Python+OpenCV圖像處理（四）—— 色彩空間

一、色彩空間的轉換

代碼如下：

#色彩空間轉換
import cv2 as cv
def color_space_demo(img):
    gray =  cv.cvtColor(img, cv.COLOR_BGR2GRAY)  #RGB轉換為GRAY  這里的GRAY是單通道的
    cv.imshow("gray", gray)
    hsv = cv.cvtColor(img, cv.COLOR_BGR2HSV)     #RGB轉換為HSV
    cv.imshow("hsv", hsv)
    yuv = cv.cvtColor(img, cv.COLOR_RGB2YUV)     #RGB轉換為YUV
    cv.imshow("yuv",yuv)
    Ycrcb = cv.cvtColor(img, cv.COLOR_RGB2YCrCb) #RGB轉換為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()

運行結果：

 

注意：參考博文：https://blog.csdn.net/a352611/article/details/51416769

1.RGB就是指Red,Green和Blue,一副圖像由這三個channel(通道)構成

2.Gray就是只有灰度值一個channel。 

3.HSV即Hue(色調),Saturation(飽和度)和Value(亮度)三個channel

 

切記（純屬個人理解）：

1.百度百科說，將原來的RGB(R,G,B)中的R,G,B統一按照一種轉換關系用Gray替換，形成新的顏色RGB(Gray,Gray,Gray)，用它替換原來的RGB(R,G,B)就是灰度圖。

2.opencv里，COLOR_RGB2GRAY是將三通道RGB對象轉換為單通道的灰度對象。

3.將單通道灰度對象轉換為 RGB 時，生成的RGB對象的每個通道的值是灰度對象的灰度值。

 

 

RGB是為了讓機器更好的顯示圖像,對於人類來說並不直觀,HSV更為貼近我們的認知,所以通常我們在針對某種顏色做提取時會轉換到HSV顏色空間里面來處理. 

補注：

1.HSV如下圖：

2.opencv里HSV色彩空間范圍為： H：0-180  S: 0-255   V： 0-255

3.常見的色彩空間有RGB、HSV、HIS、YCrCb、YUV，其中最常用的是RGB、HSV、YUV，其中YUV就是YCrCb(詳見百度百科)。其中YUV的“Y”表示明亮度（Luminance或Luma），也就是灰階值；而“U”和“V” 表示的則是色度（Chrominance或Chroma），作用是描述影像色彩及飽和度，用於指定像素的顏色。

 

二、利用inrange函數過濾視頻中的顏色，實現對特定顏色的追蹤

 代碼如下：

#視頻特定顏色追蹤
import cv2 as cv
import numpy as np
def extrace_object_demo():
    capture=cv.VideoCapture("E:/imageload/video_example.mp4")
    while True:
        ret, frame = capture.read()
        if ret == False:
            break
        hsv = cv.cvtColor(frame, cv.COLOR_BGR2HSV)      #色彩空間由RGB轉換為HSV
        lower_hsv = np.array([100, 43, 46])             #設置要過濾顏色的最小值
        upper_hsv = np.array([124, 255, 255])           #設置要過濾顏色的最大值
        mask = cv.inRange(hsv, lower_hsv, upper_hsv)    #調節圖像顏色信息（H）、飽和度（S）、亮度（V）區間，選擇藍色區域
        cv.imshow("video",frame)
        cv.imshow("mask", mask)
        c = cv.waitKey(40)
        if c == 27:      #按鍵Esc的ASCII碼為27
            break
extrace_object_demo()
cv.destroyAllWindows()

運行結果：

這里只放追蹤藍色部分的截圖，僅供參考

注意：

1.Opencv的inRange函數：可實現二值化功能

函數原型：inRange(src,lowerb, upperb[, dst]) -> dst         

　　函數的參數意義：第一個參數為原數組，可以為單通道，多通道。第二個參數為下界，第三個參數為上界

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

　　第一個參數：hsv指的是原圖（原始圖像矩陣）

　　第二個參數：lower_blue指的是圖像中低於這個lower_blue的值，圖像值變為255

　　第三個參數：upper_blue指的是圖像中高於這個upper_blue的值，圖像值變為255 （255即代表黑色）

　　而在lower_blue～upper_blue之間的值變成0 (0代表白色)

即：Opencv的inRange函數可提取特定顏色，使特定顏色變為白色，其他顏色變為黑色，這樣就實現了二值化功能

2.HSV顏色對應的RGB分量范圍表如下：（這里是三通道的）

 

三、通道的分離、合並以及某個通道值的修改

代碼如下：

#通道的分離與合並以及某個通道值的修改
import cv2 as cv
src=cv.imread('E:\imageload\example.png')
cv.namedWindow('first_image', cv.WINDOW_AUTOSIZE)
cv.imshow('first_image', src)

#三通道分離形成單通道圖片
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)可表示為r = cv2.split(src)[2]

#三個單通道合成一個三通道圖片
src = cv.merge([b, g, r])
cv.imshow('changed_image', src)

#修改多通道里的某個通道的值
src[:, :, 2] = 0
cv.imshow('modify_image', src)

cv.waitKey(0)
cv.destroyAllWindows()

注意：

1.這里用到了opencv的split函數和merge函數，實現通道的分離和合並。

2.cv.split函數分離出的b、g、r是單通道圖像