【opencv-python】色彩和图像基础

• • 对比度调节 改变图像对比度原理：

    gbr色彩空间——以127为分界线，小于127的会越小，大于127的会越大

    达成“亮的越亮，暗的越暗”的效果

  • 图像灰度化：

  • 在RGB模型中，如果R=G=B时，则彩色表示一种灰度颜色，其中R=G=B的值叫灰度值，因此，灰度图像每个像素只需一个字节存放灰度值（又称强度值、亮度值），灰度范围为0-255。0%的灰度RGB数值是255,255,255；1%灰度的RGB数值是253,253,253；2%灰度RGB值为250,250,250。

  • 图像灰度化：在RGB模型中，如果R=G=B时，则彩色表示一种灰度颜色，其中R=G=B的值叫灰度值，因此，灰度图像每个像素只需一个字节存放灰度值（又称强度值、亮度值），灰度范围为0-255。0%的灰度RGB数值是255,255,255；1%灰度的RGB数值是253,253,253；2%灰度RGB值为250,250,250。

    图像灰度化处理一般采用以下三种算法： 平均值法: f(i,j)=(R(i,j)+G(i,j)+B(i,j))/3 最大值法: f(i,j)=max(R(i,j),G(i,j),B(i,j)) 加权平均值法:f(i,j)=0.30R(i,j)+0.59G(i,j)+0.11B(i,j)

• OpenCV中图像的基本运算

  • 打开图像文件、显示图像文件、访问像素颜色值等

  • 使用函数cv2.imread(filepath,flags)读入一副图片

    filepath：要读入图片的完整路径
    flags：读入图片的标志
    cv2.IMREAD_COLOR：默认参数，读入一副彩色图片，忽略alpha通道，可以直接写1
    cv2.IMREAD_GRAYSCALE：读入灰度图片，可以直接写0
    cv2.IMREAD_UNCHANGED：顾名思义，读入完整图片，包括alpha通道，可以直接写-1

  • 对于imshow函数，opencv的官方注释指出：根据图像的深度，imshow函数会自动对其显示灰度值进行缩放，规则如下：

    如果图像数据类型是8U（8位无符号），则直接显示。
    如果图像数据类型是16U（16位无符号）或32S（32位有符号整数），则imshow函数内部会自动将每个像素值除以256并显示，即将原图像素值的范围由[0 ~ 255*256]映射到[0~255]
    如果图像数据类型是32F（32位浮点数）或64F（64位浮点数），则imshow函数内部会自动将每个像素值乘以255并显示，即将原图像素值的范围由[0~ 1]映射到[0~255]（注意：原图像素值必须要归一化）

  • 可以通过坐标来访问像素值

"""
改变图像亮度和饱和度原理：
gbr图像转换为hsv
v-色调 s-饱和度 h-色相
H、S、V值范围分别是[0,180)，[0,255)，[0,255)

改变图像对比度原理：
gbr色彩空间——以127为分界线，小于127的会越小，大于127的会越大
达成“亮的越亮，暗的越暗”的效果
可以改进（判断图片整体亮度，以此为根据设置分界标准）

@Author:cara j
"""
import cv2 as cv
import numpy as np
import time


# 读取图像
def read(url):
    img = cv.imread(url, 1)
    if img.shape[0] >= 400:
        HEIGHT_MAX = 400
        height, width, _ = img.shape
        ration = HEIGHT_MAX / height
        width = int(width * ration)
        height = HEIGHT_MAX
        img_resize = cv.resize(img, (width, height))
        return img_resize
    return img


# 改变图像亮度
def change_brightness(img, x):
    # rgb转化为hsv
    img_t = cv.cvtColor(img, cv.COLOR_BGR2HSV)
    # 获取hsv
    h, s, v = cv.split(img_t)
    # 增加亮度 色调越浅越亮
    v1 = np.clip(cv.add(v, x), 0, 255)
    img1 = np.uint8(cv.merge((h, s, v1)))
    img1 = cv.cvtColor(img1, cv.COLOR_HSV2BGR)
    return img1


# 改变图像饱和度
def change_saturation(img, x):
    # rgb转化为hsv
    img_t = cv.cvtColor(img, cv.COLOR_BGR2HSV)
    # 获取hsv
    h, s, v = cv.split(img_t)
    # 增加饱和度 饱和度越低，越接近灰度图像
    s1 = np.clip(cv.add(s, x), 0, 255)
    img2 = np.uint8(cv.merge((h, s1, v)))
    img2 = cv.cvtColor(img2, cv.COLOR_HSV2BGR)
    return img2


# 改变图像对比度
def change_contrast(img, alpha):
    dst = np.ones(img.shape)
    img3 = np.uint8(np.clip(alpha * (img - 127 * dst) + 127 * dst, 0, 255))
    return img3


# 图片展示
def show(old_img, new_img):
    cv.imshow('image', np.hstack((old_img, new_img)))
    cv.waitKey(0)


if __name__ == '__main__':
    time_start = time.time()
    image = read("imgs/pic.jpg")
    # new_image = change_brightness(image, 50)
    # new_image = change_saturation(image, 50)
    new_image = change_contrast(image, 2.0)
    time_end = time.time()
    print('time cost', time_end - time_start, 's')
    show(image, new_image)