opencv-python(七)

python 复制代码
import cv2

img = cv2.imread('view.jpg')
cv2.imshow('view.jpg', img)
img_rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB) # BGR转RGB
cv2.imshow('RGB Color Space', img_rgb)
img_bgr = cv2.cvtColor(img_rgb, cv2.COLOR_RGB2BGR)  # RGB转BGR
cv2.imshow('BGR Color Space', img_bgr)
cv2.waitKey(0)
cv2.destroyAllWindows()

image = cv2.cvtColor(src, code)

code:色彩空间转换具体参数,

COLOR_BGR2BGRA:图像从BGR色彩转换为BGRA色彩

COLOR_RGB2RGBA:

COLOR_BGRA2BGR: 图像从BGRA色彩转换为BGR色彩

COLOR_BGR2RGB:图像从BGR色彩转换为RGB色彩

COLOR_RGB2BGR:图像从RGB色彩转换为BGR色彩

COLOR_BGR2GRAY:图像从BGR色彩转换到GRAY色彩

COLOR_RGB2GRAY:图像从RGB色彩转换到GRAY色彩

COLOR_GRAY2BGR:

COLOR_GRAY2RGB:

COLOR_BGR2HSV:图像从BGR色彩转换为HSV色彩

COLOR_RGB2HSV:

COLOR_HSV2BGR:

COLOR_HSV2RGB:

python 复制代码
import cv2
img = cv2.imread('mountain.jpg')
cv2.imshow("BGR ColorSpace", img)
img_hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
cv2.imshow('HSV Color Space', img_hsv)
cv2.waitKey(0)
cv2.destroyAllWindows()
python 复制代码
import cv2
image = cv2.imread('colorbar.jpg')
cv2.imshow('bgr', image)
blue, green, red = cv2.split(image)
cv2.imshow('blue', blue)
cv2.imshow('green', green)
cv2.imshow('red', red)
print(f"B通道影像属性 shape={blue.shape}")
print("打印B通道内容")
print(blue)

cv2.waitKey(0)
cv2.destroyAllWindows()

blue, green, red = cv2.split(bgr_image), 拆分BGR图像对象的色彩通道。

python 复制代码
import cv2

image = cv2.imread('street.jpg')
hsv_image = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)
hue, staturation, value = cv2.split(hsv_image)
hsv_image = cv2.merge([hue, staturation, value])
cv2.imshow('The Image', image)
cv2.imshow('The Merge Image', hsv_image)

cv2.waitKey(0)
cv2.destroyAllWindows()

hsv_image = cv2.image([hue, saturation, value])合并H、S、V通道的图像。

python 复制代码
import cv2
image = cv2.imread('street.jpg')
hsv_image = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)
hue, saturation, value = cv2.split(hsv_image)
hue[:,:] = 200  # 修改hue内容
hsv_image =cv2.merge([hue, saturation, value])
new_image = cv2.cvtColor(hsv_image,cv2.COLOR_HSV2BGR)
cv2.imshow('The Image', image)
cv2.imshow("The New Image", new_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

色调Hue调整,也可以使用 hue.fill(200) 执行修改,可以得到相同结果。

python 复制代码
import cv2

image = cv2.imread('street.jpg')
hsv_image = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)
hue,saturation,value = cv2.split(hsv_image)
saturation.fill(255)
hsv_image = cv2.merge([hue, saturation, value])
new_image = cv2.cvtColor(hsv_image, cv2.COLOR_HSV2BGR)
cv2.imshow('The Image',image)
cv2.imshow('The New Image', new_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

饱和度Ssturation调整;

python 复制代码
import cv2
image = cv2.imread('street.jpg')
hsv_image = cv2.cvtColor(image,cv2.COLOR_BGR2HSV)
hue, saturation, value = cv2.split(hsv_image)
value.fill(255)
hsv_image = cv2.merge([hue,saturation,value])
new_image = cv2.cvtColor(hsv_image, cv2.COLOR_HSV2BGR)
cv2.imshow('image', image)
cv2.imshow('new image', new_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

明度value调整。

python 复制代码
import  cv2
image = cv2.imread('street.jpg')
cv2.imshow('image', image)
bgra_image = cv2.cvtColor(image, cv2.COLOR_BGR2BGRA)
b,g,r,a = cv2.split(bgra_image)
print('列出转换成含A通道图像对象后的alpha值')
print(a)

a[:,:] = 32
a32_image = cv2.merge([b,g,r,a])
cv2.imshow("the a32 image", a32_image)

a.fill(128)
a128_image = cv2.merge([b,g,r,a])
cv2.imshow('the a128 image', a128_image)

cv2.waitKey(0)
cv2.destroyAllWindows()
cv2.imwrite('a32.png', a32_image)
cv2.imwrite('a128.png',a128_image)

opencv在BGR的色彩通道,除了B、G、R通道外,另外增加了A通道(又称alpha通道),代表透明度,A的值时0~255,0表示完全透明,255完全不透明。如果后缀为.png ,就是一个典型的又有A通道的图像。

执行上述代码,原图、a32_image和a128_image彼此没有差异,但查看存储的文件,可以发现差异。

相关推荐
databook3 小时前
Manim实现闪光轨迹特效
后端·python·动效
Juchecar4 小时前
解惑:NumPy 中 ndarray.ndim 到底是什么?
python
用户8356290780514 小时前
Python 删除 Excel 工作表中的空白行列
后端·python
Json_4 小时前
使用python-fastApi框架开发一个学校宿舍管理系统-前后端分离项目
后端·python·fastapi
CoovallyAIHub6 小时前
中科大DSAI Lab团队多篇论文入选ICCV 2025,推动三维视觉与泛化感知技术突破
深度学习·算法·计算机视觉
数据智能老司机11 小时前
精通 Python 设计模式——分布式系统模式
python·设计模式·架构
数据智能老司机12 小时前
精通 Python 设计模式——并发与异步模式
python·设计模式·编程语言
数据智能老司机12 小时前
精通 Python 设计模式——测试模式
python·设计模式·架构
数据智能老司机12 小时前
精通 Python 设计模式——性能模式
python·设计模式·架构
CoovallyAIHub12 小时前
港大&字节重磅发布DanceGRPO:突破视觉生成RLHF瓶颈,多项任务性能提升超180%!
深度学习·算法·计算机视觉