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