import cv2 as cv
import numpy as np
print("--------- Hello Python ---------")
src = cv.imread("D:/opencv/red.jpeg")
print(src.shape)
cv.namedWindow("red", cv.WINDOW_AUTOSIZE)
cv.imshow("red", src)
face = src[170:370, 200:400]
print("face", face.shape)
gray = cv.cvtColor(face, cv.COLOR_RGB2GRAY)
print("gray", gray.shape)
backface = cv.cvtColor(gray, cv.COLOR_GRAY2BGR)
print("backface", backface.shape)
cv.imshow("backface",backface)
src[170:370, 200:400] = backface
cv.imshow("face", src)
cv.waitKey(0)
cv.destroyAllWindows()
运行结果如下
--------- Hello Python ---------
(750, 500, 3)
face (200, 200, 3)
gray (200, 200)
backface (200, 200, 3)
由上图可见:
BGR2GRAY后,图片的通道数由3变为了1,而此时再对灰度图进行GRAY2BGR操作,虽然通道数由1变成了3,但仍然是灰度图。因为BGR2GRAY的过程中,是丢失了颜色比例信息的,丢失以后是永远也找不回来了。比如0.2×R(30)+0.5×G(100)+0.3×B(200)=GRAY(116),在转换过程中你最后只得到了116这个灰度值。已知的还有0.2 ,0.5, 0.3这个比例。还原的时候,0.2×R(?)+0.5×G(?)+0.3×B(?)=GRAY(116), 并不知道 BGR 与 灰度 的比例关系,只能简单地设 一点的 R=G=B=灰度三个未知数。因此无法还原成彩色图像了
单通道图
俗称灰度图,每个像素点只能有有一个值表示颜色,它的像素值在0到255之间,0是黑色,255是白色,中间值是一些不同等级的灰色。(也有3通道的灰度图,3通道灰度图只有一个通道有值,其他两个通道的值都是零(存疑?))。
三通道图
每个像素点都有3个值表示 ,所以就是3通道。也有4通道的图。例如RGB图片即为三通道图片,RGB色彩模式是工业界的一种颜色标准,是通过对红®、绿(G)、蓝(B)三个颜色通道的变化以及它们相互之间的叠加来得到各式各样的颜色的,RGB即是代表红、绿、蓝三个通道的颜色,这个标准几乎包括了人类视力所能感知的所有颜色,是目前运用最广的颜色系统之一。总之,每一个点由三个值表示。