opencv从入门到精通哦吼02_opencv bgr-CSDN博客

图像在 OpenCV 中以二维或三维数组表示，数组中的每一个值就是图像的像素值。善于操作数组的 NumPy 模块就成了 OpenCV 的依赖包。OpenCV 中很多操作都要依赖 NumPy 模块，例如创建纯色图像、创建掩模和创建卷积核等。本节将简单介绍 NumPy 模块的常用操作方法，并演示如何利用 NumPy 模块创建图像。

NumPy 概述

NumPy（见图 4.9）更像是一个魔方（见图 4.10），它是 Python 数组计算、矩阵运算和科学计算的核心库，NumPy 来源于 Numerical 和 Python 两个单词。NumPy 提供了一个高性能的数组对象，以及可以轻松创建一维数组、二维数组和多维数组等大量实用方法，帮助开发者轻松地进行数组计算，从而广泛地应用于数据分析、机器学习、图像处理和计算机图形学、数学任务等领域中。由于 NumPy 是由 C 语言实现的，所以其运算速度非常快。具体功能如下。

数组的类型

在对数组进行基本操作前，首先了解一下 NumPy 的数据类型。NumPy 比 Python 增加了更多种类的数值类型，如表 4.1 所示，为了区别于 Python 数据类型，NumPy 中的 bool、int、float、complex 等数据类型名称末尾都加了短下画线「_」。

创建数组

NumPy 提供了很多创建数组的方法，下面分别介绍。

1．最常规的 array()方法

 numpy.array(object, dtype, copy, order, subok, ndmin)

．创建用 0 填充的数组

 zeros()

创建纯 1 数组

ones()

创建随机数组

randint()

操作数组

加法运算

减法和乘除法运算

幂运算

比较运算

使用 NumPy 创建 2 个数组，分别使用「>=」「==」「<=」和「!=」运算符比较 2 个数组

复制数组

 n2 = np.array(n1, copy=True)

切片操作就不学了python笔记中已提

创建图像

创建纯白图像。

import cv2
import numpy as np

width=200
height=100
image=np.zeros((height,width))
image[:100,:200]=255
cv2.imshow('img',image)
cv2.waitKey(0)

创建纯黑图片

可以将上述代码的255改成0

黑中有白

import cv2

import numpy as np

width=600
height=400

img=np.zeros((width,height))
img[100:200,100:200]=255
cv2.imshow('img',img)
cv2.waitKey(0)
cv2.destroyAllWindows()

斑点图

import cv2
import numpy as np

width=200
height=100

img=np.random.randint(256,size=(height,width),dtype=np.uint8)
cv2.imshow('img',img)
cv2.waitKey(0)
cv2.destroyAllWindows()

彩色斑点只需要将二维改成三维就行

拼接图像

水平拼接数组

array = numpy.hstack(tup)

垂直拼接数组

 array = numpy.vstack(tup)

色彩空间与通道

色彩是人类的眼睛对于不同频率的光线的不同感受，不同频率的光线既是客观存在的又是人类主观感知的。为了表示这些不同频率的光线的色彩，人类建立了多种色彩模型，把这些色彩模型称作色彩空间。OpenCV 中的 BGR 色彩空间有 3 个通道，即表示蓝色的 B 通道、表示绿色的 G 通道和表示红色的 R 通道。本章将具体讲解色彩空间和通道，以及二者之间的紧密联系。

色彩空间

虽然 Photoshop 把一幅彩色图像的色彩空间默认为 RGB 色彩空间，但是 OpenCV 把一幅彩色图像的色彩空间默认为 BGR 色彩空间，这是因为 OpenCV 拆分一幅彩色图像的通道后，默认的通道顺序是 B→G→R。熟悉了 BGR 色彩空间后，本节将结合如图 5.1 所示的图像（本书彩色图像见资源包），介绍另外两个比较常见的色彩空间：GRAY 色彩空间和 HSV 色彩空间。

GRAY 色彩空间

1．什么是 GRAY 色彩空间

GRAY 色彩空间通常指的是灰度图像，灰度图像是一种每个像素都是从黑到白，被处理为 256 个灰度级别的单色图像。这 256 个灰度级别分别用区间[0，255]中的数值表示。其中，「0」表示纯黑色，「255」表示纯白色，0～255 的数值表示不同亮度（即色彩的深浅程度）的深灰色或者浅灰色。因此，一幅灰度图像也能够展现丰富的细节信息，如图 5.2 所示。

dst = cv2.cvtColor(src, code)

说明

虽然色彩空间类型转换是双向的，而且 OpenCV 也提供了 cv2.COLOR_GRAY2BGR（从 GRAY 色彩空间转换到 BGR 色彩空间）和 cv2.COLOR_ BGR2GRAY（从 BGR 色彩空间转换到 GRAY 色彩空间）2 个色彩空间转换码，但是灰度图像是无法转换成彩色图像的。这是因为在彩色图像转换成灰度图像的过程中，丢失了颜色比例（即红色、绿色和蓝色之间的混合比例）。这些比例一旦丢失，就再也找不回来了。

HSV 色彩空间

1．什么是 HSV 色彩空间

BGR 色彩空间是基于三基色而言的，三基色指的是红色、绿色和蓝色。而 HSV 色彩空间则是基于色调、饱和度和亮度而言的。

其中，色调（H）是指光的颜色，例如，彩虹中的赤、橙、黄、绿、青、蓝、紫分别表示不同的色调，如图 5.4 所示。在 OpenCV 中，色调在区间[0，180]内取值。例如，代表红色、黄色、绿色和蓝色的色调值分别为 0、30、60 和 120。

饱和度（S）是指色彩的深浅。在 OpenCV 中，饱和度在区间[0，255]内取值。当饱和度为 0 时，图像将变为灰度图像

通道

在 BGR 色彩空间中，图像的通道由 B 通道、G 通道和 R 通道构成。本节将介绍如何使用 OpenCV 提供的方法拆分和合并通道。

拆分通道

拆分一幅 BGR 图像中的通道

当使用 split()方法拆分一幅 BGR 图像中的通道时，split()方法的语法如下：

  b, g, r = cv2.split(bgr_image)

拆分一幅 HSV 图像中的通道

  h, s, v = cv2.split(hsv_image)

合并通道

合并 B 通道图像、G 通道图像和 R 通道图像

当使用 merge()方法按 B→G→R 的顺序合并通道时，merge()方法的语法如下：

  bgr = cv2.merge([b, g, r])

import  cv2
image=cv2.imread('dog/gou .jpg')
image_cv2=cv2.cvtColor(image,cv2.COLOR_BGR2HSV)
h,s,v=cv2.split(image_cv2)
#h[:,:]=180
#v[:,:]=255
s[:,:]=255
image_cv2Y=cv2.merge((h,s,v))
cv2.imshow('y',image_cv2Y)
cv2.waitKey(0)
cv2.destroyAllWindows()

import numpy as  np
import cv2
image=cv2.imread('dog/gou .jpg')
image_hsv=cv2.cvtColor(image,cv2.COLOR_BGR2HSV)
#cv2.imshow('dog',image_hsv)
b,g,r=cv2.split(image)
h,s,v=cv2.split(image_hsv)
# cv2.imshow('h',h)
# cv2.imshow('s',s)
# cv2.imshow('v',v)
# cv2.imshow('b',b)
# cv2.imshow('g',g)
# cv2.imshow('r',r)
image1=cv2.merge((b,g,r))
cv2.imshow('image',image1)
cv2.waitKey(0)

# cv2.destroyAllWindows()

alpha 通道

BGR 色彩空间包含了 3 个通道，即 B 通道、G 通道和 R 通道。OpenCV 在 BGR 色彩空间的基础上，又增加了一个用于设置图像透明度的 A 通道，即 alpha 通道。这样，形成一个由 B 通道、G 通道、R 通道和 A 通道 4 个通道构成的色彩空间，即 BGRA 色彩空间。在 BGRA 色彩空间中，alpha 通道在区间[0，255]内取值；其中，0 表示透明，255 表示不透明。