计算机视觉OpenCv学习系列：第五部分、颜色操作

已于 2023-01-20 23:54:26 修改
阅读量2.3k 收藏 8
点赞数 1
文章标签： opencv 计算机视觉 学习
于 2023-01-20 23:50:50 首次发布
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_52836217/article/details/128744589
版权

第五部分、颜色操作

第一节、颜色表操作

1.查找表LUT(look up table)

查找表可以降低运算时间，实现线性计算时间。

如下图所示0-4分别对应四种颜色。0-4叫做索引(index)。

  • 首先构建LUT表
  • 循环图像中的索引，去LUT中找对应的颜色
  • 用空间换时间

在这里插入图片描述

2.颜色查找表

变换不同色彩的时候可以通过颜色查找表实现。

（1）Gamma校正

Gamma校正 – 在图像预处理的时候经常使用

  • 公式p(x, y)表示输入图像像素值，Gamma为最终输出的一个数。

在这里插入图片描述

  • 像素值取值范围在0~255之间，每一个值对应一个输出值，这样映射关系，可以先建立查找表LUT
  • 根据输入得像素值作为index，在LUT中直接映射读取得到gamma校正之后得值
  • 对256x256大小的图像，计算量对比：
    • 不应用找表计算gamma - 65536次，
    • 应用查找表计算gamma – 256次

gamma校正示例：

在这里插入图片描述

（2）OpenCV默认的查找表

OpenCV中默认的查找表api，cv.applyColorMap

cv.applyColorMap(src, colormap[, dst]) --> dst
1. 第一个参数输入图像
2. 第二个参数是颜色表
3. dst返回图像

下面是色彩表类型：

在这里插入图片描述

3.代码练习与测试

（1）多种颜色查找表
# 自定义颜色查找表与系统自带的颜色查找表
def lut_demo():
    cv.namedWindow("lut-demo", cv.WINDOW_NORMAL)
    # 构建一个查找表，lut数组是一些随机的颜色
    lut = [[255, 0, 255], [125, 0, 0], [127, 255, 200], [200, 127, 127], [0, 255, 255]]
    m1 = np.array([[2, 1, 3, 0], [2, 2, 1, 1], [3, 3, 4, 4], [4, 4, 1, 1]])
    m2 = np.zeros((4, 4, 3), dtype=np.uint8)
    # 用索引和颜色做对应
    for i in range(4):
        for j in range(4):
            index = m1[i, j]
            m2[i, j] = lut[index]
    # 按照索引输出对应颜色
    cv.imshow("lut-demo", m2)
    cv.waitKey(0)
    cv.destroyAllWindows()

    # 读取图片
    image = cv.imread(r"F:\python\opencv-4.x\samples\data\butterfly.jpg")
    cv.imshow("input", image)
    cv.namedWindow("butterfly-gamma", cv.WINDOW_AUTOSIZE)

    # 1.建立查找表，直接使用索引对应颜色表示图片
    lut2 = np.zeros((256), dtype=np.uint8)
    gamma = 0.7  # 假定gamma为0.7
    for i in range(256):
        if i == 0:  # 这个是因为i = 0的时候，log(o/255.0)不存在，所以我自己找了个-6.0代替了一下
            print(i, "---", -6.0)
            lut2[i] = int(np.exp(-6.0 * gamma) * 255.0)  # gamma校正的公式
        else:
            print(i, "---", np.log(i / 255.0))
            lut2[i] = int(np.exp(np.log(i / 255.0) * gamma) * 255.0)  # gamma校正的公式
    print(lut2)
    h, w, c = image.shape
    for row in range(h):
        for col in range(w):
            b, g, r = image[row, col]
            image[row, col] = (lut2[b], lut2[g], lut2[r])   # 直接用查找表的索引表示图片
    cv.imshow("butterfly-gamma", image)
    cv.waitKey(0)

    # 2.自定义颜色查找表
    # 注意自己定义颜色查找表的时候第一个维度永远是256，表示总共有0-255种颜色
    # 第二个维度是宽度只有1列，因为每个位置上面有一个值就可以了
    # 第三个维度表示通道数，可以是三通道也可以是单通道
    lut3 = np.zeros((256, 1, 3), dtype=np.uint8)
    for i in range(256):
        if i == 0:  # 这个是因为i = 0的时候，log(o/255.0)不存在，所以我自己找了个-6.0代替了一下
            print(i, "---", -6.0)
            c = int(np.exp(-6.0 * gamma) * 255.0)  # gamma校正的公式
        else:
            print(i, "---", np.log(i / 255.0))
            c = int(np.exp(np.log(i / 255.0) * gamma) * 255.0)  # gamma校正的公式
        lut3[i, 0] = (c, c, c)
    print(lut3)
    dst = cv.LUT(image, lut3)  # 使用自定义的查找表
    cv.imshow("butterfly-gamma", dst)
    cv.waitKey(0)

    # 3.使用系统自带的COLORMAP_PINK颜色查找表
    dst = cv.applyColorMap(image, cv.COLORMAP_PINK)
    cv.imshow("butterfly-pink", dst)
    cv.waitKey(0)
    
    # 4.使用系统自带的COLORMAP_JET颜色查找表
    dst = cv.applyColorMap(image, cv.COLORMAP_JET)
    cv.imshow("butterfly-jet", dst)
    cv.waitKey(0)

    cv.destroyAllWindows()

结果示例：

对于自己给定的一些颜色设计的LUT查找表：

在这里插入图片描述

下面几张图从左到右分别是：

  1. 读入的原图片
  2. 在gamma=0.7的条件下使用自定义的颜色查找表直接对原图片相应使用索引
  3. 在gamma=0.7的条件下对原图片使用自定义颜色查找表
  4. 对原图片使用系统自带的COLOR_PINK颜色查找表

在这里插入图片描述

  1. 对原图片使用系统自带的COLOR_JET颜色查找表

在这里插入图片描述

（2）滚动条+颜色查找表

将示例中的系统自带的颜色查找表存储在数组中，添加到滚动条中实现不同颜色查找表的切换。

# 用滚动条做系统自带的颜色查找表
def trackbar_lut_callback(pos):
    print(pos)


def trackbar_lut_demo():
    arr = [0, 1, 17, 8, 21, 11, 9, 14, 2, 13, 5, 12, 10, 15, 4, 7, 6, 20, 18, 19]
    image = cv.imread(r"F:\python\opencv-4.x\samples\data\butterfly.jpg")
    cv.namedWindow("trackbar_lut_demo", cv.WINDOW_AUTOSIZE)
    cv.createTrackbar("colormap", "trackbar_lut_demo", 0, 21, trackbar_lut_callback)  # callback先注册后使用
    cv.imshow("trackbar_lut_demo", image)
    while True:
        pos = cv.getTrackbarPos("colormap", "trackbar_lut_demo")
        # 颜色查找表
        if pos in arr:
            dst = cv.applyColorMap(image, pos)
            cv.imshow("trackbar_lut_demo", dst)
        else:
            cv.imshow("trackbar_lut_demo", image)
        # 1ms获取一次键值，默认是 - 1，ESC是27
        c = cv.waitKey(1)
        if c == 27:  # 按ESC建终止调整亮度功能
            break
    cv.waitKey(0)  # 按任意建关闭窗口
    cv.destroyAllWindows()

结果示例：

在这里插入图片描述
在这里插入图片描述

第二节、随机数与随机颜色

1.随机数与随机颜色

OpenCV中的随机数都是使用的Numpy中的random随机函数：

random.randint(low, high=None, size=None, dtype=int) 
# Low表低值，high表示高值，size表示维度，dtype表示类型
np.random.randint(256)
np.random.randint(0, 256)
# 表示产生0~255随机数，类型是int
np.random.randint(0, 256, size=3) 
# size 随机数的尺寸，默认是返回单个，输入3 返回 3个，输入 (3,4） 返回的是一个 3*4 的二维数组。

随机噪声图：

cv.randn(dst, mean, stddev)
# 生成目标图像dst
# 噪声均值mean
# 噪声方差stddev
cv.randn(canvas, (40, 200, 140), (10, 50, 10)) # 噪声图像三个通道的均值分别是40、200、140，方差分别是10、50、10

2.随机绘制

随机颜色：

  • 修改color和thickness参数实现随机的绘制或者填充

  • 位置随机，颜色随机

在这里插入图片描述

随机噪声图像：

  • 修改mean与stddev参数实现随机噪声图像

在这里插入图片描述

3.代码练习与测试

# 随机颜色+随机噪声
def random_demo():
    # 设置512*512*3的图像作为画布
    canvas = np.zeros((512, 512, 3), dtype=np.uint8)
    # 随即绘制
    while True:
        # 随机的颜色
        b, g, r = np.random.randint(0, 256, size=3)
        # 随机坐标起点(x1, y1)，终点（x2, y2）
        x1 = np.random.randint(0, 512)
        x2 = np.random.randint(0, 512)
        y1 = np.random.randint(0, 512)
        y2 = np.random.randint(0, 512)
        cv.rectangle(canvas, (x1, y1), (x2, y2), (int(b), int(g), int(r)), -1, 8)
        cv.imshow("canvas", canvas)
        # 50ms获取一次键盘值，默认是-1，ESC是27
        c = cv.waitKey(50)
        if c == 27:
            break
        # 重新绘制背景画布
        cv.rectangle(canvas, (0, 0), (512, 512), (0, 0, 0), -1, 8)  # 擦除之前所绘制的内容
        
    # 随机产生噪声图片
    # cv.randn(canvas, (40, 200, 140), (10, 50, 10))
    cv.randn(canvas, (120, 100, 140), (30, 50, 20))
    cv.imshow("noise image", canvas)

    cv.waitKey(0)
    cv.destroyAllWindows()

注释掉重新绘制画布背景 cv.rectangle(canvas, (0, 0), (512, 512), (0, 0, 0), -1, 8) 之后结果和随机产生噪声的结果示例：

在这里插入图片描述

给图片添加噪声：

# 给图片添加噪声
def random_demo_2():
    # 设置512*512*3的图像作为画布
    canvas = np.zeros((512, 512, 3), dtype=np.uint8)
    # 给512*512*3的图片添加噪声
    image = cv.imread(r"F:\python\opencv-4.x\samples\data\lena.jpg")
    # 定义三个随机数
    while True:
        n1 = np.random.randint(0, 100)
        n2 = np.random.randint(0, 100)
        n3 = np.random.randint(0, 100)
        # 将随机数作为噪声的均值和方差
        cv.randn(canvas, (n1, n2, n3), (n1, n2, n3))
        # 在原图中添加噪声
        dst = cv.add(image, canvas)
        cv.imshow("add noise image", dst)
        # 1000ms即1s获取一次键盘值，默认是-1，ESC是27
        c = cv.waitKey(1000)
        if c == 27:
            break
        # 重新绘制背景画布
        cv.rectangle(canvas, (0, 0), (512, 512), (0, 0, 0), -1, 8)  # 擦除之前所绘制的内容

    cv.waitKey(0)
    cv.destroyAllWindows()

结果示例：
在这里插入图片描述

第三节、通道分离与合并

1.通道分离与合并

通道分离是针对于多通道的图片来说的，如下图我们将一个RGB的彩色图像分离成R、G、B三个通道，最后再合并。

通道分离的原因：可能对某一个单独的通道进行处理，处理完之后再合并。

  • RGB/HSV彩色通道分离为单独通道
  • 针对不同通道使用不同阈值提取mask
  • 提取其中一个通道的信息。

在这里插入图片描述

2.函数解释

分离函数：

# 通道分离函数
1. cv.split(m[, mv]) --> mv
# m表示输入图像,必须是多通道图像
# mv表示输出的，是多通道分离出来的单通道的数组

合并与混合函数：

# 通道合并
2. cv.merge(mv[, dst])--> dst
# mv表示各个通道
3. cv.mixChannels(src, dst, fromTo)--> dst
# src表示输入多通道图像
# fromTo表示通道索引，例如可以通过调整通道索引把BGR变成RGB（0, 1, 2）--> (2, 1, 0)
# dst表示返回结果

通道阈值：

4. cv.inRange(	src, lowerb, upperb[, dst]) -->	dst
# 其中src是输入图像
# Lowerb是低值
# Upperb是高值
# 只取在Lowerb - Upperb之间的图像变成255，其余部分都变成0
# dst = (lowerb < src < upperb)
# 输出的dst是一个二值mask图像（黑白图像）
# 白色区域是符合约束条件的，黑色区域是背景

3.代码练习与测试

# 通道分离与合并
def channel_splits():
    image = cv.imread(r"F:\python\opencv-4.x\samples\data\butterfly.jpg")
    cv.namedWindow("butterfly", cv.WINDOW_AUTOSIZE)
    cv.imshow("butterfly", image)

    # 通道分割
    mv = cv.split(image)
    cv.imshow("B", mv[0])
    cv.imshow("G", mv[1])
    cv.imshow("R", mv[1])
    cv.waitKey(0)
    cv.destroyAllWindows()

    # 通道合并
    mv2 = cv.merge(mv)
    cv.imshow("merge", mv2)
    mv[1][:, :] = 255  # 修改其中一个通道的颜色为全白
    mv3 = cv.merge(mv)
    cv.imshow("merge_1", mv3)
    cv.waitKey(0)
    cv.destroyAllWindows()

    # BGR2RGB
    dst = np.zeros_like(image)
    cv.mixChannels([image], [dst], fromTo=[0, 1, 2, 2, 1, 0])  # (0,1,2)->(2,1,0)
    cv.imshow("mix_channels", dst)
    cv.waitKey(0)
    cv.destroyAllWindows()

    # 通道阈值
    # mask = cv.inRange(image, (43, 46, 100), (128, 200, 200))  #阈值范围为(43, 46, 100), (128, 200, 200)
    mask = cv.inRange(image, (20, 46, 80), (128, 230, 180))  # 阈值范围为(20, 46, 80), (128, 230, 180)
    cv.imshow("inRange", mask)
    cv.waitKey(0)
    cv.destroyAllWindows()
  1. 通道分离：

在这里插入图片描述

  1. 通道合并：

在这里插入图片描述

  1. BGR与RGB交换通道顺序：

在这里插入图片描述

  1. 设置通道阈值

    中间图为将颜色在(43, 46, 100) ~ (128, 200, 200)之间的变成白色，其余部分变成黑色。

​ 右图为，将颜色在(20, 46, 80) ~ (128, 230, 180)之间变成白色其余变成黑色。

在这里插入图片描述

# BGR2HSV + inRange
def bgr2rgb_inrange():
    image = cv.imread(r"F:\python\opencv-4.x\samples\data\butterfly.jpg")
    cv.namedWindow("butterfly", cv.WINDOW_AUTOSIZE)
    cv.imshow("butterfly", image)

    # BGR2HSV
    hsv = cv.cvtColor(image, cv.COLOR_BGR2HSV)

    # inRange
    mask = cv.inRange(hsv, (43, 46, 100), (128, 200, 200))
    mask2 = cv.inRange(hsv, (20, 46, 80), (128, 230, 180))
    cv.imshow("bgr2rgb_inrange_1", mask)
    cv.imshow("bgr2rgb_inrange_2", mask2)
    cv. waitKey(0)
    cv.destroyAllWindows()

结果示例：

在这里插入图片描述

学习参考

本系列所有OpenCv相关的代码示例和内容均来自博主学习的网站：opencv_course

Liuyc-Code boy
关注
  • 1
    点赞
  • 踩
  • 8
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
opencv--颜色识别
ChenWenHaoHaoHao的博客
01-01 8174
通常，相机在RGB颜色模式下工作，但这种模式受到光线的影响较大，所以在opencv中，用HSV（色彩、饱和度、亮度）模型对颜色进行定义。 除此之外，opencv中有多种色彩空间，包括 RGB、HSI、HSL、HSV、HSB、YCrCb、CIE XYZ、CIE Lab8种，使用中经常要遇到色彩空间的转化。
opencv转换图像颜色
04-30
如果是一幅图像颜色反转，可以使用它，谢谢大家使用
OpenCV基础（4）--图像预处理
最新发布
philosopher123的博客
05-13 769
在opencv中，三原色顺序为BGR，每个通道灰度级为0-255，（0,0,0）则说明无颜色混合，为黑色，（255,255,255）为白色。opencv中还有4通道，为BGRA模型，A表示透明度，也叫alpha阿尔法通道。
opencv的RGB 颜色表
Vertira的博客
01-13 1万+
RGB（255,23,140）是光的三原色，也即是红绿蓝Red，Green，Blue，它们的最大值是255，相当于100%。 白色：rgb(255,255,255) 黑色：rgb(0,0,0) 红色：rgb(255,0,0) 绿色：rgb(0,255,0) 蓝色：rgb(0,0,255) 青色：rgb(0,255,255) 紫色：rgb(255,0,255) ...
OpenCV中的颜色空间
TSINGHUAJOKING
01-30 1998
#mermaid-svg-Wf9Wv3lNspF2YOf5 .label{font-family:'trebuchet ms', verdana, arial;font-family:var(--mermaid-font-family);fill:#333;color:#333}#mermaid-svg-Wf9Wv3lNspF2YOf5 .label text{fill:#333}#mermaid-svg-Wf9Wv3lNspF2YOf5 .node rect,#mermaid-svg-Wf9Wv3lN..
超详细的OpenCV颜色识别代码讲解
sunjianghan的博客
03-05 2464
【代码】python颜色识别。
OpenCV中的图像处理 —— 改变颜色空间+图像几何变换
小菜鸡的小博客
03-19 9164
OpenCV中的图像处理 —— 改变颜色空间+图像几何变换 这一部分主要介绍OpenCV图像处理中的改变颜色空间和图像的几何变换，颜色空间的改变应用非常广泛，在处理图像的实际问题中，经常需要要图像变换为单通道灰度图像等形式操作，在文中会有一个追踪颜色的小实例便于理解，图像的几何变换是老生常谈的东西了，但是在图像处理中有一些新的概念，例如仿射变换和透视变换，废话不多说直接开干！ 目录OpenCV中的图像处理 —— 改变颜色空间+图像几何变换1. 改变颜色空间1.1 改变颜色空间1.2 颜色对象追踪2.
OpenCV 4计算机视觉项目实战（原书第2版）_源代码
03-12
《OpenCV 4计算机视觉项目实战（原书第2版）》是一本深入探讨计算机视觉技术的书籍，其源代码提供了丰富的实践示例，帮助读者理解并应用OpenCV库进行图像处理、对象检测、图像识别等任务。OpenCV是目前广泛应用的...
OpenCV 4.5计算机视觉开发实战（基于VC++）第2章--第9章源码下载
03-10
在本资源中，我们主要关注的是使用OpenCV 4.5进行计算机视觉开发，特别是通过VC++编程语言实现。OpenCV（开源计算机视觉库）是一个强大的工具，广泛应用于图像处理和计算机视觉领域，包括图像分析、识别、追踪、3D...
基于MATLAB与OpenCV的计算机视觉工具箱接口
06-04
计算机视觉是现代信息技术领域的重要分支，它涉及到图像处理、机器学习和模式识别等多个技术领域。在实际应用中，MATLAB和OpenCV都是广泛使用的工具。MATLAB以其强大的数学计算能力和友好的编程环境受到科研人员的...
OpenCV计算机视觉编程攻略原书（第二版）
03-13
《OpenCV计算机视觉编程攻略》（第二版）是一本深入探讨计算机视觉技术的权威书籍，专为想要利用OpenCV库进行图像处理和分析的开发者设计。这本书以高清PDF格式提供，便于读者在各种设备上阅读和学习。 OpenCV，...
使用OpenCV获取图像某点的颜色值,并设置某点的颜色
09-16
主要介绍了使用OpenCV获取图像某点的颜色值,并设置某点的颜色，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
OpenCV+3计算机视觉++Python语言实现+第二版
10-18
《OpenCV+3计算机视觉++Python语言实现+第二版》这本书深入浅出地介绍了如何使用OpenCV库结合Python编程语言来实现计算机视觉技术。OpenCV（开源计算机视觉库）是计算机视觉领域广泛应用的一个库，它提供了丰富的...
OpenCV中关于各种颜色的定义以及RGB值
热门推荐
IT新秀
01-11 2万+
OpenCV中关于各种颜色的定义以及RGB值 #define CV_COLOR_RED cv::Scalar(0,0,255) //纯红 #define CV_COLOR_GREEN cv::Scalar(0,255,0) //纯绿 #define CV_COLOR_BLUE cv::Scalar(255,0,0) //纯蓝 #define CV_COLOR_DARKGRAY cv::Scalar(169,169,169) //深灰色 #define CV_COLO...
OpenCV(图像颜色空间变换)
qq_57594025的博客
07-02 891
RGB\HSV\GRAY颜色模型。
OpenCV 2 学习笔记(16): 利用查找表（Look-up table）改善图片质量，增加图像对比度
Fred、的窃窃私语
09-03 8339
本节是上一节的延伸，代码见： 查找表可以将一个像素值转换成另一个像素值得对照表。它可以是一对一或者多对一（原像素对于新像素）。所以他是一维的，对于规则的灰度图像，它有256个元素。表中的每一个元素对应的值就是新的灰度值，例如如果第3个元素的值为45，那么源图像中像素值为3的值均变为45. 在opencv中cv::LUT函数使用查找表实现上述功能。具体： cv::Mat apply
图像处理篇二：图像颜色转换（OpenCV、PIL）
qq_50868643的博客
03-25 6826
1、PIL颜色转换 #PIL颜色转换 from PIL import Image filepath="img.png" #图片路径 outpath ="img_PIL.png"#图片保存路径 pil_im = Image.open(filepath).convert('L')#打开文件并且把图片转化颜色，'L'代表灰色 pil_im.show()#显示图片 pil_im.save(outpath)#保存图片 Convert()是一个改变图片颜色的函数；参数：”RGB”、”1”、”L”、”P”、”R.
OpenCV图像色彩操作
HITzwx的博客
02-16 656
从图片中提取特定颜色。
opencv中改变图片大小有黑边
07-14
您好！对于OpenCV中改变图片大小时出现黑边的问题，通常是由于原始图片与目标尺寸不匹配导致的。在调整图片大小时，OpenCV默认使用了一种插值算法，可能会导致图像边缘的像素值丢失，从而产生黑边。 为了避免出现黑边，可以尝试使用不同的插值方法，例如使用`cv2.resize()`函数时指定插值方法为`cv2.INTER_CUBIC`或`cv2.INTER_LINEAR`。这些方法会在调整图像大小时进行更加平滑的插值，减少黑边的出现。 另外，您还可以在调整图像大小之前，先将原始图像的边缘填充为合适的颜色，以避免黑边的出现。可以使用`cv2.copyMakeBorder()`函数来实现边缘填充，指定填充的像素数量和颜色。 希望以上方法能够帮助到您！如有任何疑问，请随时提问。
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

打赏作者

Liuyc-Code boy

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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