#色彩空间转换

importcv2 as cvdefcolor_space_demo(img):

gray= cv.cvtColor(img, cv.COLOR_BGR2GRAY) #RGB转换为GRAY 这里的GRAY是单通道的

cv.imshow("gray", gray)

hsv= cv.cvtColor(img, cv.COLOR_BGR2HSV) #RGB转换为HSV

cv.imshow("hsv", hsv)

yuv= cv.cvtColor(img, cv.COLOR_RGB2YUV) #RGB转换为YUV

cv.imshow("yuv",yuv)

Ycrcb= cv.cvtColor(img, cv.COLOR_RGB2YCrCb) #RGB转换为YCrCb

cv.imshow("Ycrcb", Ycrcb)

src= cv.imread('D:\imageload\example.png')

cv.namedWindow('first_image', cv.WINDOW_AUTOSIZE)

cv.imshow('first_image', src)

color_space_demo(src)

cv.waitKey(0)

cv.destroyAllWindows()

运行结果：

1.RGB就是指Red,Green和Blue,一副图像由这三个channel(通道)构成

2.Gray就是只有灰度值一个channel。

3.HSV即Hue(色调),Saturation(饱和度)和Value(亮度)三个channel

切记(纯属个人理解)：

1.百度百科说，将原来的RGB(R,G,B)中的R,G,B统一按照一种转换关系用Gray替换，形成新的颜色RGB(Gray,Gray,Gray)，用它替换原来的RGB(R,G,B)就是灰度图。

2.opencv里，COLOR_RGB2GRAY是将三通道RGB对象转换为单通道的灰度对象。

3.将单通道灰度对象转换为 RGB 时，生成的RGB对象的每个通道的值是灰度对象的灰度值。

RGB是为了让机器更好的显示图像,对于人类来说并不直观,HSV更为贴近我们的认知,所以通常我们在针对某种颜色做提取时会转换到HSV颜色空间里面来处理.

1.HSV如下图：

2.opencv里HSV色彩空间范围为： H：0-180  S: 0-255   V： 0-255

3.常见的色彩空间有RGB、HSV、HIS、YCrCb、YUV，其中最常用的是RGB、HSV、YUV，其中YUV就是YCrCb(详见百度百科)。其中YUV的“Y”表示明亮度(Luminance或Luma)，也就是灰阶值；而“U”和“V” 表示的则是色度(Chrominance或Chroma)，作用是描述影像色彩及饱和度，用于指定像素的颜色。

二、利用inrange函数过滤视频中的颜色，实现对特定颜色的追踪

代码如下：

#视频特定颜色追踪

importcv2 as cvimportnumpy as npdefextrace_object_demo():

capture=cv.VideoCapture("E:/imageload/video_example.mp4")whileTrue:

ret, frame=capture.read()if ret ==False:breakhsv= cv.cvtColor(frame, cv.COLOR_BGR2HSV) #色彩空间由RGB转换为HSV

lower_hsv = np.array([100, 43, 46]) #设置要过滤颜色的最小值

upper_hsv = np.array([124, 255, 255]) #设置要过滤颜色的最大值

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，选择蓝色区域

cv.imshow("video",frame)

cv.imshow("mask", mask)

c= cv.waitKey(40)if c == 27: #按键Esc的ASCII码为27

breakextrace_object_demo()

cv.destroyAllWindows()

运行结果：

这里只放追踪蓝色部分的截图，仅供参考

1.Opencv的inRange函数：可实现二值化功能

函数原型：inRange(src,lowerb, upperb[, dst]) -> dst

函数的参数意义：第一个参数为原数组，可以为单通道，多通道。第二个参数为下界，第三个参数为上界

例如：mask = cv2.inRange(hsv, lower_blue, upper_blue)

第一个参数：hsv指的是原图(原始图像矩阵)

第二个参数：lower_blue指的是图像中低于这个lower_blue的值，图像值变为255

第三个参数：upper_blue指的是图像中高于这个upper_blue的值，图像值变为255 (255即代表黑色)

而在lower_blue～upper_blue之间的值变成0 (0代表白色)

即：Opencv的inRange函数可提取特定颜色，使特定颜色变为白色，其他颜色变为黑色，这样就实现了二值化功能

2.HSV颜色对应的RGB分量范围表如下：(这里是三通道的)

三、通道的分离、合并以及某个通道值的修改

代码如下：

#通道的分离与合并以及某个通道值的修改

importcv2 as cv

src=cv.imread('E:\imageload\example.png')

cv.namedWindow('first_image', cv.WINDOW_AUTOSIZE)

cv.imshow('first_image', src)#三通道分离形成单通道图片

b, g, r =cv.split(src)

cv.imshow("second_blue", b)

cv.imshow("second_green", g)

cv.imshow("second_red", r)#其中cv.imshow("second_red", r)可表示为r = cv2.split(src)[2]

#三个单通道合成一个三通道图片

src =cv.merge([b, g, r])

cv.imshow('changed_image', src)#修改多通道里的某个通道的值

src[:, :, 2] =0

cv.imshow('modify_image', src)

cv.waitKey(0)

cv.destroyAllWindows()

1.这里用到了opencv的split函数和merge函数，实现通道的分离和合并。

2.cv.split函数分离出的b、g、r是单通道图像

一、色彩空间的转换代码如下：#色彩空间转换importcv2 as cvdefcolor_space_demo(img):gray= cv.cvtColor(img, cv.COLOR_BGR2GRAY) #RGB转换为GRAY 这里的GRAY是单通道的cv.imshow("gray", gray)hsv= cv.cvtColor(img, cv.COLOR_BGR2HSV) #RG... import cv2 as cv def color_space_demo(img): gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY) # RGB 转 换为GRAY 这里的GRAY是单通道的 cv.imshow(gray, gray) hsv = cv.cvtColor(img, cv.COLOR_BGR2HSV) # RGB 转 换为HSV cv.imshow(hsv, hsv) yuv = cv.cvtColor(img, cv.COLOR_ RGB 2 YUV ) # RGB 转 换为 YUV 五种常见的图像滤波方式：线性滤波（方框滤波、均值滤波、高斯滤波）；非线性滤波（中值滤波、双边滤波）。 图片来源于：https://blog.csdn.net/qq_27261889/article/details/80822270侵删 1.先人为的给图像加噪声，以便后续进行滤波处理。 #给图像加噪声 import cv2 import numpy as np import matplotlib.pyplot as plt #读取图片 im = cv2.imread('D:\ python b\wx020.jpg') rows, cols, chn = im