python实现opencv学习五：色彩空间转换

利用转换函数实现图像色彩空间转换

代码：

# -*- coding=GBK -*-
import cv2 as cv


# 色彩空间的转换
def color_space_demo(image):
    gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)  # RGB转换为gray
#    cv.namedWindow("gray", cv.WINDOW_NORMAL)
    cv.imshow("gray", gray)
    hsv = cv.cvtColor(image, cv.COLOR_BGR2HSV)  # RGB转换为hsv
#    cv.namedWindow("hsv", cv.WINDOW_NORMAL)
    cv.imshow("hsv", hsv)
    yuv = cv.cvtColor(image, cv.COLOR_BGR2YUV)  # RGB转换为yuv
#    cv.namedWindow("yuv", cv.WINDOW_NORMAL)
    cv.imshow("yuv", yuv)


src = cv.imread("fengling.jpg")
# cv.namedWindow("before", cv.WINDOW_NORMAL)
cv.imshow("before", src)
color_space_demo(src)
cv.waitKey(0)
cv.destroyAllWindows()

结果：

备注：

色彩空间转换函数cv.cvtColor()第二个输入参数中'2'的意思是"two"谐音“to”代指转换的意思

---

利用inrange函数过滤视频中的颜色，并实现跟踪某一颜色

代码：

# -*- coding=GBK -*-
import cv2 as cv
import numpy as np


def nextrace_object_demo():
    capture = cv.VideoCapture("HeartMake.mp4")  # 导入视频

    cv.namedWindow("video", 0)
    cv.resizeWindow("video", 1000, 600) # 设置播放窗口长和宽

    cv.namedWindow("mask", 0)
    cv.resizeWindow("mask", 1000, 600) # 设置播放窗口长和宽

    while True:
        ret, frame = capture.read() #读帧
        if ret == False:
            break
        hsv = cv.cvtColor(frame, cv.COLOR_BGR2HSV)  # 转换色彩空间为hsv
        # 设置白色的范围，跟踪视频中的白色
        lower_hsv = np.array([0, 0, 221])  # 设置过滤的颜色的低值
        upper_hsv = np.array([180, 30, 255])  # 设置过滤的颜色的高值
        mask = cv.inRange(hsv, lower_hsv, upper_hsv)  # 调节图像颜色信息（H）、饱和度（S）、亮度（V）区间，选择白色区域
        cv.imshow("video", frame)
        cv.imshow("mask", mask)
        if cv.waitKey(50) & 0xFF == ord('q'):
            break


nextrace_object_demo()
cv.waitKey(0)
cv.destroyAllWindows()

结果：

 

HSV颜色对应RGB的分量范围：

 

---

通道分离、合并，修改某一通道

代码：

# -*- coding=GBK -*-
import cv2 as cv


src = cv.imread("fengling.jpg")
cv.namedWindow("before", cv.WINDOW_NORMAL)
cv.imshow("before", src)

# 通道分离，输出三个单通道图片
b, g, r = cv.split(src)  # 将彩色图像分割成3个通道
cv.imshow("blue", b)
cv.imshow("green", g)
cv.imshow("red", r)

# 通道合并
src = cv.merge([b, g, r])
cv.imshow("merge", src)

# 修改某个通道的值
src[:, :, 2] = 100
cv.imshow("sigel_channel", src)


cv.waitKey(0)
cv.destroyAllWindows()

结果：

备注：

提取单个通道后的图片是灰度图，是因为单通道图片就会被默认为0~255的单通道灰度图，只有三个通道都有像素值时，每个通道才会被分别对应R、G、B并合成RGB图