简介 在进行图像融合之前，我们需要了解HSV颜色空间的基本概念。HSV（Hue-...
OpenCV最经典的3种颜色空间（cv2.cvtColor）及互相转换
qq_40985985的博客
07-04 5210
这篇博客将介绍OpenCV中的3种颜色空间（RGB、HSV、 L*a*b）及其转换，并讨论光照条件、色彩空间在计算机视觉应用中的关键作用。 关键要点是在编写代码前始终考虑照明条件！一般来说，控制照明条件比编写代码来补偿在低质量下捕获的图像更容易。
python下对hsv颜色空间进行量化操作
09-16
主要介绍了python下对hsv颜色空间进行量化操作，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
将图像转换到HSV空间，并对其进行量化降维后，计算其颜色直方图
06-01
将图像转换到HSV空间，并对其进行量化降维后，计算其颜色直方图
pythonProject2_HSV_rgb_直方图均衡化_图像处理_
10-03
1、读取一张图片，将其转换为HSV空间\对RGB三个通道分别画出其三维图（提示：polt_sufface函数）2、读取彩色图像home_color；画出灰度化图像home_gray的灰度直方图，并拼接原灰度图与结果图；3、画出彩色home_color图像的直方图，并拼接原彩色图与结果图，且与上一问结果放在同一个窗口中显示；4、画出ROI（感兴趣区域 ）的直方图，ROI区域为 x：50-100，y：100-200，将原图home_color，ROI的mask图，ROI提取后的图及其直方图放在一个窗口内显示。5、编程实现直方图均衡化，给出测试效果
hsv直方图 颜色直方图
05-25
hsv直方图，opencv代码， HSV颜色直方图。好好学，有用的
手把手教你用Python画直方图：其实跟柱状图完全不同
大数据
03-02 7837
导读：直方图和柱状图都是数据分析中非常常见、常用的图表，由于两者外观上看起来非常相似，也就难免造成一些混淆。此前我们曾在《柱状图、堆叠柱状图、瀑布图有什么区别？怎样用Python绘制？》...
python-opencv 图像处理基础 （五）颜色直方图+直方图均衡化+直方图比较+直方图反向投影
冰雪棋书的博客
03-10 7485
1、颜色直方图 #-------------------------------绘制颜色直方图------ import cv2 import numpy as np import matplotlib.pyplot as plt def plot_demo(image): plt.hist(image.ravel(),256,[0,256]) plt.show("直方图") def image_hist(image): color=('blue','green','red') for i,co
python+HSV和RGB直方图生成
QAQ
10-26 3666
加载图片 import cv2 img = cv2.imread("sample.jpg ") BGR 转RGB img_rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB) 用pillow打开图片 from PIL import Image img = Image.open("sample.jpg ") 生成RGB与HSV的直方图 def show_img(path): img = cv2.imread(path) b, g, r = img[:
图像颜色特征提取（颜色直方图，颜色矩）--python
热门推荐
kral
04-04 1万+
图像颜色特征提取（颜色直方图，颜色矩）–python 颜色直方图 颜色直方图用以反映图像颜色的组成分布，即各种颜色出现的概率。Swain和Ballard最先提出了应用颜色直方图进行图像特征提取的方法，首先利用颜色空间三个分量的剥离得到颜色直方图，之后通过观察实验数据发现将图像进行旋转变换、缩放变换、模糊变换后图像的颜色直方图改变不大，即图像直方图对图像的物理变换是不敏感的。因此常提取颜色特征并用颜色直方图应用于衡量和比较两幅图像的全局差。另外，如果图像可以分为多个区域，并且前景与背景颜色分布具有明显差异，则
hsv颜色空间python
08-23
- *2* [OpenCV—python 颜色空间（RGB，HSV，Lab）与 颜色直方图](https://blog.csdn.net/wsp_1138886114/article/details/80660014)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值