# 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()