3.opencv——图像变换1（色彩空间变换，几何变换）

最新推荐文章于 2024-05-30 09:28:03 发布
最新推荐文章于 2024-05-30 09:28:03 发布
阅读量1.8k 收藏 7
点赞数 2
分类专栏： 计算机视觉——opencv 文章标签： opencv 计算机视觉 python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_47166032/article/details/120636323
版权

图像变换1（色彩空间变换，几何变换）

色彩空间变换

\qquad 色彩空间也称颜色模型、颜色空间、色彩模型等，它是图像在计算机内部的一种存储方式。常见的色彩空间包括 RGB、GRAY、XYZ、YCrCb、HSV 等。色彩空间在物体追踪、特征检测等（简单来说就是识别一个东西）扮演着很重要的角色。毕竟每个物体都有特定的颜色和特征，我们可以应用其物体与环境颜色上的差异，从图像中提取特定范围的颜色并加上一些逻辑性的判断，获取待检测物体的位置。每种色彩空间都有其擅长的问题解决领域，所以在解决具体色彩问题时往往需要进行色彩空间类型转换。
OpenCV 的 cv2.cvtColor()函数用于转换色彩空间类型，其基本格式如下。

dst = cv2.cvtcolor(src,code[,dstcn]])

其参数说明如下：

参数说明
dst表示转换后的图像
src表示转换前的原图像
code表示色彩空间类型转换码
dstCn表示目标图像的通道数

常见的色彩空间类型转换码如下：

参数说明
cv2.COLOR_BGR2RGB将BGR 色彩空间转换为 RGB 色彩空间
cv2.COLOR_BGR2GRAY将 BGR 色彩空间转换为 GRAY 色彩空间
cv2.COLOR_BGR2HSV将 BGR 色彩空间转换为 HSV 色彩空间
cv2.COLOR_BGR2YCrCb将 BGR 色彩空间转换为 YCrCb 色彩空间
cv2.COLOR_RGB2BGR将 RGB 色彩空间转换为 BGR 色彩空间
cv2.COLOR_RGB2GRAY将 RGB 色彩空间转换为 GRAY 色彩空间
c2.COLOR_RGB2YCrCb将 RGB 色彩空间转换为 YCrCb 色彩空间
cv2.COLOR_RGB2HSV将RGB 色彩空间转换为 HSV 色彩空间

RGB色彩空间

\qquad RGB 色彩空间使用R（Red，红）、G（Green，绿）和B（Blue，蓝）3种基本颜色表示图像像素。RGB 色彩空间中，图像的每个像素用一个三元组表示，三元组中的3个值依次表示红色、绿色和蓝色，依次对应 R、G和B通道。OpenCV默认采用 BGR 色彩空间，它按 B、G和R通道顺序表示图像。
在cv2.cvtColor()函数中使用cv2.COLOR_BGR2RGB转换码可将图像从BGR色彩空间转换RGB色彩空间。

import cv2


img = cv2.imread('bee.jpg')  	             # 读取图像
cv2.imshow('bee', img)  	                 # 显示图像
img2 = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)  # 转换色彩空间为RGB
cv2.imshow('RGB', img2)  	                 # 显示图像
cv2.waitKey(0)

在这里插入图片描述

GRAY色彩空间

\qquad GRAY 色彩空间通常指 8 位灰度图像，其颜色取值范围为[0,255]，共 256个灰度级。从 RGB 色彩空间转换为 GRAY 色彩空间的计算公式如下。
G r a y = 0.299 R + 0.587 G + 0.114 B Gray =0.299R+0.587G+0.114B Gray=0.299R+0.587G+0.114B
其中，R、G和 B为 RGB 色彩空间中 R、G 和 B 通道的图像。在 cv2.cvtColor()函数中使用 cv2.COLOR_BGR2GRAY 转换码可将图像从BGR 色彩空间转换为 GRAY 色彩空间。

import cv2


img = cv2.imread('bee.jpg')  	               # 读取图像
cv2.imshow('bee', img)  	                   # 显示图像
img2 = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)   # 转换色彩空间为GRAY
cv2.imshow('GRAY', img2)  	                   # 显示图像
cv2.waitKey(0)

在这里插入图片描述

YCrCb色彩空间

\qquad YCrCb 色彩空间用亮度 Y、红色 Cr 和蓝色 Cb 表示图像。从 RGB 色彩空间转换为 YCrCb 色彩空间的计算公式如下。
Y = 0.299 R + 0.587 G + 0.114 B C r = 0.713 ( R − Y ) + d e l t a C b = 0.564 ( B − Y ) + d e l t a Y=0.299R+ 0.587G+ 0.114B\\ Cr= 0.713(R- Y)+ delta\\ Cb= 0.564(B- Y)+ delta\\ Y=0.299R+0.587G+0.114BCr=0.713(R−Y)+deltaCb=0.564(B−Y)+delta
其中
d e l t a = { 128 8 位 图 像 32767 16 位 图 像 0.5 单 精 度 图 像 delta= \begin{cases} 128 & 8位图像\\ 32767 & 16位图像 \\ 0.5 & 单精度图像 \\ \end{cases} delta=⎩⎪⎨⎪⎧​128327670.5​8位图像16位图像单精度图像​
在cv2.cvtColor()函数中使用 cv2.COLOR_BGR2YCrCb 转换码可将图像从 BGR 色彩空间转换为 YCrCb 色彩空间。

import cv2


img = cv2.imread('bee.jpg')  	               # 读取图像
cv2.imshow('bee', img)  	                   # 显示图像
img2 = cv2.cvtColor(img, cv2.COLOR_BGR2YCrCb)  # 转换色彩空间为YCrCb
cv2.imshow('YCrCb', img2)  	                   # 显示图像
cv2.waitKey(0)

在这里插入图片描述

HSV色彩空间

\qquad HSV 色彩空间使用色调（Hue，也称色相）、饱和度（Saturation）和亮度（Value)表示图像。
色调 H表示颜色，用角度表示，取值范围为[0°,360°]，从红色开始按逆时针方向计算。例如，红色为 0°、黄色为 60°、绿色为 120°、青色为 180°、蓝色为 240°、紫色为 300°等。饱和度 S 表示颜色接近光谱色的程度，或者表示光谱色中混入白光的比例。光谱色中白光的比例越低，饱和度越高，颜色越深、艳。光谱色中白光比例为 0 时，饱和度达到最高。饱和度的取值范围为[0,1]。亮度V表示颜色明亮的程度，是人眼可感受到的明暗程度，其取值范围为[0,1]。
从 RGB 色彩空间转换为 HSV 色彩空间的计算公式如下：
V = m a x ( R , G , B ) V = max(R,G,B) V=max(R,G,B)
S = { V − m i n ( R , G , B ) V V ≠ 0 0 V = 0 S= \begin{cases} \frac{V-min(R,G,B)}{V} & V\neq0\\ 0 & V=0 \\ \end{cases} S={VV−min(R,G,B)​0​V​=0V=0​
H = { 60 − ( G − B ) V − m i n ( R , G , B ) V = R 120 + 60 − ( B − R ) V − m i n ( R , G , B ) V = G 240 + 60 − ( R − G ) V − m i n ( R , G , B ) V = B H= \begin{cases} \frac{60-(G-B)}{V-min(R,G,B)} & V=R\\ 120+\frac{60-(B-R)}{V-min(R,G,B)} & V=G \\ 240+\frac{60-(R-G)}{V-min(R,G,B)} & V=B \\ \end{cases} H=⎩⎪⎨⎪⎧​V−min(R,G,B)60−(G−B)​120+V−min(R,G,B)60−(B−R)​240+V−min(R,G,B)60−(R−G)​​V=RV=GV=B​
计算结果中如果H<0,则令H= H+360.
在cv2.cvtColor()函数中使用 cv2.COLOR_BGR2HSV转换码可将图像从 BGR 色彩空间转换为 HSV 色彩空间。

import cv2


img = cv2.imread('bee.jpg')  	             # 读取图像
cv2.imshow('BGR', img)  	                 # 显示图像
img2 = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)  # 转换色彩空间为HSV
cv2.imshow('HSV', img2)  	                 # 显示图像
cv2.waitKey(0)

在这里插入图片描述

几何变换

缩放

OpenCV的cv2.resize(）函数用于缩放图像，其基本格式如下。

dst=cv2.resize(src,dsize[,dst[,fx[,fy[,interpolation]]]])

其参数说明如下：

参数说明
dst表示转换后的图像
src表示用于缩放的原图像
dsize表示转换后的图像大小
fx表示水平方向的缩放比例
fy表示垂直方向的缩放比例
interpolation表示插值方式。在转换过程中,可能存在一些不能通过转换算法确定值的像素,插值方式决定了如何获得这些像素的值。可用的插值方式如下表
参数说明
cv2.INTER_NEAREST最近邻插值
cv2.INTER_LINEAR双线性插值，默认方式
cv2.INTER_CUBIC3 次样条插值
cv2.INTER_AREA区域插值
cv2.INTER_LANCZOS4Lanczos 插值
cv2.INTER_LINEAR_EXACT位精确双线性插值
cv2.INTER_MAX插值编码掩码
cv2.WARP_FILL_OUTLIERS标志，填充目标图像中的所有像素
cv2.WARP_INVERSE_MAP标志，逆变换

cv2.resize()函数在转换图像时，目标图像的类型和大小与转换之前 dst表示的图像无关。目标图像的类型与 src 表示的原图像一致，其大小可通过参数dsize、fx和 fy 来确定。当dsize 参数不为 None时，不管是否设置参数fx和fy，都由dsize 来确定目标图像的大小。dsize是一个二元组，其格式为“(width,height)”，width 表示目标图像的宽度，height表示目标图像的高度。当dsize 参数为 None时，参数fx和fy不能设置为 0。此时，目标图像的宽度为“round(原图像的宽度×fx)”，目标图像的高度为“round(原图像的高度×fy)”。

import cv2


img = cv2.imread('bee.jpg')  	                   # 读取图像
sc = [1, 0.2, 0.5, 1.5, 2]                         # 设置缩放比例
cv2.imshow('showimg', img)  	                   # 显示图像
while True:                   	    
    key = cv2.waitKey()
    if 48 <= key <= 52:                            # 按键【0】、【1】、【2】、【3】或【4】
        x = y = sc[key-48]                         # 获得缩放比例
        img2 = cv2.resize(img, None, fx=x, fy=y)   # 缩放图像
        cv2.imshow('showimg', img2)  	           # 显示图像

在这里插入图片描述

翻转

OpenCV 的 cv2.flip()函数用于翻转图像，其基本格式如下。

dst=cv2.flip(src,flipCode)

其参数说明如下：

参数说明
dst表示转换后的图像
src表示原图像
fipCode表示翻转类型。flip 为 0 时绕 X轴翻转（垂直翻转），fip 为大于 0 的整数时绕y轴翻转（水平翻转），flip 为小于 0 的整数时同时绕 ×轴和 y轴翻转（水平和垂直翻转)
import cv2


img = cv2.imread('bee.jpg')  	  # 读取图像
cv2.imshow('showimg', img)  	  # 显示图像
while True:                   	    
    key = cv2.waitKey()
    if key == 48:                 # 按【0】键时显示原图 
        img2 = img
    elif key == 49:               # 按【1】键时垂直翻转
        img2 = cv2.flip(img, 0)
    elif key == 50:               # 按【2】键时水平翻转
        img2 = cv2.flip(img, 1)
    elif key == 51:               # 按【3】键时水平、垂直翻转
        img2 = cv2.flip(img, -1)
    cv2.imshow('showimg', img2)

在这里插入图片描述

仿射

\qquad 仿射变换包含了平移、旋转、缩放等操作，其主要特点是：原图像中的所有平行线在转换后的图像中仍然平行。OpenCV 的 cv2.warpAfine()函数用于实现图像的仿射变换，其基本格式如下。

dst=cv2.warpAffine(src,M,dsize[,dst[,flags[,bonderMode[, borderValue]]]])

其参数说明如下：

参数说明
dst表示转换后的图像，图像类型和原图像一致，大小由 dsize 决定
src表示原图像
M是一个大小为 2×3的转换矩阵，使用不同的转换矩阵可实现平移、旋转等多种操作
dsize为转换后的图像大小
flags为插值方式，默认值为 cV2.INTER_LINEAR
borderMode为边类型，默认值为 cv2.BORDER_CONSTANT
borderValue为边界值，默认为 0

在 cv2.warpAffine()函数省略可选参数时，图像转换的矩阵运算公式如下：

d s t ( x , y ) = s r c ( M 11 x + M 12 y + M 13 , M 21 x + M 22 y + M 23 ) dst(x,y)=src(M_{11}x+M_{12y}+M_{13},M_{21}x+M_{22}y+M_{23}) dst(x,y)=src(M11​x+M12y​+M13​,M21​x+M22​y+M23​)

平移

\qquad 平移是指图像沿水平或者垂直方向移动一定的像素。假设 ( x 0 , y 0 ) (x_0, y_0) (x0​,y0​)为原图像上的一个点，图像水平平移量为 t x t_x tx​，垂直平移为 t y t_y ty​，则平移后点 ( x 0 , y 0 ) (x_0,y_0) (x0​,y0​)坐标将变成 ( x 1 , y 1 ) (x_1,y_1) (x1​,y1​)。 ( x 0 , y 0 ) (x_0, y_0) (x0​,y0​)和 ( x 1 , y 1 ) (x_1,y_1) (x1​,y1​)的关系如下：
{ x 1 = x 0 + t x y 1 = y 0 + t y \left\{ \begin{aligned} x_1= x_0+t_x \\ y_1 = y_0+t_y\\ \end{aligned} \right. {x1​=x0​+tx​y1​=y0​+ty​​
其 中 d s t ( x 0 , y 0 ) = s r c ( x 0 + t x , y 0 + t y ) 其中dst(x_0,y_0) = src(x_0+t_x,y_0+t_y) 其中dst(x0​,y0​)=src(x0​+tx​,y0​+ty​)

用矩阵表示如下：
[ x 1 y 1 1 ] = [ 1 0 t x 0 1 t y 0 0 1 ] [ x 0 y 0 1 ] \left[ \begin{matrix} x_1 \\ y_1 \\ 1\\ \end{matrix} \right] = \left[ \begin{matrix} 1 & 0& t_x \\ 0 & 1 & t_y \\ 0 & 0 & 1\\ \end{matrix} \right] \left[ \begin{matrix} x_0 \\ y_0\\ 1\\ \end{matrix} \right] ⎣⎡​x1​y1​1​⎦⎤​=⎣⎡​100​010​tx​ty​1​⎦⎤​⎣⎡​x0​y0​1​⎦⎤​

其逆运算如下：
[ x 0 y 0 1 ] = [ 1 0 − t x 0 1 − t y 0 0 1 ] [ x 1 y 1 1 ] \left[ \begin{matrix} x_0\\ y_0 \\ 1\\ \end{matrix} \right] = \left[ \begin{matrix} 1 & 0& -t_x \\ 0 &1& -t_y \\ 0 & 0 & 1\\ \end{matrix} \right] \left[ \begin{matrix} x_1 \\ y_1\\ 1\\ \end{matrix} \right] ⎣⎡​x0​y0​1​⎦⎤​=⎣⎡​100​010​−tx​−ty​1​⎦⎤​⎣⎡​x1​y1​1​⎦⎤​
转换矩阵 M = [ 1 0 t x 0 1 t y ] M=\left[ \begin{matrix} 1 & 0& t_x \\ 0 & 1 & t_y \\ \end{matrix} \right] M=[10​01​tx​ty​​]
这样,平移后的图像上的每一点都可以在原图像中找到对应的点。例如,对于新图中的(0.0)像素,对应原图中的像素 ( − t x , − t y ) (-t_x,-t_y) (−tx​,−ty​)。如果 t x t_x tx​或 t y t_y ty​大于 0,则 ( t x , t y ) (t_x,t_y) (tx​,ty​)不在原图中。对于不在原图中的点,可以将它的像素值设置为 0 或则 255(对于灰度图就是黑色或白色)。若有点不在新图中,说明原图中有点被移出显示区域。如果不想丢失被移出的部分图像,可以将新生成的图像宽度扩大 ∣ t x ∣ |t_x| ∣tx​∣,高度扩大 ∣ t y ∣ |t_y| ∣ty​∣。

import cv2
import numpy as np


img = cv2.imread('bee.jpg')  	            # 读取图像
cv2.imshow('img', img)  	                # 显示图像
height = img.shape[0]                       # 获得图像高度
width = img.shape[1]                        # 获得图像宽度
dsize = (width, height)
m = np.float32([[1, 0, 100], [0, 1, 50]])   # 创建转换矩阵
img2 = cv2.warpAffine(img, m, dsize)        # 平移图像
cv2.imshow('imgx+100y+50', img2)  	        # 显示图像
cv2.waitKey(0)

在这里插入图片描述

缩放

假设图像的宽度缩放比例为h，高度缩放比例为v， 根据图像转换的矩阵运算公式可得出执行缩放的转换矩阵 M = [ h 0 0 0 v 0 ] M=\left[ \begin{matrix} h & 0&0 \\ 0 & v & 0 \\ \end{matrix} \right] M=[h0​0v​00​]

import cv2
import numpy as np


img = cv2.imread('bee.jpg')  	            # 读取图像
cv2.imshow('img', img)  	                # 显示图像
height = img.shape[0]                       # 获得图像高度
width = img.shape[1]                        # 获得图像宽度
dsize = (width, height)
m = np.float32([[0.5, 0, 0], [0, 0.5, 0]])  # 创建转换矩阵
img2 = cv2.warpAffine(img, m, dsize)        # 执行缩放
cv2.imshow('img0.5x+0.5y', img2)  	        # 显示图像
cv2.waitKey(0)

在这里插入图片描述

旋转

OpenCV 的cv2.getRotationMatrix2D()函数可用于计算执行旋转操作的转换矩阵，其基本格式如下。

m = cv2.getRotationMatrix2D(center, angle, scale)

其参数说明如下：

参数说明
center表示原图像中作为旋转中心的坐标
angle表示旋转角度，正数表示按逆时针方向旋转，负数表示按顺时针方向旋转
scale表示目标图像与原图像的大小比例

假设原图像宽度为 width，高度为 height，将图像中心作为旋转中心顺时针旋转 60°，并将图像缩小 50%，则用于计算转换矩阵的语句如下,过程就不再推导了，和平移差不多，有兴趣的可以尝试下推导：

m = cv2.getRotationMatrix2D((width/2, height/2 ), -60, 0.5)

import cv2


img = cv2.imread('bee.jpg')  	                            # 读取图像
cv2.imshow('img', img)  	                                # 显示图像
height = img.shape[0]                                       # 获得图像高度
width = img.shape[1]                                        # 获得图像宽度
dsize = (width, height)
m = cv2.getRotationMatrix2D((width/2, height/2), -60, 0.5)  # 创建转换矩阵
img2 = cv2.warpAffine(img, m, dsize)                        # 执行旋转
cv2.imshow('imgRotation', img2)  	                        # 显示图像
cv2.waitKey(0)

在这里插入图片描述

三点映射变换

三点映射变换会将图像转换为任意的平行四边形，cv2.getAffineTransform()函数用于计算其转换矩阵，基本格式如下。

m= cv2.getAffineTransform(src, dst)

其参数说明如下：

参数说明
src为原图像中 3 个点的坐标
dst为原图像中 3 个点在目标图像中的对应坐标

cv2.getAffineTransform()函数将 src 和 dst 中的 3 个点作为平行四边形左上角、右上角和左下角的 3 个点，按原图和目标图像与 3 个点之间的坐标关系计算所有像素的转换矩阵。

import cv2
import numpy as np


img = cv2.imread('bee.jpg')  	  # 读取图像
cv2.imshow('img', img)  	      # 显示图像
height = img.shape[0]             # 获得图像高度
width = img.shape[1]              # 获得图像宽度
dsize = (width, height)
src = np.float32([[0, 0], [width-10, 0], [0, height-1]])          # 取原图像中三个点
dst = np.float32([[50, 50], [width-100, 80], [100, height-100]])  # 设置三点在目标图像中的坐标
m = cv2.getAffineTransform(src, dst)                              # 创建转换矩阵
img2 = cv2.warpAffine(img, m, dsize)                              # 执行转换
cv2.imshow('imgThreePoint', img2)  	                              # 显示图像
cv2.waitKey(0)

在这里插入图片描述

透视

透视变换会将图像转换为任意的四边形，其主要特点是：原始图像中的所有直线在转换后的图像中仍然是直线。OpenCV 的 cv2.warpPerspective()函数用于执行透视变换操作，其基本格式如下。

dst=cv2.warpPerspective(src,M,dsize[,flags[,borderMode[,borderValue]]])

其中，M 是大小为 3×3 的转换矩阵，其他参数含义与 cv2.warpAffine()函数中的一致。
OpenCV 的 cv2.getPerspectiveTransform()函数用于计算透视变换使用的转换矩阵，其基本格式如下。

M = cv2.getPerspectiveTransform(src,dst)

其参数说明如下：

参数说明
src为原图像中 4 个点的坐标
dst为原图像中 4 个点在转换后的目标图像中的对应坐标
import cv2
import numpy as np


img = cv2.imread('bee.jpg')  	  # 读取图像
cv2.imshow('img', img)  	      # 显示图像
height = img.shape[0]             # 获得图像高度
width = img.shape[1]              # 获得图像宽度
dsize = (width, height)
src = np.float32([[0, 0], [width-10, 0], [0, height-10], [width-1, height-1]])          # 取原图像中四个点
dst = np.float32([[50, 50], [width-50, 80], [50, height-100], [width-100, height-10]])  # 设置四点在目标图像中的坐标
m = cv2.getPerspectiveTransform(src, dst)     # 创建转换矩阵
img2 = cv2.warpPerspective(img, m, dsize)     # 执行转换
cv2.imshow('imgFourPoint', img2)  	          # 显示图像
cv2.waitKey(0)

在这里插入图片描述

实验素材

请添加图片描述

cpLoners
关注
  • 2
    点赞
  • 踩
  • 7
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
OpenCV图像几何变换之透视变换
01-01
本文实例为大家分享了OpenCV图像几何变换之透视变换的具体代码，供大家参考，具体内容如下 1. 基本原理   透视变换（Perspective Transformation）的本质是将图像投影到一个新的视平面，其通用变换公式为： （u，v）为原始图像像素坐标，（x=x’/w’，y=y’/w’）为变换之后的图像像素坐标。透视变换矩阵图解如下： 仿射变换（Affine Transformation）可以理解为透视变换的特殊形式。透视变换的数学表达式为： 所以，给定透视变换对应的四对像素点坐标，即可求得透视变换矩阵；反之，给定透视变换矩阵，即可对图像或像素点坐标完成透视变换，如下图所示：
使用OpenCV实现仿射变换—缩放功能
12-26
前面介绍怎么样实现平移的功能，接着下来演示缩放功能。比如在一个文档里插入一个图片，发现这个图片占用太大的面积了，要把它缩小，才放得下，与文字的比例才合适。这样的需求，就需要使用仿射变换的缩放功能，而实现这个功能的方法，就是采用齐次坐标的变换功式： 可看到最后一条公式，就是缩放公式，要实现二维图像的缩放，需要构造前面那个缩放矩阵，因此在OpenCV也是构造一个2X3的矩阵。不过，在缩放变换里，要考虑另外一个问题，比如图片放大之后，原来两点像素的距离变大了，在中间留下了空间，那么中间空白的像素点怎么样处理呢？其实图像处理要完成两个独立的算法计算，首先需要一个算法实现空间坐标变换，用它描述每个像素
数字图像处理(2): 颜色空间/模型—— RGB, CMY/CMYK, HSI, HSV, YUV
热门推荐
TechArtisan6的博客
04-21 3万+
目录 1 什么是颜色 2 颜色的数字化 3 常见的颜色模型 3.1 RGB 模型 3.2 CMY/CMYK 模型 3.3 HSI 模型 3.4 HSV 模型 3.5 HSB 模型 3.6 Lab 模型 3.7 YUV 模型 3.8 模型分类 4 Python代码示例 参考资料 1 什么是颜色 颜色是通过眼、脑和我们的生活经验所产生的对光的视觉感受，我们肉眼...
OPENCV入门教程二十三：彩色图像处理RGB分量
李大宝的专栏
08-29 1524
一、目标 学习如何使用opencv中的函数，学习把彩色图像分解成RGB分量的操作，学习split()函数的使用 二、函数说明 函数原型： void split(InputArray src,OutputArray *dst) 参数详解： src：源图像。图像必须是灰度图。 dst：目标图像集合。 三、程序代码 #include "cv.h"
【OpenCV-Python】9.OpenCV的色彩空间变换
每天都在学习的小博主
12-08 2402
9.OpenCV的色彩空间变换 文章目录前言一、色彩空间变换1、RGB色彩空间2、GRAY色彩空间3、YCrCb色彩空间4、HSV色彩空间总结 前言   色彩空间也称颜色模型、颜色空间、色彩模型等，它是图像在计算机内部的一种存储方式。常见的色彩空间包括RGB、GRAY、XYZ、YCrCb、HSV等。每种色彩空间都有其擅长的问题解决领域。所以在解决具体色彩问题时就需要进行特定的色彩类型空间转换。 一、色彩空间变换   OpenCV的cv2.Color()函数用于转换色彩空间类型。 转换代码
04_图片颜色变换
lsqzedu的博客
06-26 859
文章目录numpy实现图片换置图片转换前后对比 numpy实现图片换置 # Python Imaging Library,已经是Python平台事实上的图像处理标准 from PIL import Image import numpy as np # 加载图片 data = Image.open("../data/phone.jpg") # <PIL.JpegImagePlugin.Jp...
【图像处理】色彩空间变换
DawN
04-25 8232
彩色空间变换 一、简介 ​ 一般图像是有红（R）、绿（G）、蓝（B)三个通道，每个通道由（0-255）不同的值组成，这就构成了多彩的图像，这称为图像的颜色空间。在图像处理中，还有另外的颜色空间（如HSV，HIS），这些更具有可分离性和可操作性。所以很多的图像算法需要将图像从RGB转换为其他空间。 二、RGB与灰度空间互转 ​ RGB（红绿蓝）是依据人眼识别的颜色定义出的空间，可表示大部分颜色。但在...
OpenCV python（三）【图像预处理：颜色空间转换】 && 颜色识别
xztli的博客
08-04 3561
本篇文章简单介绍了颜色空间和色域的区别、基于opencv-python的颜色空间转换，并将其结合inRange实现颜色识别并二值化。
Opencv_Python 官方教程 第八章 Opencv中的图像处理之颜色空间转换
yang_pi_pi的博客
05-24 139
• 你将学习如何对图像进行颜色空间转换，比如从 BGR 到灰度图，或者从BGR 到 HSV 等。• 我们将要学习的函数有：cv2.cvtColor()，cv2.inRange() 等。
色彩空间与几何变换
monkey____king的博客
06-29 78
一、色彩空间基础 1.GRAY色彩空间 2.RGB色彩空间 3.HSV色彩空间 重点：色彩空间的相互转换，几何变换的应用 难点：提取特定颜色的物体，实现图像的几何矫正 4.类型转换函数 二、几何变换 1.定义： 2.简单的几何变换： ...
OpenCvSharp 透视变换(图像摆正).rar
06-21
OpenCvSharp 透视变换(图像摆正) https://blog.csdn.net/lw112190/article/details/131326924
Opencv实现图像灰度线性变换
12-25
本文实例为大家分享了Opencv实现图像灰度线性变换的具体代码，供大家参考，具体内容如下 通过图像灰度线性变换提高图像对比度和亮度,原图像为src，目标图像为dst，则dst(x,y) = * src(x,y) + 。 不仅对单通道...
36.OpenCV图像几何变换万字详解（平移缩放旋转、镜像仿射透视）.pdf
03-31
36.OpenCV图像几何变换万字详解（平移缩放旋转、镜像仿射透视）
第4章：色彩空间类型转换
weixin_57440207的博客
01-23 2937
第四章：色彩空间类型转换one. 色彩空间基础知识：1. GRAY色彩空间：2. XYZ色彩空间3. YCrCb色彩空间3. HSV色彩空间4. HLS 色彩空间5. CIEL * a * b *色彩空间6. CIEL * u * v *色彩空间7. Bayer色彩空间two. 类型转换函数：three. 类型转换实例four. HSV色彩空间讨论：1. 获取指定颜色：2. 标记指定颜色：five. alpha通道： 色彩空间称为颜色空间、彩色空间、颜色模型、彩色系统、彩色模型、色彩模型等。 常见的色彩空间
RGB颜色空间的拆分 - 使用 OpenCV split 以及数组
m0_50614038的博客
04-01 1640
如果是针对白底的图片，这样的显示方式通常都达不到想要的效果，如底下代码所示，因为白底会导致整个单一通道的显示呈现单一通道的底色，这样反而不容易凸显出目标物。此外，人类眼中的红蓝绿，常常是混合的结果，所以，如果要单独找出红蓝绿颜色，通常是使用 HSV 的颜色空间。将彩色图片依照BGR通道来分割，以下示例将上面生成的 diy.jpg 图片的每一个通道单独显示一张图片，从显示的顺序可以发现，通道依序是红(0)、绿(1)、蓝(2)。图 1. 显示 BGR 与 RGB(A) 格式的差异，右手边的图形配色才是正确的。
opencv-python学习【4】色彩空间类型转换
m0_63462829的博客
08-31 2108
OpenCV 中的色彩空间转换
OpenCV（五）：图像颜色空间转换
weixin_63357306的博客
08-29 1256
RGB 颜色空间是最常见的颜色表示方式之一，其中 R、G、B 分别表示红色、绿色和蓝色分量。在 OpenCV 中，RGB 图像可以通过 CvType.CV_8UC3 的类型来表示，其中 8U 表示 8 位无符号整数，C3 表示三个通道。
计算机视觉OpenCv学习笔记--第三篇 色彩空间类型转换
huhuhahadao的博客
10-16 969
3 色彩空间类型转换 RGB图像是常见的色彩空间类型，除此之外常见的色彩空间还有GRAY（灰度图像）、XYZ色彩空间、YCrCb色彩空间、HSV色彩空间、HLS色彩空间等。每种不同的色彩空间擅长处理的问题不同，在实际操作中经常需要用到色彩空间类型转换。 色彩空间类型转换是指，将图像从一个色彩空间转换到另一个色彩空间。例如，进行图像的特征提取、距离计算时，往往先将图像从RGB转换为灰度色彩空间，在一些应用中，可能要将色彩空间的图像转换为二值图像。 3.1 色彩空间的基础 3.1.1 GRAY 色彩空间 当图像
使用opencv 进行车牌位置检测的源代码
最新发布
三维点云技术探索
05-30 214
函数的流程是：读取图像 -> 缩放 -> 灰度化 -> 去噪 -> 边缘检测 -> 形态学操作 -> 轮廓检测 -> 筛选可能的车牌轮廓 -> 矫正车牌图像 -> 颜色定位 -> 返回结果。这个过程为车牌识别算法提供了预处理后的图像和颜色信息，以便于更准确地识别车牌。
opencv图像几何变换
07-28
OpenCV 提供了多种图像几何变换的函数，可以实现平移、旋转、缩放、翻转等操作。以下是一些常用的图像几何变换函数： 1. 平移（Translation）：使用 `cv2.warpAffine` 函数实现，通过指定平移矩阵来改变图像位置。 ...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值