OpenCV基础入门30讲（Python）——第二讲 图像色彩转换

常见的几种颜色类型介绍

1、彩色图像（Color Image，BGR）

• 数据类型：uint8
• 通道数：3（BGR：蓝色、绿色、红色）
• 描述：彩色图像有三个通道，每个通道的值范围是 0 到 255，分别表示蓝色（B）、绿色（G）、红色（R）分量的强度。需要注意的是，OpenCV 默认采用 BGR 通道顺序，而不是常见的 RGB。
• 用途：适用于大多数场景下的彩色图像处理，如物体检测、图像分割等。

2、灰度图像（Grayscale Image）

• 数据类型：uint8（无符号 8 位整数）
• 通道数：1
• 描述：灰度图像只有一个通道，每个像素点的值范围为 0 到 255，0 表示黑色，255 表示白色，中间值表示不同的灰度。
• 用途：用于简化计算，尤其在图像处理和计算机视觉任务中，灰度图像常被用于边缘检测、阈值处理等。

3、HSV图像

• H（Hue，色调）：
  • 范围：0 到 179（在 OpenCV 中）
  • 描述：表示颜色的基本属性，如红色、蓝色、绿色等。0 表示红色，60 表示黄色，120 表示绿色，180 表示蓝色。
• S（Saturation，饱和度）：
  • 范围：0 到 255
  • 描述：表示颜色的纯度。0 表示灰色（无色彩），255 表示最饱和的颜色。
• V（Value，明度/亮度）：
  • 范围：0 到 255
  • 描述：表示颜色的亮度。0 表示完全黑色，255 表示最亮的颜色。

代码讲解

在上一讲的main文件中加入以下代码：

# 第二节课 图像色彩转换
def color_space_demo():
    image = cv.imread('C:/Users/28267/Desktop/Python/Py_OpenCV481/python_opencv_quick_tutorial/image/3.jpg')
    if image is None:
        print("错误: 未发现图像或者图像不能被加载.")
# 缩放图像 由于我要显示的图像太大了，所以接下来四行我进行了一下缩放
    # 将 image 图像的宽*0.2，得到新的宽度
    width = int(image.shape[1] * 0.2)
    # 将 image 图像的高*0.2，得到新的高度
    height = int(image.shape[0] * 0.2)
    # 设置宽高比
    dim = (width, height)

    # 缩小图像 调用 OpenCV 中的 resize 函数缩小图像
    # 参数1：要缩小的图像，参数2：缩小后的图像宽高，参数3：插值方法，默认为INTER_LINEAR
    resized_image = cv.resize(image, dim, interpolation=cv.INTER_AREA)
    # 用 cvtColor 函数，把 resized_image 指向的图像颜色 从 BGR 转换为灰度图像
    # 我们通常说RGB 但是在OpenCV中读取图像的顺序是蓝色，绿色，红色，所以叫BGR
    gray = cv.cvtColor(resized_image, cv.COLOR_BGR2GRAY)
    # 用 cvtColor 函数，把 resized_image 指向的图像颜色从 BGR 转换为HSV图像
    hsv = cv.cvtColor(resized_image, cv.COLOR_BGR2HSV)

    # 显示最开始读取的原图像
    cv.imshow("resized_image", resized_image)
    # 显示灰度图像   gray：灰色
    cv.imshow("gray_image", gray)
    # 显示HSV图像
    cv.imshow("hsv_image", hsv)
    cv.waitKey(0)
    cv.destroyAllWindows()

将主函数部分更改为： 

# 主函数运行函数 color_space_demo
if __name__ == "__main__":
    color_space_demo()

main文件代码，布局：

运行效果图：

特别介绍

以后只需要在main文件中加入我们要写的函数，例如：

# 第二节课 色彩空间转换
def color_space_demo():
    image = cv.imread('C:/Users/28267/Desktop/Python/Py_OpenCV481/python_opencv_quick_tutorial/image/3.jpg')
    if image is None:
        print("错误: 未发现图像或者图像不能被加载.")
# 缩放图像 由于我要显示的图像太大了，所以接下来四行我进行了一下缩放
    # 将 image 图像的宽*0.2，得到新的宽度
    width = int(image.shape[1] * 0.2)
    # 将 image 图像的高*0.2，得到新的高度
    height = int(image.shape[0] * 0.2)
    # 设置宽高比
    dim = (width, height)

    # 缩小图像 调用 OpenCV 中的 resize 函数缩小图像
    # 参数1：要缩小的图像，参数2：缩小后的图像宽高，参数3：插值方法，默认为INTER_LINEAR
    resized_image = cv.resize(image, dim, interpolation=cv.INTER_AREA)
    # 用 cvtColor 函数，把 resized_image 指向的图像颜色 从 BGR 转换为灰度图像
    # 我们通常说RGB 但是在OpenCV中读取图像的顺序是蓝色，绿色，红色，所以叫BGR
    gray = cv.cvtColor(resized_image, cv.COLOR_BGR2GRAY)
    # 用 cvtColor 函数，把 resized_image 指向的图像颜色从 BGR 转换为HSV图像
    hsv = cv.cvtColor(resized_image, cv.COLOR_BGR2HSV)

    # 显示最开始读取的原图像
    cv.imshow("resized_image", resized_image)
    # 显示灰度图像   gray：灰色
    cv.imshow("gray_image", gray)
    # 显示HSV图像
    cv.imshow("hsv_image", hsv)
    cv.waitKey(0)
    cv.destroyAllWindows()

再把主函数部分改成我们新写的函数名，例如

# 主函数运行函数 color_space_demo
if __name__ == "__main__":
    color_space_demo()

即可运行我们新写的代码。