opencv 把3通道图像转成单通道_图像基础基础知识

一、图像通道

二值图

二值图就是图像的像素点只有0或255，整个图像呈现出只有黑白两种效果。

单通道图：

俗称灰度图，每个像素点只能有一个值表示颜色，他的像素值在 0-255 之间，0 是黑色，255 是白色，中间值是一些不同等级的灰色

三通道图

• 每个像素点都有 3 个值表示，例如 RGB 图片即为三通道图片，是通过对红(R)、绿(G)、蓝(B)三个颜色通道之间的叠加来得到各式各样的颜色。

  三通道图就是平常所见的彩色图。

灰度转化

• 目的

• 将三通道图像(彩色图)转化为单通道图(灰度图)。

• 公式

  • 3 -->1：GRAY = B * 0.114 + G * 0.387 + R * 0.299
  • 1 -->3：R = B = G = GRAY；A=0

• 函数：

  cv.cvtColor(img, flag)

• 参数说明：

  三通道转单通道 代码示例：

  • 参数1：待转化图像

  • 参数2：flag 是转换模式，

    cv2.COLOR_RGB2GRAY：彩色转灰度

    cv2.COLOR_GRAY2RGB：单通道转多通道

#导入 opencv
import cv2

  #读入原始图像，使用 cv2.IMREAD_UNCHANGED
img = cv2.imread("girl.jpg", cv2.IMREAD_UNCHANGED)

  #查看原始图像
shape = img.shape
print(shape)

  #判断通道数是否为 3 或 4 通道
if shape[2] == 3 or shape[2] == 4:
      #将彩色图转化为三通道图
		img_gray = cv2.cvtColor(img,cv2.COLOR_RGB2GRAY)
  	cv2.imshow("gray_img", img_gray)

  cv2.imshow("image", img)
  cv2.waitKey(0)
  cv2.destroyAllWindows()

结果演示：

(253, 251, 3)

单通道转三通道灰度图 代码示例：

 #导入 opencv
import cv2

  #读入原始图像，使用 cv2.IMREAD_UNCHANGED
img = cv2.imread("gray_img.jpg", cv2.IMREAD_UNCHANGED)

 #查看原始图像
 shape = img.shape
 print(shape)

img_color = cv2.cvtColor(img, cv2.COLOR_GRAY2BGR)
print(img_color.shape) #查看转换后图像通道
cv2.imshow('color_img', img_color)
cv2.imshow("image", img)
cv2.waitKey(0)
cv2.destroyAllWindows()

output:

(253, 251)

(253, 251, 3)

通道分离

• 目的：

  将彩色图像，分成 b、g、r ，3 个单通道图像。方便对 BGR 三个通道分别进行操作。

• 函数：

  cv2.split(img)

  下面程序将使用 opencv 加载一张彩色图，然后将其 R ,G, B 三通道分离并显示。

  代码3: 图像通道分离

  代码示例：

  • 参数1：待分离通道的图像
  • 参数说明：

#导入 opencv
import cv2
src = cv2.imread("split.jpg")
cv2.imshow("before", src)

#调用通道分离
b, g, r = cv2.split(src)

  #三通道分别显示
cv2.imshow("blue", b)
cv2.imshow("green", g)
cv2.imshow("red", r)
cv2.waitKey(0)
cv2.destroyAllWindows()

output：

#导入 opencv
import cv2
import numpy as np

image = cv2.imread("split.jpg", 1)
cv2.imshow("src", image)
cv2.waitKey(0)
B, G, R = cv2.split(image) #分离出图片的 BGR 颜色通道
zeros = np.zeros(image.shape[:2], dtype="uint8") #创建与 imgae 大小相同的零矩阵
cv2.imshow("BLUE", cv2.merge([B, zeros, zeros])) #显示 (B, 0, 0)图像
cv2.imshow("GREEN", cv2.merge([zeros, G, zeros]))  #显示 (0, G, 0)图像
cv2.imshow("RED", cv2.merge([zeros, zeros, R]))
cv2.waitKey(0)
cv2.destroyAllWindows()

output：

通道合并

• 目的：

通过分离为 B，G，R 后，单独对通道进行修改，最后将修改后的三通道合并为彩色图像。

• 函数：

  cv2.merge(list)

• 参数说明：

参数1：待合并的通道数，以 list 的形式输入

代码4：图像通道合并

下面代码将使用 R，G，B 三通道合并:

#导入 opencv
import cv2
src = cv2.imread("split.jpg", 1)
cv2.imshow("before", src)

#调用通道分离
b, g, r = cv2.split(src)
#将 blue 通道数值修改为 0
b[:] = 0
#合并修改后的通道
img_merge = cv2.merge([b, g, r])
cv2.imshow('merge', img_merge)
cv2.waitKey(0)
cv2.destroyAllWindows()

output:

image-20200513104855620

• 可以发现拿掉绿(b)通道后，图片发黄

• 相应的去掉蓝(g)通道，图片发红

• 去掉红(r)通道，图片发蓝

代码5：通道分离与合并小结

#导入 opencv
import cv2
src = cv2.imread("split.jpg", 1)
cv2.imshow("before", src)
cv2.waitKey(0)

#调用通道分离
b, g, r = cv2.split(src)
cv2.imshow("blue", b)
cv2.imshow("green", g)
cv2.imshow("red", r)

#通道合并
img_merge = cv2.merge([b, g, r])
cv2.imshow('merge', img_merge)
cv2.waitKey(0)

#修改某个通道
src[:,:,2] = 100
cv2.imshow('single', src)
cv2.waitKey(0)
cv2.destroyAllWindows()

二、图像色彩空间

色彩空间

---

• RGB 色彩空间：RGB 色彩模式是工业界的一种颜色标准，是通过对红(R)、绿(G)、蓝(B)三个颜色通道的变化以及他们之间相互叠加来得到各式各样的颜色，RGB 即代表红、绿、蓝三个颜色的通道，这个标准几乎包括了人类实力所能感知的所有颜色，是运用最广的颜色系统之一。
• HSV 色彩空间：HSV(Hue，Saturation，Value)是根据颜色的直观特性有 A. R. Smith 在 1978 年创建的一种颜色空间，也称六角锥体模型。这个模型中颜色的参数分别是：色调(H)，饱和度(S)，明度(V)。

HSV 原理图

• H 通道：hue、色调/色彩，这个通道代表颜色
• S 通道：Saturation，饱和度，饱和度越高，色彩越纯
• V 通道：Value，明暗，数值越高，越明亮

image-20200513111449000

RGB 与 BGR 转化

import cv2
import matplotlib.pyplot as plt

img = cv2.imread("girl.jpg", cv2.IMREAD_COLOR)
cv2.imshow("OPENCV_win", img)

#用 opencv 自带的方法转格式
img_cv_method = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)

#用 numpy 转
img_numpy_method = img[:,:,::-1]  #从 BGR 转为 RGB

#用 Matplot 画图
plt.subplot(1, 2, 1) #在 1 号位置绘图
plt.imshow(img_cv_method)
plt.subplot(1, 2, 2)  # 在 2 号位置绘图
plt.imshow(img_numpy_method)
plt.savefig("./plt.png")
plt.show()

#保存图片
cv2.imwrite("opencv.png", img)
cv2.waitKey(0)
cv2.destroyAllWindows()

两种 BGR 转 RGB 方式对比，图像完全相同

image-20200513113422158

代码：RGB 与 HSV 转化

import cv2
#色彩空间转换函数

def color_space_demo(image):
    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
    cv2.imshow('gray', gray)
    hsv = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)
    cv2.imshow('hsv', hsv)

src = cv2.imread('girl.jpg')
cv2.imshow('before', src)

#调用color_space_demo
color_space_demo(src)
cv2.waitKey(0)
cv2.destroyAllWindows()

image-20200513122841575

三、图像直方图

直方图绘制

• 目的

直方图是对图像像素的统计分布，它统计了每个像素(0 到 255)的数量。

• 函数

cv2.calcHist(images, channels, mask, histSize, ranges)

• 参数说明

参数1：待统计图像，需用中括号括起来

参数2：待计算的通道

参数3：Mask，这里没有使用，所以用 None

参数4：histSize，表示直方图分成多少份

参数5：表示直方图中各个像素的值，[0.0, 255.0] 表示直方图能表示像素值从 0.0 到 255.0 的像素。直方图是对图像像素的统计分布，他统计了每个像素(0 到 255)的数量。

from matplotlib import pyplot as plt
import cv2
import numpy as np

img = cv2.imread("girl.jpg")
img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

plt.imshow(img_gray, cmap=plt.cm.gray)
hist = cv2.calcHist([img], [0], None, [256], [0, 256])

plt.figure()
plt.title("Grayscale Histogram")
plt.xlabel("Bins")
plt.ylabel("# of Pixels")
plt.plot(hist)
plt.xlim([0, 256])
plt.show()

image-20200515113433166

img

图像经过灰度转化，是偏暗的，从直方图可以看出，更接近0

三通道直方图

from matplotlib import pyplot as plt
import cv2

girl = cv2.imread("girl.jpg")
cv2.imshow("girl",girl)
color = ("b", "g", "r")

#使用 for 循环遍历 color 列表，enumerate 枚举返回索引和值
for i, color in enumerate(color):
    hist = cv2.calcHist([girl], [i], None, [256], [0, 256])
    plt.title("girl")
    plt.xlabel("Bins")
    plt.ylabel("num of perlex")
    plt.plot(hist)
    plt.xlim([0, 260])
plt.show()
cv2.waitKey(0)
cv2.destroyAllWindows()

img

直方图均衡化

• 目的

图像的直方图是对图像对比度效果上的一种处理，旨在使得图像整体效果均匀，黑与白之间的各个像素级之间的电更均匀一点

• 函数

cv2.equalizeHist(img)

• 参数1：待均衡化图像
• 步骤
  • 统计直方图中每个灰度级出现的次数
  • 计算累计归一化直方图
  • 重新计算像素点的像素值

import cv2

img = cv2.imread('dark.jpg', 0)
cv2.imshow("dark",img)
cv2.waitKey(0)

#调用cv2.equalizeHist 函数进行直方图均衡化
img_equal = cv2.equalizeHist(img)

cv2.imshow("img_equal", img_equal)
cv2.waitKey(0)
cv2.destroyAllWindows()

均衡化之后发现，没那么暗了

image-20200513133803809

彩色直方图均衡化

import cv2
import numpy as np

img = cv2.imread('dark.jpg', 1)
cv2.imshow("src",img)
#彩色图像均衡化，需要分解通道 对每一个通道均衡化
(b, g, r) = cv2.split(img)
bH = cv2.equalizeHist(b)
gH = cv2.equalizeHist(g)
rH = cv2.equalizeHist(r)
#合并每一个通道
result = cv2.merge((bH, gH, rH))

cv2.imshow("dst", result)
cv2.waitKey(0)
cv2.destroyAllWindows()

可以发现图片效果明显变化

image-20200513134524867

总结：

核心知识：

• 二值图、灰度图、彩色图的区别
• 三通道与单通道转化
• RGB 和 HSV 之间的转化
• 直方图的意义
• 灰度和彩色图直方图绘制
• 灰度和彩色图像直方图均衡化

欢迎关注公众号！