OpenCV-Python图像颜色变换_Hong_Youth的博客

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：

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：
  
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：
  
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：
 
 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”。
                    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：直接上代码：# -*-coding:utf-8-*-"""File Name: color
				简单明了，直接使用【科研】python-opencv批处理文件夹图像-灰度/深度图像彩色化
目标：将文件中所有灰度/深度图像彩色化，增强图像效果。
流程：在python中利用opencv的colormap函数完成转化。
from PIL import Image
# 输入图片名称如下，
filename = '1.tif'#将所需要改变颜色的图片和代码放入相同文件夹，文件格式可以是jpg、tif、...
# 读入图片，转化为 RGB 色值
				获取并修改图像中的像素点
我们可以通过行和列的坐标值获取该像素点的像素值。对于BGR图像，它返回一个蓝，绿，红值的数组。对于灰度图像，仅返回相应的强度值。使用相同的方法对像素值进行修改。
import numpy as np
import cv2 as cv
img = cv.imread('messi5.jpg')
# 获取某个像素点的值
px = img[100,100]
# 仅获取蓝色通道的强度值
blue = img[100,100,0]
# 修改某个位置的像素值
img[100,100] = [2
import cv2
import numpy as np
img = np.ones((3,3),dtype=np.uint8)#random.random()方法后面不能加数据类型
#img = np.random.random((3,3)) #生成随机数都是小数无法转化颜色,无法调用cv2.cvtColor函数
img[0,0]=100
img[0,1]=150
img[0,2]=255
cv2.imshow('img',img)
cv2.waitK
(base) D:\downloads>pip install opencv-python
Collecting opencv-python
  Downloading opencv_python-4.5.3.56-cp37-cp37m-win_amd64.whl (34.9 MB)
     |███████████████.
				当使用OpenCV-Python进行直线检测时，通常会使用Hough直线变换算法。Hough直线变换算法可以检测出图像中所有的直线，不过有时候需要筛选出需要的直线。
以下是使用OpenCV-Python进行直线检测的基本步骤：
1. 读取图像，将其转换为灰度图像。
```python
import cv2
img = cv2.imread('image.jpg')
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
2. 对图像进行边缘检测，例如使用Canny算子。
```python
edges = cv2.Canny(gray,50,150,apertureSize = 3)
3. 进行Hough直线变换，检测出所有直线。
```python
lines = cv2.HoughLines(edges,1,np.pi/180,200)
4. 可以根据需要筛选出需要的直线，并将其绘制在原图像上。
```python
for line in lines:
    rho,theta = line[0]
    if theta > np.pi/180*30 and theta < np.pi/180*150:
        a = np.cos(theta)
        b = np.sin(theta)
        x0 = a*rho
        y0 = b*rho
        x1 = int(x0 + 1000*(-b))
        y1 = int(y0 + 1000*(a))
        x2 = int(x0 - 1000*(-b))
        y2 = int(y0 - 1000*(a))
        cv2.line(img,(x1,y1),(x2,y2),(0,0,255),2)
在以上代码中，`lines`是通过Hough直线变换得到的所有直线。对于每一条直线，可以通过其极坐标表示方式中的角度`theta`来判断其是否为需要的直线。例如，可以筛选出与水平方向夹角在30度到150度之间的直线。
对于需要绘制的直线，可以通过其极坐标表示方式计算出其两个端点的坐标，然后使用`cv2.line()`函数在原图像上绘制出来。
以上是使用OpenCV-Python进行直线检测的基本步骤。