OpenCV-Python图像颜色变换

深碍√TFBOYSˉ_ 2022-09-14 02:20 207阅读 0赞

## 给图像添加颜色 ##

在使用OpenCV操作图像时，有时候需要给图像添加不同的颜色，以达到不同的风格效果。这里介绍的主要是opencv中的`cv.applyColorMap()`函数。

*  给图像应用颜色函数`cv.applyColorMap(src, colormap, dst=None)`  
    `src`：表示传入的原图；  
    `colormap`：颜色图类型(17种)。可以单独使用，也可以以一个列表的形式批量使用。

以下图举例实现：  
![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBASG9uZ19Zb3V0aA_size_8_color_FFFFFF_t_70_g_se_x_16]  
直接上代码：

# -*-coding:utf-8-*-
    """
    File Name: color_operation.py
    Program IDE: PyCharm
    Create File By Author: Hong
    """
    import cv2 as cv
    import numpy as np
    
    
    color_map = [
        cv.COLORMAP_AUTUMN,
        cv.COLORMAP_BONE,
        cv.COLORMAP_JET,
        cv.COLORMAP_WINTER,
        cv.COLORMAP_PARULA,
        cv.COLORMAP_OCEAN,
        cv.COLORMAP_SUMMER,
        cv.COLORMAP_SPRING,
        cv.COLORMAP_COOL,
        cv.COLORMAP_PINK,
        cv.COLORMAP_HOT,
        cv.COLORMAP_PARULA,
        cv.COLORMAP_MAGMA,
        cv.COLORMAP_INFERNO,
        cv.COLORMAP_PLASMA,
        cv.COLORMAP_TWILIGHT,
        cv.COLORMAP_TWILIGHT_SHIFTED
    ]
    
    
    def color_operation(image_path: str):
        img = cv.imread(image_path, cv.IMREAD_COLOR)  # 以彩色模式读图像
        cv.namedWindow('input', cv.WINDOW_AUTOSIZE)  # 根据图像大小自动调节窗口大小
        cv.imshow('input', img)
    
        index = 0
    
        while True:
            dst = cv.applyColorMap(img, color_map[index % len(color_map)])  # 在原图上应用不同的颜色模式
    
            cv.imshow('{}'.format(color_map[index % len(color_map)]), dst)
            index += 1
    
            c = cv.waitKey(1000)
            if c == 27:
                break
    
        cv.destroyAllWindows()
      
    
    if __name__ == '__main__':
        path = 'images/daiyutong.png'
        color_operation(path)

效果展示：  
![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBASG9uZ19Zb3V0aA_size_20_color_FFFFFF_t_70_g_se_x_16]

## 图像按位操作 ##

图像的位级操作主要包括：与、或、非、异或四种操作。

*  与：`cv.bitwise_and(img1，img2)`，两幅图像按位进行与操作；
 *  或：`cv.bitwise_or(img1, img2)`，两幅图像按位进行或操作；
 *  异或：`cv.bitwise_xor(img1, img2)`，两幅图像按位进行异或操作；
 *  非：`cv.bitwise_not(img)`，将图像按位取反操作。

具体代码如下：

# -*-coding:utf-8-*-
    """
    File Name: color_operation.py
    Program IDE: PyCharm
    Create File By Author: Hong
    """
    import cv2 as cv
    import numpy as np
    
    
    def bitwise_operation(image_path1: str, image_path2: str):
        img1 = cv.imread(image_path1, cv.IMREAD_COLOR)
        img2 = cv.imread(image_path2, cv.IMREAD_COLOR)
        img2 = cv.resize(img2, (300, 300))
    
        # img1 = np.zeros((400, 400, 3), dtype=np.uint8)  # 创建一个空白图像
        # img1[:, :] = (255, 0, 255)  # 给所有像素的b和r通道赋值
        # img2 = np.zeros((400, 400, 3), dtype=np.uint8)
        # img2[:, :] = (0, 255, 0)  # 给所有像素的g通道赋值
    
        dst1 = cv.bitwise_and(img1, img2)  # 图像的与操作
        dst2 = cv.bitwise_or(img1, img2)  # 图像的或操作
        dst3 = cv.bitwise_xor(img1, img2)  # 图像的异或操作
        dst4 = cv.bitwise_not(img1)  # 图像的非操作
    
        cv.imshow('img1', img1)
        cv.imshow('img2', img2)
    
        cv.imshow('bitwise_and', dst1)
        cv.imshow('bitwise_or', dst2)
        cv.imshow('bitwise_xor', dst3)
        cv.imshow('bitwise_not', dst4)
    
        cv.waitKey(0)
        cv.destroyAllWindows()
    
    
    if __name__ == '__main__':
        path1 = 'images/daiyutong.png'
        path2 = 'images/2.png'
        bitwise_operation(path1, path2)

结果展示：  
![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBASG9uZ19Zb3V0aA_size_20_color_FFFFFF_t_70_g_se_x_16 1]

## 图像的通道操作 ##

彩色图像由R、G、B三通道组成，我们可以分别对每个通道进行操作。主要有通道分离、通道合并、通道交换等操作。

*  通道分离：`cv.split(img)`
 *  通道合并：`cv.merge(mv)`
 *  通道交换：`cv.mixChannels(src, dst, fromTo)`

代码实现：

# -*-coding:utf-8-*-
    """
    File Name: color_operation.py
    Program IDE: PyCharm
    Create File By Author: Hong
    """
    import cv2 as cv
    import numpy as np
    
    
    def channel_operation(image_path: str):
        img = cv.imread(image_path, cv.IMREAD_COLOR)
        cv.namedWindow('input', cv.WINDOW_AUTOSIZE)
        cv.imshow('input', img)  # 彩色图像，3个通道，每个通道都是H×W。
    
        # 通道分离
        mv = cv.split(img)
    
        print('mv[0]', mv[0])  # 图像的b通道
        print('mv[1]', mv[1])  # 图像的g通道
        print('mv[2]', mv[2])  # 图像的r通道
    
        mv[0][:, :] = 255  # 给b通道上的所有像素值全部赋值为255
        # 通道合并
        result = cv.merge(mv)
    
        # 通道交换
        dst = np.zeros(img.shape, dtype=np.uint8)
        cv.mixChannels([img], [dst], fromTo=[2, 0, 1, 1, 0, 2])
        out = cv.cvtColor(img, cv.COLOR_BGR2RGB)  # 与上面的通道交换bgr->rgb结果类似，
    
        cv.imshow('bbb', img[:, :, 0])  # 显示第1个通道
        cv.imshow('ggg', img[:, :, 1])  # 显示第2个通道
        cv.imshow('rrr', img[:, :, 2])  # 显示第3个通道
        cv.imshow('result', result)
        cv.imshow('dst', dst)
        cv.imshow('out', out)
    
        cv.waitKey(0)
        cv.destroyAllWindows()
    
    
    if __name__ == '__main__':
        path = 'images/daiyutong.png'
        channel_operation(path)

结果展示：  
![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBASG9uZ19Zb3V0aA_size_20_color_FFFFFF_t_70_g_se_x_16 2]  
获取更多计算机视觉知识，请关注微信公众号 **“AI与计算机视觉”。**

[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBASG9uZ19Zb3V0aA_size_8_color_FFFFFF_t_70_g_se_x_16]: /images/20220828/56e7bf3a1b10468f9825e5c9426d953e.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBASG9uZ19Zb3V0aA_size_20_color_FFFFFF_t_70_g_se_x_16]: /images/20220828/42069ad0843943e5a29d0dc9b2b9f98d.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBASG9uZ19Zb3V0aA_size_20_color_FFFFFF_t_70_g_se_x_16 1]: /images/20220828/eebd3f13803047eba9aa7e8bb5d5cc1b.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBASG9uZ19Zb3V0aA_size_20_color_FFFFFF_t_70_g_se_x_16 2]: /images/20220828/8e5788ba5f924fcd856f8fc249ae616d.png