Python图片读写方式之OpenCV 色彩模式转换

一、前置知识

（一）图像像素存储形式

1.灰度图

对于只有黑白颜色的灰度图，为单通道，一个像素块对应矩阵中一个数字，数值为0到255, 其中0表示最暗（黑色） ，255表示最亮（白色）。

2.彩色图

对于任何一张彩色图片，有三个主通道–RGB（红绿蓝）。按不同比例相加，一个像素块对应矩阵中的一个向量, 如[24,180, 50]，分别表示三种颜色的比列, 即对应深度上的数字。图片的大小为（height，width，3）。
注：opencv采用BGR模式，而不是RGB。

（二）色彩模式

1.RGB

RGB 由三个通道表示一幅图像，分别为红色( R)，绿色(G)和蓝色(B)。RGB 颜色空间利用三个颜色分量的线性组合来表示颜色，任何颜色都与这三个分量有关，而且这三个分量是高度相关的，所以连续变换颜色时并不直观，想对图像的颜色进行调整需要更改这三个分量才行。三种颜色的取值范围均为[0,255]。

2.HSV

• 在图像处理中使用较多的是HSV颜色空间，它比 RGB 更接近人们对彩色的感知经验。非常直观地表达颜色的色调、鲜艳程度和明暗程度，方便进行颜色的对比，常用于分割指定颜色的物体。
• HSV 表达彩色图像的方式由三个部分组成：Hue(色调、色相)；Saturation(饱和度、色彩纯净度)；Value(明度)
• 用下面这个圆柱体来表示 HSV 颜色空间，圆柱体的横截面可以看做是一个极坐标系 ，H 用极坐标的极角表示，S 用极坐标的极轴长度表示，V 用圆柱中轴的高度表示。

（1）Hue(色调、色相)

Hue 用角度度量，取值范围为0～360°，表示色彩信息，即所处的光谱颜色的位置。颜色圆环上所有的颜色都是光谱上的颜色，从红色开始按逆时针方向旋转，Hue=0 表示红色，Hue=120 表示绿色，Hue=240 表示蓝色。

（2）Saturation(饱和度、色彩纯净度)

• 其中水平方向表示饱和度，饱和度表示颜色接近光谱色的程度。饱和度越高，说明颜色越深，越接近光谱色。饱和度越低，说明颜色越浅，越接近白色。饱和度为0表示纯白色。取值范围为0～100%，值越大，颜色越饱和。
• 在Hue一定的情况下，饱和度减小，就是往光谱色中添加白色，光谱色所占的比例也在减小，饱和度减为0，表示光谱色所占的比例为零，导致整个颜色呈现白色。

（3）Value(明度)

• 竖直方向表示明度，决定颜色空间中颜色的明暗程度，明度越高，表示颜色越明亮，范围是 0-100%。明度为0表示纯黑色（此时颜色最暗）。
• 明度减小，就是往光谱色中添加黑色，光谱色所占的比例也在减小，明度减为0，表示光谱色所占的比例为零，导致整个颜色呈现黑色。

（4）取值范围

H：0-180
S：0-255
V：0-255
颜色的模糊范围：

二、色彩模式转换

（一）cv2.cvtColor()

使用cv2.cvtColor()函数实现色彩空间的变换，该函数可以实现多个色彩空间之间的转换。

dst = cv2.cvtColor(src,code,[dstCn])

• src：表示原图。
• code：色彩空间转换码。
• dstCn：目标图像的通道数，默认为0，通道自动通过原图和code获得。

使用以下命令可获得code参数：

import cv2
import numpy as np
flags = [i for i in dir(cv2) if i.startswith('COLOR_')]
print(flags)  ## 输出一大串

经常使用的code参数：

参数	解释
cv2.COLOR_BGR2RGB	从BGR模型转为RGB模型
cv2.COLOR_BGR2GRAY	从BGR模型转为灰度图
cv2.COLOR_BGR2HSV	从BGR模型转为HSV

import cv2
import matplotlib.pyplot as plt

## 画图
def show_im(num,img,title):
    plt.subplot(2,2,num)
    plt.imshow(img)
    plt.axis('off')
    plt.title(title)

## 显示读取的图片
img_BGR = cv2.imread('ty.jpg',1)
show_im(1,img_BGR,'BGR')

## 将图片转为RGB图
img_RGB = cv2.cvtColor(img_BGR,cv2.COLOR_BGR2RGB)
show_im(2,img_RGB,'RGB')

## 将图片转为灰度图
img_GRAY = cv2.cvtColor(img_BGR,cv2.COLOR_BGR2GRAY)
show_im(3,img_GRAY,'GRAY')

## 将图片转为HSV
img_HSV = cv2.cvtColor(img_BGR,cv2.COLOR_BGR2HSV)
show_im(4,img_HSV,'HSV')

plt.savefig('ty_conbine.jpg')
plt.show()

（二）cv2.inRange()

使用inRange函数设阈值。

dst = cv2.inRange(src, lowerb, upperb, dst=None)

• src：表示原图。
• lowerb：表示阈值下限。
• upperb：表示阈值上限。
• dst：输出和src相同的矩阵。

（三）np.uint8()

用OpenCV处理图像时，获得的矩阵类型都是uint8。uint8是专门用于存储各种图像的（包括RGB，灰度图像等），范围是从0–255。要想将当前的数组作为图像类型来进行各种操作，就要转换到uint8类型。

import numpy as np
a = [245,100,2]
np.uint8(a)
##Out[1]: array([245, 100,   2], dtype=uint8)

（四）实例

在OpenCV中HSV三个分量的范围为：H = [0,179] S = [0,255] V = [0,255]

1° BGR转换HSV

import numpy as np
import cv2
bgr_blue = np.uint8([[[255,0,0]]])
hsv_blue = cv2.cvtColor(bgr_blue, cv2.COLOR_BGR2HSV)
print(hsv_blue)
## Out[1]: array([[[120, 255, 255]]], dtype=uint8)

2° 提取特征颜色

因为H=0和H=180都对应红色，所以对于红色的话，需要定义两个范围，并进行取或操作。

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

## 画图
def show_im(num,img,title):
    plt.subplot(1,2,num)
    plt.imshow(img)
    plt.axis('off')
    plt.title(title)

## 读取图片
ty_img = cv2.imread('ty_red.jpg')

## 显示原图（转换为rgb正常格式）
ty_rgb = cv2.cvtColor(ty_img, cv2.COLOR_BGR2RGB)
show_im(1,ty_rgb,'Original')

## 讲BGR格式转为HSV
ty_hsv = cv2.cvtColor(ty_img, cv2.COLOR_BGR2HSV)

## 取红色
sensitivity = 10
lower_red0 = np.array([0,100,100])
upper_red0 = np.array([sensitivity,255,255])

lower_red1 = np.array([180-sensitivity,100,100])
upper_red1 = np.array([180,255,255])

## 设置阈值
mask_0 = cv2.inRange(ty_hsv,lower_red0,upper_red0)
mask_1 = cv2.inRange(ty_hsv,lower_red1,upper_red1)
mask_red = cv2.bitwise_or(mask_0, mask_1)

## 对原图像处理
res = cv2.bitwise_and(ty_img,ty_img,mask=mask_red)

## 显示取红色后的效果
res_rgb = cv2.cvtColor(res, cv2.COLOR_BGR2RGB)
show_im(2,res_rgb,'Conversion')
plt.savefig('ty_exred.jpg')
plt.show()