彩色图片在OpenCV里的表示方式

前面了解了灰度图片在python里的表示方式，也是图片的数据结构，它是采用numpy的ndarray来存储，是一个二维的数据结构。那么彩色图片是怎么样表示呢?难道也是采用二维数组吗？在理解表示方式之前，先来看一下彩色图片的基本特征。下雨之后，如果天空中有太阳，往往会形成一道亮丽的彩虹风景，这样就看到了五颜六色。如果学习过初中的物理，就知道这是太阳光经过水珠的折射，把白光进行分解了。基于这个原理，科学家不断地研究，寻找颜色的秘密，以及它的本质。比如白光可以有这么多种颜色组成的，反过来，说明一点，只要找到几种基本的颜色，就可以组合成其它颜色。经过不断试验，发现红色（R）、绿色（G）和蓝色(B)就可以组合出其它颜色，只是每种颜色分量不一样。如果三种颜色份量一样，组合出来的就是白色。旧式的CRT彩色电视机就是采用这个原理，目前LED的显示器也是采用这个原理。那么彩色图片转换为数字化时，也可以采用这个原理。在灰度图片里，每个像素只要使用一个字节就可以表示了，如果彩色图片也采用一个字节来表示，每种颜色表示只能2位或3位来表示，这样颜色非常有限，表示的色彩就失真很多。在以前旧式的电脑是有用这种方式来表示的，随着技术的进步，内存和储存的容量扩大，目前都是每一种颜色采用一个字节来表示，三种颜色共用3个字节来表示，也是24位来表示。比如（0，0，0）表示黑色，（255，255，255）表示白色，（255，0，0）表示红色，（0，255，0）表示绿色，（0，0，255）表示蓝色。

 

下面通过一个小程序来看一下在python的OpenCV里是怎么样表示，代码如下：

#python 3.7.4,opencv4.1
#蔡军生 https://blog.csdn.net/caimouse/article/details/51749579
#
import cv2

#图片的路径
imgname = "img1.jpg"

#读取图片
image = cv2.imread(imgname, cv2.IMREAD_COLOR)
print(image)
print(image.shape)
print(type(image))

#分离三个颜色通道
b = image[: , :, 0]
g = image[: , :, 1]
r = image[: , :, 2]

cv2.imshow("B", b)
cv2.imshow("G", g)
cv2.imshow("R", r)

#显示图像
cv2.imshow("image", image)

#等待用户输入，然后删除所有窗口
cv2.waitKey(0)
cv2.destroyAllWindows()

运行程序之后，可以看到下面的结果输出：

从上面结果可以看到三种颜色的图片，每种颜色的图片数值不一样。

同时也可以看到ndarray的结构为(288, 300, 3)，也就是说288表示行，300表示列，3表示颜色的三维数组，它的组成如下：

[[[217 138 129]           表示一列中的一个像素点

  [219 140 131]

  [222 143 134]

  ...

  [196 123 119]

  [194 123 119]

  [193 122 118]]         到这里表示一行元素

 

下一行元素的开始

 [[216 137 128]

  [218 139 130]

  [221 142 133]

  ...

  [196 123 119]

  [193 122 118]

  [193 122 118]]

由于函数返回的图像以[B G R]的排列表示颜色分量，因此image[: , :, 0]语句是获取蓝色分量的通道数据，image[: , :, 1]语句是获取绿色分量的通道数据，image[: , :, 2]语句是获取红色分量的通道数据，如果要修改不同的颜色，就可以操作相应颜色的通道，就可以改变图片的颜色了。

https://blog.csdn.net/caimouse/article/details/51749579