第6章 Python 数字图像处理(DIP) - 彩色图像处理2 - 灰度分层（灰度分割）和彩色编码，灰度值到彩色变换，Gray to RGB

最新推荐文章于 2024-05-21 10:10:43 发布

jasneik

最新推荐文章于 2024-05-21 10:10:43 发布

阅读量2.2k

点赞数 1

分类专栏：数字图像处理(DIP)--Python # 第6章彩色图像处理文章标签：图像处理计算机视觉 python numpy opencv

本文链接：https://blog.csdn.net/jasneik/article/details/117151055

版权

数字图像处理(DIP)--Python 同时被 2 个专栏收录

57 篇文章 127 订阅

订阅专栏

第6章彩色图像处理

3 篇文章 1 订阅

订阅专栏

第6章主要讲的是彩色图像处理，一些彩色模型如RGB，CMK，CMYK，HSI等色彩模型；彩色模型的变换关系；还包含由灰度图像怎样处理成假彩色图像；使用彩色分割图像等。本章比较少理论还有变换的描述，主要以代码为主，如有需要，请自行查看书本。

这里写目录标题

假彩色图像处理

假彩色图像处理

灰度分层（灰度分割）和彩色编码

def gray_slice(img_gray):
    
    img_ori = img_gray / 255.

    rows,cols = img_ori.shape[:2]
    labels = np.zeros([rows,cols])
    for i in range(rows):
        for j in range(cols):
            if(img_ori[i,j] < 0.125):
                labels[i,j] = 0
            elif(img_ori[i,j] < 0.25):
                labels[i,j] = 0.2
            elif(img_ori[i,j] < 0.375):
                labels[i,j] = 0.4
            elif(img_ori[i,j] < 0.5):
                labels[i,j] = 0.5
            elif(img_ori[i,j] < 0.625):
                labels[i,j] = 0.6
            elif(img_ori[i,j] < 0.75):
                labels[i,j] = 0.8
            elif(img_ori[i,j] < 0.875):
                labels[i,j] = 0.9
            else:
                labels[i,j] = 1
                
    return labels

# Gray to RGB
from skimage import io, exposure, color

img_ori = cv2.imread('DIP_Figures/DIP3E_Original_Images_CH06/Fig0620(a)(picker_phantom).tif', 0)

labels = gray_slice(img_ori)
labels = np.uint8(labels * 255)
img_rgb = color.label2rgb(labels)

plt.figure(figsize=(20, 5))
plt.subplot(141), plt.imshow(img_ori, 'gray'), plt.title('Original')

plt.subplot(142), plt.imshow(img_rgb, ), plt.title('Pseudo RGB')
# plt.subplot(143), plt.imshow(img_cmyk, ), plt.title('CMYK')
# plt.subplot(144), plt.imshow(img_r, ), plt.title('Red Channel')

plt.tight_layout()
plt.show()

在这里插入图片描述

# Gray to RGB
from skimage import io, exposure, color
def gray_slice(img_gray):

    rows,cols = img_gray.shape[:2]
    labels = np.zeros([rows,cols], np.uint8)
    for i in range(rows):
        for j in range(cols):
            if(img_gray[i,j] < 250):
                labels[i,j] = 125
            else:
                labels[i,j] = 100
                
    return labels

img_ori = cv2.imread('DIP_Figures/DIP3E_Original_Images_CH06/Fig0621(a)(weld-original).tif', 0)

labels = gray_slice(img_ori)
img_rgb = color.label2rgb(labels)

plt.figure(figsize=(20, 5))
plt.subplot(141), plt.imshow(img_ori, 'gray'), plt.title('Original')

plt.subplot(142), plt.imshow(img_rgb, ), plt.title('Pseudo RGB')
# plt.subplot(143), plt.imshow(img_cmyk, ), plt.title('CMYK')
# plt.subplot(144), plt.imshow(img_r, ), plt.title('Red Channel')

plt.tight_layout()
plt.show()

在这里插入图片描述

# Gray to RGB
from skimage import io, exposure, color
def gray_slice(img_gray):

    rows,cols = img_gray.shape[:2]
    labels = np.zeros([rows,cols], np.uint8)
    for i in range(rows):
        for j in range(cols):
            if(img_gray[i,j] < 31):
                labels[i,j] = 0
            elif(img_gray[i,j] < 63):
                labels[i, j] = 10
            elif(img_gray[i,j] < 95):
                labels[i, j] = 20
            elif(img_gray[i,j] < 127):
                labels[i, j] = 30
            elif(img_gray[i,j] < 159):
                labels[i, j] = 40
            elif(img_gray[i,j] < 191):
                labels[i, j] = 255
            elif(img_gray[i,j] < 223):
                labels[i, j] = 255
            else:
                labels[i,j] = 255
                
    return labels

img_ori = cv2.imread('DIP_Figures/DIP3E_Original_Images_CH06/Fig0622(a)(tropical_rain_grayscale.tif', 0)

labels = gray_slice(img_ori)
img_rgb = color.label2rgb(labels)

hist, bins, patches = plt.hist(img_ori.flatten(), bins=256)
plt.figure(figsize=(15, 10))
plt.subplot(211), plt.imshow(img_ori, 'gray'), plt.title('Original')
plt.subplot(212), plt.imshow(img_rgb, ), plt.title('Pseudo RGB')
plt.tight_layout()
plt.show()

在这里插入图片描述

灰度值到彩色变换

# Gray to RGB
from skimage import io, exposure, color

img_r = cv2.imread('DIP_Figures/DIP3E_Original_Images_CH06/Fig0627(a)(WashingtonDC Band3-RED).TIF', 0)
img_g = cv2.imread('DIP_Figures/DIP3E_Original_Images_CH06/Fig0627(b)(WashingtonDC Band2-GREEN).TIF', 0)
img_b = cv2.imread('DIP_Figures/DIP3E_Original_Images_CH06/Fig0627(c)(1)(WashingtonDC Band1-BLUE).TIF', 0)
img_ir = cv2.imread('DIP_Figures/DIP3E_Original_Images_CH06/Fig0627(d)(WashingtonDC Band4).TIF', 0)

# IR G B 
img_irgb = np.dstack([img_ir, img_g, img_b])

# R IR B
img_RIRB = np.dstack([img_r, img_ir, img_b])

plt.figure(figsize=(15, 10))
plt.subplot(231), plt.imshow(img_r, 'gray'), plt.title('Red Band')
plt.subplot(232), plt.imshow(img_g, 'gray'), plt.title('Green Band')
plt.subplot(233), plt.imshow(img_b, 'gray'), plt.title('Blue Band')
plt.subplot(234), plt.imshow(img_ir, 'gray'), plt.title('IR Band')
plt.subplot(235), plt.imshow(img_irgb), plt.title('IR G B ')
plt.subplot(236), plt.imshow(img_RIRB), plt.title('R IR B')
plt.tight_layout()
plt.show()

# RGB
img_rgb = np.dstack([img_r, img_g, img_b])
plt.figure(figsize=(5, 5))
plt.imshow(img_rgb), plt.title('RGB')
plt.tight_layout()
plt.show()

在这里插入图片描述

# import numpy as np
# from skimage import io,exposure,color
# import matplotlib.pyplot as plt
# import math
# import sys

# 灰度值到彩色变换
# 定义灰度值到彩色变换
L = 255
def GetR(gray):
    if gray < L/2:
        return 0
    elif gray > L/4*3:
        return L
    else:
        return 4*gray-2*L
def GetG(gray):
    if gray < L/4:
        return 4*gray
    elif gray > L/4*3:
        return 4*L-4*gray
    else:
        return L
def GetB(gray):
    if gray < L/4:
        return L
    elif gray > L/2:
        return 0
    else:
        return 2*L-4*gray
    
def gray2rgb(img_gray):
    
    height, width = img_gray.shape[:2]
    dst = np.zeros((height, width, 3), dtype = 'uint8')
    for h in range(height):
        for w in range(width):
            r,g,b = GetR(img_gray[h,w]),GetG(img_gray[h,w]),GetB(img_gray[h,w])
            dst[h, w, :] = (r,g,b)
            
    return dst

# Gray to RGB
from skimage import io, exposure, color

img_ori = cv2.imread('DIP_Figures/DIP3E_Original_Images_CH06/Fig0620(a)(picker_phantom).tif', 0)

img_rgb = gray2rgb(img_ori)

plt.figure(figsize=(20, 5))
plt.subplot(141), plt.imshow(img_ori, 'gray'), plt.title('Original')

plt.subplot(142), plt.imshow(img_rgb, ), plt.title('Pseudo RGB')
# plt.subplot(143), plt.imshow(img_cmyk, ), plt.title('CMYK')
# plt.subplot(144), plt.imshow(img_r, ), plt.title('Red Channel')

plt.tight_layout()
plt.show()

在这里插入图片描述

# Gray to RGB
from skimage import io, exposure, color

img_ori = cv2.imread('DIP_Figures/DIP3E_Original_Images_CH06/Fig0622(a)(tropical_rain_grayscale.tif', 0)

img_rgb = gray2rgb(img_ori)

plt.figure(figsize=(20, 10))
plt.subplot(141), plt.imshow(img_ori, 'gray'), plt.title('Original')

plt.subplot(142), plt.imshow(img_rgb, ), plt.title('Pseudo RGB')
# plt.subplot(143), plt.imshow(img_cmyk, ), plt.title('CMYK')
# plt.subplot(144), plt.imshow(img_r, ), plt.title('Red Channel')

plt.tight_layout()
plt.show()

在这里插入图片描述

Gray -> RGB

严格来说这不是由于Gray转RGB，因为利用原来的GB通道

我们要将RGB表示转换为gGB表示，也就是用灰度分量g取代蓝色分量R，蓝色分量B和绿色分量G不变。我们可以从gGB计算出红色分量R，因为灰度g=pR+qG+tB（其中p=0.2989,q=0.5870,t=0.1140），于是R=(g-qG-t*B)/p。于是我们只要保留B和G两个颜色分量，再加上灰度图g，就可以回复原来的RGB图像。同样，我们这里的g是可以随便取代红绿蓝三种分量中的任一分量的。下面进行演示。

# Gray to RGB
img_ori = cv2.imread('DIP_Figures/DIP3E_Original_Images_CH06/Fig0646(a)(lenna_original_RGB).tif')

src = img_ori.copy()
# src_gray = bgr2gray(img_ori)
src_gray = cv2.cvtColor(img_ori, cv2.COLOR_BGR2GRAY)

B = src[:,:,0]
G = src[:,:,1]
R = src[:,:,2]

# 灰度g=p*R+q*G+t*B（其中p=0.2989,q=0.5870,t=0.1140），于是B=(g-p*R-q*G)/t。于是我们只要保留R和G两个颜色分量，再加上灰度图g，就可以回复原来的RGB图像。
g = src_gray[:]
p = 0.2989; q = 0.5870; t = 0.1140
B_new = (g - p * R - q * G) /t
B_new = np.uint8(normalize(B_new) * 255) # 这种方式会有点偏蓝
# B_new = np.uint8(B_new / 255)            # 这种方式会偏绿
src_new = np.zeros((src.shape)).astype("uint8")
src_new[:,:,0] = B_new
src_new[:,:,1] = G
src_new[:,:,2] = R

plt.figure(figsize=(20, 5))
plt.subplot(141), plt.imshow(img_ori[:, :, ::-1]), plt.title('Original')
plt.subplot(142), plt.imshow(src_gray, ), plt.title('GrayScale')
plt.subplot(143), plt.imshow(src_new[..., ::-1], ), plt.title('Gray To RGB')
# plt.subplot(144), plt.imshow(img_r, ), plt.title('Red Channel')

plt.tight_layout()
plt.show()

在这里插入图片描述

jasneik

关注

1
点赞
踩
21

收藏

觉得还不错? 一键收藏
打赏
1
评论
第6章 Python 数字图像处理(DIP) - 彩色图像处理2 - 灰度分层（灰度分割）和彩色编码，灰度值到彩色变换，Gray to RGB

第6章主要讲的是彩色图像处理，一些彩色模型如RGB，CMK，CMYK，HSI等色彩模型；彩色模型的变换关系；还包含由灰度图像怎样处理成假彩色图像；使用彩色分割图像等。本章比较少理论还有变换的描述，主要以代码为主，如有需要，请自行查看书本。这里写目录标题假彩色图像处理灰度分层（灰度分割）和彩色编码灰度值到彩色变换Gray -> RGB假彩色图像处理灰度分层（灰度分割）和彩色编码def gray_slice(img_gray): img_ori = img_gray / 255.
复制链接

扫一扫