01 圖像的顏色空間

彩色圖像比灰度圖像擁有更豐富的信息，它的每個像素通常是由紅(R)、綠(G)、藍(B)3個分量來表示的，每個分量介于0～255之間。

圖像中呈現的不同的顏色都是由R、G、B這3種顏色混合而成的。在OpenCV里面，彩色圖像擁有3個顏色通道，但是通道的順序是可以變換的，RGB、BRG、BGR、GBR、GRB都有可能。

在讀取一幅圖像的時候，我們對于圖像的顏色通道排布并不清楚，因此需要先把圖像的顏色通道固定下來，這就需要調用OpenCV的cvtColor()函數。

cvtColor()函數的功能是對圖像進行顏色空間變換，原型如下：

dst=cv2.cvtColor(src, code ) 

參數說明：

• src：輸入圖像即要進行顏色空間變換的原圖像，可以是Mat類。
• code：轉換的代碼或標識，即在此確定將什么制式的圖片轉換成什么制式的圖片，后面會詳細講述。

函數輸出進行顏色空間變換后存儲圖像。

通過調用cvtColor()函數，還可以將一幅彩色圖像轉換成灰度圖像，示例代碼見程序3-5，代碼運行效果如圖3.9所示。

  

▲彩色圖像1.jpg

• 程序3-5 彩色圖像轉灰度圖像示例：color2gray.py

# -*- coding: UTF-8 -*- 
import numpy as np 
import cv2 
#定義main()函數 
def main(): 
   img = cv2.imread('1.jpg') 
   img2 = cv2.cvtColor(img,cv2.COLOR_RGB2GRAY) 
                                          #從彩色圖像轉化成灰度圖像 
   cv2.imshow('img2.bmp ', img2) 
   cv2.waitKey(0) 
if __name__ == '__main__': 
   main() 

 

▲圖3.9 color2gray.py程序運行結果

注意：cvtColor()函數還可以通過改變參數cv2.COLOR_RGB2BRG等改變圖像顏色通道的排列順序。另外也可以直接在讀取圖像函數imread時設置參數為0，直接將彩色圖像讀取為灰度圖像，img = cv2.imread('1.jpg',0)。

02 彩色圖像的通道分離和混合

灰度圖像是單通道的，彩色圖像擁有R、G、B三個顏色通道。因此在圖像處理時，經常把顏色通道分離，單獨處理一個通道的數組，然后再合并成一幅彩色圖像。

在實際的代碼編寫中，只需要調用OpenCV中的split()和merge()函數就可以實現圖像的通道分離和合并。

split()函數的功能是將多通道的矩陣分離成單通道矩陣，原型如下：

[,mv]=cv2.split (src) 

參數說明：輸入參數為要進行分離的圖像矩陣，輸出參數為一個Mat數組。

merge()函數的功能是將多個單通道圖像合成一幅多通道圖像，原型如下：

dst=cv2.merge([,dst] ) 

參數說明：輸入參數可以是Mat數組，輸出為合并后的圖像矩陣。

03 彩色圖像的通道分離和混合程序示例

輸入一幅彩色圖像，通過程序3-6將其分割成R、G、B這3個通道的圖像并顯示。在分割前需要先確定圖像的顏色通道分布，因此先調用cvtColor()函數固定顏色通道。示例代碼參見程序3-6，效果如圖3.10所示。

• 程序3-6 彩色圖像通道分離示例：colorsplit.py

# -*- coding: UTF-8 -*- 
import numpy as np 
import cv2 
#定義main()函數 
def main(): 
   img = cv2.imread('1.jpg')     
   img2 = cv2.cvtColor(img,cv2.COLOR_BRG2RGB) 
   r,g,b = cv2.split(img2)   #img分離成三個單通道的圖像 
   cv2.imshow("Red", r) 
   cv2.imshow("Green", g) 
   cv2.imshow("Blue", b) 
   cv2.waitKey(0) 
if __name__ == '__main__': 
   main()  

 

▲圖3.10 colorsplit.py程序運行結果

可以看出，在圖像通道分離后，不同顏色通道的圖像顯示深淺不一，單通道的圖像呈現該顏色通道的灰度信息。接下來把這3個顏色通道混合一下，在代碼中加入一行代碼：img3 = cv2.merge([b,g,r]);，這樣img3又回到了原來輸入的彩色圖像樣式，顯示效果如圖3.11所示。

  

▲圖3.11 圖像三通道混合后的輸出

04 彩色圖像的二值化

圖像的二值化是將圖像上的像素點的灰度值設置為0或255，也就是將整個圖像呈現出明顯的黑白效果。彩色圖像二值化最簡單的步驟如下：

1. 彩色圖像轉灰度。
2. 圖像閾值化處理，即像素值高于某閾值的像素賦值為255，反之為0。

其中，閾值的操作會調用OpenCV的threshold()函數。

threshold()函數聲明如下：

ret, dst = cv2.threshold(src, thresh, maxval, type)； 

函數功能：實現圖像固定閾值的二值化。

參數說明：

• src：輸入圖，只能輸入單通道圖像，通常來說為灰度圖。
• dst：輸出圖。
• thresh：閾值。
• maxval：當像素值超過了閾值(或者小于閾值，根據type來決定)時所賦予的值。
• type：二值化操作的類型，包含5種類型，即cv2.THRESH_BINARY、cv2.THRESH_BINARY_INV、cv2.THRESH_TRUNC、cv2.THRESH_TOZERO和cv2.THRESH_TOZERO_INV。

舉例參考程序3-7。

• 程序3-7 彩色圖像二值化示例：colorthreshold.py

# -*- coding: UTF-8 -*- 
import numpy as np 
import cv2 
#定義main()函數 
def main(): 
   img = cv2.imread('1.jpg',0) 
   thresh1,dst =cv2.threshold(img,127,255,cv2.THRESH_BINARY) 
                                               #圖像二值化 
   cv2.imshow("dst", dst) 
   cv2.waitKey(0) 
if __name__ == '__main__': 
   main() 

如程序3-7所示，高于127的像素全部置為255，低于的全部置為0，得到如圖3.12所示的輸出結果。

  

▲圖3.12 colorthreshold.py程序輸出結果

05 彩色圖像的遍歷

灰度圖像的遍歷按照訪問二維數組的方式得到坐標位置的像素。那對于彩色圖像呢?彩色圖像可以看出是3維數組，遍歷方式參見程序3-8。

• 程序3-8 遍歷彩色圖像示例：color1.py

# -*- coding: UTF-8 -*- 
import numpy as np 
import cv2 
#定義main()函數 
def main(): 
   img = cv2.imread('1.jpg')     
   height,width,n = img.shape #得到圖片的寬高和維度 
   img2 = img.copy()  #復制一個跟img相同的新圖片 
   #寬高兩個維度遍歷圖片 
   for i in range(height): 
      for j in range(width): 
         img2[i, j][0] = 0 #將第一個通道內的元素重新賦值 
   cv2.imshow('img2.jpg', img2) 
   cv2.waitKey(0) 
if __name__ == '__main__': 
   main() 

由于第一個通道里面的顏色信息全部變為了0，圖像顯示結果如圖3.13所示。

  

▲圖3.13 color1.py程序運行結果

在讀取不同通道的圖像像素值時，需要先確定圖像的通道排列是RGB還是BRG。

06 彩色圖像和灰度圖像的轉換

經過前面的學習，我們知道彩色圖像轉成灰度圖像有3種路徑：

• imread讀取圖像的時候直接設置參數為0，彩色圖像自動被讀成灰度圖像。
• 調用cvtColor()函數，參數設置為cv2.COLOR_BGR2GRAY。
• 調用split()函數，可以將一幅彩色圖像分離成3個單通道的灰度圖像。

那么灰度圖像有沒有可能轉換成彩色圖像呢?

我們知道灰度圖像是單通道的，彩色圖像是RGB 3這個顏色通道。那么是否可以人為地增加圖像的通道，偽造出另外兩個通道，而另外兩個通道可以隨機地賦值呢?程序3-9做出了嘗試。

• 程序3-9 增加圖像通道示例：gray2color1.py

# -*- coding: UTF-8 -*- 
import numpy as np 
import cv2 
#定義main()函數 
def main(): 
   img = cv2.imread('gray1.jpg')     
   gray = np.zeros((512, 512, 3), np.uint8)  # 生成一個空彩色圖像 
   height,width,n = img.shape 
   #圖像像素級遍歷 
   for i in range(height): 
      for j in range(width): 
         gray[i, j][0] = img[i, j][0] 
         gray[i, j][1] = 0 
         gray[i, j][2] = 0 
   cv2.imshow('gray.jpg', gray) 
   cv2.waitKey(0) 
=if __name__ == '__main__': 
   main() 

上述程序新建了一個3通道的空的彩色圖像，然后將讀取的灰度圖像放在新建的彩色圖像的第一個通道，也就是B通道，其他兩個通道賦值0，所以圖像整體呈現藍色，程序運行結果如圖3.14所示。

 [[327602]] 

▲圖3.14 gray2color1.py程序運行結果

上述方法轉換的圖像顏色很單一。有沒有更加智能的方法呢?在攝像技術不是很成熟的時期，人們給拍攝出來的黑白照片上色，發明了一種偽彩色圖像技術。在OpenCV里面，可以用預定義好的Colormap(色度圖)來給圖片上色，示例代碼參見程序3-10。

• 程序3-10 偽彩色圖像技術示例：gray2color2.py

# -*- coding: UTF-8 -*- 
import numpy as np 
import cv2 
#定義main()函數 
def main(): 
   img = cv2.imread('gray1.jpg')     
   im_color = cv2.applyColorMap(img, cv2.COLORMAP_JET)  #色度圖上色 
   cv2.imshow("im_color.jpg", im_color) 
   cv2.waitKey(0) 
if __name__ == '__main__': 
   main() 

程序運行結果如圖3.15所示。偽彩色圖像目前主要應用在對高度、壓力、密度、濕度等描述上，彩色數據可視化。

  

▲圖3.15 gray2color程序運行結果