Python+Opencv图像处理新手入门教程(二)：颜色空间转换，图像大小调整，灰度直方图

一步一步来吧

上一节：Python+Opencv图像处理新手入门教程(一)：介绍，安装与起步

1.什么是图像

对于计算机而言，图像的本质是一个由像素点构成的矩阵。

例如我们用肉眼很容易分辨一辆汽车的后视镜。然而对计算机而言，后视镜对应的只是一个矩阵，矩阵的各个元素描述了各像素点的性质(如强度)。
回过头来看我们一开始的代码：

# -*- coding: utf-8 -*-
import cv2
img = cv2.imread(r'D:\0.jpg')

运行后的变量区：

img其实就是一个三维的矩阵（注意左下角的轴，用于切换矩阵的三个维度）：

2.图像处理

2.1.胡乱处理

既然图片的本质是矩阵，那么当然可以用对付矩阵的方法对付图片

把矩阵的每个元素都设置为255，即每个像素的值都为白色(255, 255, 255)

# -*- coding: utf-8 -*-
import cv2
img = cv2.imread(r'D:\0.jpg')
img[:][:][:] = 255
cv2.imshow('HelloWorld', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

同理，把矩阵的每个元素都设置为0，便可以得到一张黑色(0, 0, 0)的图像：

# -*- coding: utf-8 -*-
import cv2
img = cv2.imread(r'D:\0.jpg')
img[:][:][:] = 0
cv2.imshow('HelloWorld', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

思考：如果要将一张图像转换为红色呢？

2.2.正经处理

利用cvtColor方法进行颜色空间转换，将图片转化为灰度图像：

# -*- coding: utf-8 -*-
import cv2
img = cv2.imread(r'D:\0.jpg')
gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
cv2.imshow('HelloWorld', gray_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

此时观察我们处理得到的gray_img：

可以发现，和彩色图像img相比，其只有二维，没有R、G、B这三个彩色通道，只有每个像素点的灰度值。当然，与彩色图像类似，每个像素灰度值为0的图像为黑色图像，灰度值为255则是白色图像。
意义： 在计算机视觉的很多操作(如边缘检测)中，图像的RGB信息是没有价值的，因此我们可以将其去掉来大幅减轻运算量。

2.3.cvtColor的其他用法

除了将彩色图像转化为灰度图外，cvtColor也可以将RGB颜色空间转化为HSV等颜色空间：

• RGB -> HSV：色调(Hue)，饱和度(Saturation)，明度(Value)

hsv_img = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)

HSV空间的视觉直观性要更好，也更适合进行掩膜(例如将一张照片中的蓝色区域判定成车牌)等操作。

2.4.图像大小调整

在图像处理的时候，图片尺寸不能太大，否则会影响处理的性能。
利用resize方法来调整图像的尺寸。例如：

img = cv2.resize(img, (100, 100))

这样我们就可以将原大小为200 × 200的图片缩小为100 × 100。
当然要放大也是可以的：

img = cv2.resize(img, (400, 400), interpolation = cv2.INTER_CUBIC)

注意这个时候多了一个interpolation参数，其用于指定图像变化时所用的插值方法。常用的方法有：

• cv2.INTER_NEAREST：最近邻插值
• cv2.INTER_LINEAR：双线性插值，适合放大图片，快，默认方法
• cv2.INTER_CUBIC：立方插值，适合放大图片，与线性插值相比稍慢
• cv2.INTER_AREA：局部像素重采样，适合缩小图片

3.灰度直方图

图像直方图(histogram)是图像的统计学特征，常用于了解图像的基本特征以便分析。
实际上就是把图像转化成灰度图像，统计各个像素点的灰度值，绘制得到的直方图，其横轴是灰度值[0，255]，纵轴是该灰度值所对应的像素的数目。对灰度直方图做积分得到的结果是图像的像素数。
由于我们使用的图片颜色比较简单(几乎只有红黄白三色。。。)，因此它的灰度直方图长这样：

从图中也能明显看出图片以白色的背景为主(灰度集中在250+)。

# -*- coding: utf-8 -*-
import cv2
import matplotlib.pyplot as plt
def plt_hist(img):     
    plt.hist(img.ravel(), 256, [0, 256])
    plt.show()   
img = cv2.imread(r'D:\0.jpg')
gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
plt_hist(gray_img)

其中ravel方法的作用是将二维的灰度矩阵展开成一维的灰度向量。