OpenCV之颜色空间转换（笔记10）

# RGB是从颜色发光的原理来设计定的，通俗点说它的颜色混合方式就好像有红、绿、蓝三盏灯，当它们的光相互叠加的时候，色彩相混，而亮度却等于俩者亮度之
# 总和，越混合亮度越高，即加法混合。
# 红、绿、蓝三个颜色通道每种色各分为256阶亮度，再0时最弱——是关掉的，而再255时灯最亮，当三色灰度数值相同时，产生不同灰度值的灰色调，即三色灰度都为0，
# 是最暗的黑色调；三色灰度都为255时，是最亮的白色调。
# 再电脑中，RGB的所谓'多少'就是指亮度，通常情况下，RGB各有256级亮度，用数字表示为0、1、2.......知道255.注意虽然数字最高时255，但是0也是数值之一
# ，一次总共256级。256x256x256=16777216

import numpy as np
import matplotlib.pyplot as plt
import cv2
#图像颜色空间转换
def show(image):
    plt.imshow(image)
    plt.axis('off')
    plt.show()

def imread(image):
    image=cv2.imread(image)
    #把图像的BGR转换成RGB
    image=cv2.cvtColor(image,cv2.COLOR_BGR2RGB)
    return image
image=imread('im.jpg')


(R,G,B)=cv2.split(image)
zeros=np.zeros(image.shape[:2],dtype='uint8')
show(cv2.merge([R,zeros,zeros]))
show(cv2.merge([zeros,G,zeros]))
show(cv2.merge([zeros,zeros,B]))

 效果展示：

# HSV
# HSV是一种比较直观的颜色模型，HSV颜色空间可以更好的数字化处理颜色，这个模型中的颜色参数分别是：色调（H,Hue),饱和度(S,Saturation),明度
# （V,Value）。
#
# 色调H：
# 用角度度量，取值范围为0~360度，从红色开始按照逆时针方向计算，红色为0度，绿色为120度，蓝色为240度。他们的补色是：黄色为60度，青色为180度，红色为300度
#
# 饱和度S：
# 饱和度S表示颜色接近光谱色的程度，一种颜色，可以看成是某种光谱色与白色混合的结果。其中光谱色所占的比例越大，颜色接近光谱色的程度就越高，颜色的饱和度也就越高
# ，颜色则深而艳。光谱色的白光成分为0，饱和度达到最高，通常取值范围为0%~100%,值越大，颜色越饱和。
#
# 明度V：
# 明度表示颜色明亮的程度，对于光源色，明度值与发光体的光亮度有关；对于物体色，此值和物体的透射比或反射比有关。通常取值范围为0%(黑)到100%(白)

 

import numpy as np
import matplotlib.pyplot as plt
import cv2
#图像颜色空间转换
def show(image):
    plt.imshow(image)
    plt.axis('off')
    plt.show()

def imread(image):
    image=cv2.imread(image)
    #把图像的BGR转换成RGB
    image=cv2.cvtColor(image,cv2.COLOR_BGR2RGB)
    return image
image=imread('im.jpg')

hsv=cv2.cvtColor(image,cv2.COLOR_RGB2HSV)
zeros=np.zeros(image.shape[:2],dtype='uint8')
for (name,chan) in zip(('H','S','V'),cv2.split(hsv)):
    cv2.imshow(name,chan)
cv2.waitKey(0)
cv2.destroyAllWindows()

 

# L *a*b*
#
# CIE1976Lab色空间（CIELAB色彩空间)，是从1976年由国际照明学会（CIE）推荐的均匀色空间。Lab颜色空间用于计算机色调调整和彩色校正。该空间是三维直角
# 坐标系统。是目前最受欢迎的测色系统。以明度L和坐标a、b来表示颜色空间中的位置。L表示颜色的明度，a正直表示偏红，负值表示偏绿；b*正直表示偏黄，负值表示偏蓝
#
# L*表示颜色的明度；
# a*正直表示红色，负值表示绿色
# b*正直表示黄色，负值表示蓝色

import numpy as np
import matplotlib.pyplot as plt
import cv2
#图像颜色空间转换
def show(image):
    plt.imshow(image)
    plt.axis('off')
    plt.show()

def imread(image):
    image=cv2.imread(image)
    #把图像的BGR转换成RGB
    image=cv2.cvtColor(image,cv2.COLOR_BGR2RGB)
    return image
image=imread('im.jpg')
lab=cv2.cvtColor(image,cv2.COLOR_RGB2LAB)
zeros=np.zeros(image.shape[:2],dtype='uint8')
for (name,chan) in zip(('L','A','B'),cv2.split(lab)):
    cv2.imshow(name,chan)
cv2.waitKey(0)
cv2.destroyAllWindows()

# # Grayscale
# # 灰阶图像就是黑白图片，通过调节灰度值来显示影像

import numpy as np
import matplotlib.pyplot as plt
import cv2
#图像颜色空间转换
def show(image):
    plt.imshow(image)
    plt.axis('off')
    plt.show()

def imread(image):
    image=cv2.imread(image)
    #把图像的BGR转换成RGB
    image=cv2.cvtColor(image,cv2.COLOR_BGR2RGB)
    return image
image=imread('im.jpg')

gray=cv2.cvtColor(image,cv2.COLOR_RGB2GRAY)
cv2.imshow('original',image)
cv2.imshow('gray',gray)
cv2.waitKey(0)
cv2.destroyAllWindows()