python rgb转yuv_python – rgb转换为yuv并访问Y,U和V通道

NB：YUV< - >在3.2.0之前的OpenCV版本中的RGB转换是

buggy！例如,在许多情况下,U和V通道的顺序被交换.据我所知,从2.4.13.2版本开始,2.x仍然被打破.

它们出现灰度的原因是,在分割3通道YUV图像时,您创建了三个1通道图像.由于包含像素的数据结构不存储有关值所代表的任何信息,因此imshow将任何单通道图像视为灰度级以进行显示.同样,它会将任何3通道图像视为BGR.

事实证明,用于维基百科示例的色彩映射非常简单.

U通道的Colormap

绿色和蓝色之间的简单进展：

colormap_u = np.array([[[i,255-i,0] for i in range(256)]],dtype=np.uint8)

V通道的Colormap

绿色和红色之间的简单进展：

colormap_v = np.array([[[0,255-i,i] for i in range(256)]],dtype=np.uint8)

可视化YUV就像示例一样

现在,我们可以将它们放在一起,重新创建示例：

import cv2

import numpy as np

def make_lut_u():

return np.array([[[i,255-i,0] for i in range(256)]],dtype=np.uint8)

def make_lut_v():

return np.array([[[0,255-i,i] for i in range(256)]],dtype=np.uint8)

img = cv2.imread('shed.png')

img_yuv = cv2.cvtColor(img, cv2.COLOR_BGR2YUV)

y, u, v = cv2.split(img_yuv)

lut_u, lut_v = make_lut_u(), make_lut_v()

# Convert back to BGR so we can apply the LUT and stack the images

y = cv2.cvtColor(y, cv2.COLOR_GRAY2BGR)

u = cv2.cvtColor(u, cv2.COLOR_GRAY2BGR)

v = cv2.cvtColor(v, cv2.COLOR_GRAY2BGR)

u_mapped = cv2.LUT(u, lut_u)

v_mapped = cv2.LUT(v, lut_v)

result = np.vstack([img, y, u_mapped, v_mapped])

cv2.imwrite('shed_combo.png', result)

结果：