图像处理基础 | 查看两张图像的亮度差异,Y通道相减

两张图像的Y通道相减通常用于图像差异分析或比较,尤其是在亮度方面。具体来说,这一操作是基于YCbCr颜色空间中的Y通道进行的,其中Y通道代表图像的亮度信息(亮度成分),而Cb和Cr通道分别代表色度成分(色彩信息)。

具体含义:

YCbCr颜色空间:YCbCr是一个广泛用于图像处理和视频压缩的颜色空间。在这个空间中:

Y 通道表示图像的亮度(明暗)信息。

Cb 和 Cr 通道则分别表示色度(蓝色差和红色差)信息。

Y通道相减:当我们对两张图像的Y通道进行相减时,实际上是在比较两张图像的亮度信息,目的是计算它们在亮度方面的差异。这种方法对于图像的亮度变化、对比度、或者图像间的细微差异检测特别有用。

举个例子:

假设有两张图像,它们的内容非常相似,只是在亮度方面有一些细微的差异。通过提取它们的Y通道并进行相减,你可以获得一张图像,其中显示的是两者亮度上的差异。

如果结果值为零:表示两张图像的亮度完全相同。

如果结果值为正或负:表示两张图像的亮度存在差异,具体是某一张图像比另一张图像亮或暗。

python代码如下:

python 复制代码
import cv2
import numpy as np
# 查看两张图像的亮度差异
# 读取两张图像
image1 = cv2.imread("4.jpg")
image2 = cv2.imread('3.jpg')

# 设置高斯核的大小和标准差
kernel_size = (3, 3)  # 核的大小,必须是奇数
sigma = 0  # 标准差,0会自动根据核的大小计算 sigma越大,模糊越强

# 应用高斯模糊
blurred_image = cv2.GaussianBlur(image2, kernel_size, sigma)

# 将图像转换为YCbCr颜色空间
if len(image1.shape) == 2:  # 如果是灰度图像
    image1 = cv2.cvtColor(image1, cv2.COLOR_GRAY2BGR)

if len(blurred_image.shape) == 2:  # 如果是灰度图像
    blurred_image = cv2.cvtColor(blurred_image, cv2.COLOR_GRAY2BGR)


ycbcr1 = cv2.cvtColor(image1, cv2.COLOR_BGR2YCrCb)
ycbcr2 = cv2.cvtColor(blurred_image, cv2.COLOR_BGR2YCrCb)

# 提取Y通道
y_channel1 = ycbcr1[:, :, 0]
y_channel2 = ycbcr2[:, :, 0]

# 对Y通道进行相减
y_diff = cv2.absdiff(y_channel1, y_channel2)

# 提取Cb和Cr通道
cb_channel1 = ycbcr1[:, :, 1]  # 蓝色差(Cb)
cr_channel1 = ycbcr1[:, :, 2]  # 红色差(Cr)

cb_channel2 = ycbcr2[:, :, 1]  # 蓝色差(Cb)
cr_channel2 = ycbcr2[:, :, 2]  # 红色差(Cr)

# 对Cb通道和Cr通道分别进行相减
cb_diff = cv2.absdiff(cb_channel1, cb_channel2)  # 蓝色差异
cr_diff = cv2.absdiff(cr_channel1, cr_channel2)  # 红色差异

cv2.imwrite('blurred_image.jpg', blurred_image)
cv2.imwrite('y_channel_diff.jpg', y_diff)

cv2.imwrite('cb_diff.jpg', cb_diff)
cv2.imwrite('cr_diff.jpg', cr_diff)
相关推荐
羲云网络2 天前
GPT Image 2.6 商品图交付:用文件指纹排查错图、覆盖与版本串线
图像处理·人工智能·python·技术教程·文件校验
VIP_CQCRE2 天前
GPT Image 2.6 选型别只看首张:用盲评与合格图耗时比较 Flare、Sunburst
软件测试·图像处理·人工智能
硅谷秋水4 天前
MorphMimic 方法分析
人工智能·机器学习·计算机视觉·机器人
jay神4 天前
基于 YOLOv8 的传送带异物检测系统(Web 版)
前端·人工智能·深度学习·yolo·计算机视觉·计算机毕业设计
楚山之石6 天前
【Nat Biomed Eng】Connectome 2.0 超高梯度扫描仪:500 mT/m 与 600 T/m/s 把活体人脑微观结构分辨推进到亚微米级
图像处理·学习·数据分析·mri
Martina_03216 天前
AI生成的3D白模单帧没问题,镜头一移动就被挡?用6步检查遮挡与构图
图像处理·人工智能·数学建模·3d·ai·自然语言处理·游戏策划
Rattenking6 天前
OpenCV 轨迹栏操作和键盘响应操作
人工智能·opencv·计算机外设
jay神7 天前
基于 YOLOv8 的手势识别系统(Web 版)
前端·人工智能·python·深度学习·yolo·计算机视觉·计算机毕业设计
wangxiaoxuan2177 天前
TF2 的原理与使用:把坐标、运动和观测时间一起算清楚
计算机视觉·机器人·科沃斯八界
硅谷秋水7 天前
EgoHumanoid‑V2 方法分析
人工智能·机器学习·计算机视觉·语言模型·机器人