OpenCV計算機視覺學習（1）——影像基本操作（影像視訊讀取，ROI區域擷取，常用cv函式解釋）

戰爭熱誠發表於2020-09-22
OpenCV計算機視覺函式

1，計算機眼中的影像

　　我們開啟經典的 Lena圖片，看看計算機是如何看待圖片的：

 　　我們點選圖中的一個小格子，發現計算機會將其分為R，G，B三種通道。每個通道分別由一堆0~256之間的數字組成，那OpenCV如何讀取，處理圖片呢，我們下面詳細學習。

2，影像的載入，顯示和儲存

　　我們看看在OpenCV中如何操作：

import cv2

# 生成圖片
img = cv2.imread("lena.jpg")
# 生成灰色圖片
imgGrey = cv2.imread("lena.jpg", 0)
#  展示原圖
cv2.imshow("img", img)
#  展示灰色圖片
cv2.imshow("imgGrey", imgGrey)
#  等待圖片的關閉
cv2.waitKey()
# 儲存灰色圖片
cv2.imwrite("Copy.jpg", imgGrey)

 　　影像的顯示，也可以建立多個視窗。

2.1 影像的載入函式 cv2.imread()

　　cv2.imread() 函式原型如下：

imread(filename, flags=None)

　　使用函式cv2.imread() 讀入影像。這幅影像應該在此程式的工作路徑，或者給函式提供完整路徑，第二個引數是要告訴函式應該如何讀取這幅圖片。

  • cv2.IMREAD_COLOR：讀入一副彩色影像。影像的透明度會被忽略，這是預設引數
  • cv2.IMREAD_GRAYSCALE：以灰度模式讀入影像
  • cv2.IMREAD_UNCHANGED：保留讀取圖片原有的顏色通道 
  • +1 ：等同於cv2.IMREAD_COLOR 
  •  0 ：等同於cv2.IMREAD_GRAYSCALE 
  •  -1 ：等同於cv2.IMREAD_UNCHANGED 

　　PS：呼叫opencv，就算影像的路徑是錯的，OpenCV 也不會提醒你的，但是當你使用命令 print(img) 時得到的結果是None。

2.2 影像的顯示函式 cv2.imshow()

　　cv2.imshow() 函式作用是在視窗中顯示影像，視窗自動適合於影像大小，我們也可以通過imutils模組調整顯示影像的視窗大小。

　　函式官方定義如下：

imshow(winname, mat)

　　引數解釋如下：

  • 引數一： 視窗名稱(字串) 
  • 引數二： 影像物件，型別是numpy中的ndarray型別，注：這裡可以通過imutils模組改變影像顯示大小

2.3  影像的儲存函式 cv2.imwrite()

　　cv2.imwrite()  函式檢查影像儲存到本地，官方定義如下：

cv2.imwrite(image_filename, image)

　　引數解釋如下：

  • 引數一： 儲存的影像名稱(字串) 
  • 引數二： 影像物件，型別是numpy中的ndarray型別

3，影像顯示視窗建立與銷燬

　　當我們使用imshow函式展示影像時，最後需要在程式中對影像展示視窗進行銷燬，否則程式將無法正常終止，常用的銷燬視窗的函式有下面兩個：

(1)、cv2.destroyWindow(windows_name) #銷燬單個特定視窗 
引數： 將要銷燬的視窗的名字

(2)、cv2.destroyAllWindows() #銷燬全部視窗，無引數

　　那我們合適銷燬視窗，肯定不能圖片視窗一出現我們就將視窗銷燬，這樣便沒法觀看視窗，試想有兩種方式： 

  • (1) 讓視窗停留一段時間然後自動銷燬； 
  • (2) 接收指定的命令，如接收指定的鍵盤敲擊然後結束我們想要結束的視窗 

　　以上兩種情況都將使用cv2.waitKey函式， 首先產看函式定義：

cv2.waitKey(time_of_milliseconds)

　　唯一引數delay是整數，可正可負也可是零，含義和操作也不同，分別對應上面說的兩種情況。

(1) time_of_milliseconds > 0 ：
此時time_of_milliseconds表示時間，單位是毫秒，
含義表示等待 time_of_milliseconds毫秒後影像將自動銷燬，看以下示例

#表示等待10秒後，將銷燬所有影像
if cv2.waitKey(10000):
    cv2.destroyAllWindows()

#表示等待10秒，將銷燬視窗名稱為'origin image'的影像視窗
if cv2.waitKey(10000):
    cv2.destroyWindow('origin image')



(2) time_of_milliseconds <= 0 ： 
此時影像視窗將等待一個鍵盤敲擊，接收到指定的鍵盤敲擊便會進行視窗銷燬。
我們可以自定義等待敲擊的鍵盤，通過下面的例子進行更好的解釋

#當指定waitKey(0) == 27時當敲擊鍵盤 Esc 時便銷燬所有視窗
if cv2.waitKey(0) == 27:
    cv2.destroyAllWindows()

#當接收到鍵盤敲擊A時，便銷燬名稱為'origin image'的影像視窗
if cv2.waitKey(-1) == ord('A'):
    cv2.destroyWindow('origin image')

　　

指定視窗大小模式的屬性：

  • cv2.WINDOW_AUTOSIZE：根據影像大小自動建立大小
  • cv2.WINDOW_NORMAL：視窗大小可調整
# 設定為WINDOW_NORMAL可以任意縮放
# cv.namedWindow('input_image', cv.WINDOW_NORMAL)

　　程式碼如下：

import cv2

img = cv2.imread("lena.jpg")

cv2.namedWindow("img", cv2.WINDOW_NORMAL)
cv2.imshow("img", img)
cv2.waitKey()
cv2.destroyAllWindows()

 

4，視訊的讀取，處理與儲存

　　cv2.VideoCapture（）： 可以捕獲攝像頭，用數字來控制不同的裝置，例如0,1。如果是視訊檔案，直接指定好路徑即可。裝置索引只是指定哪臺攝像機的號碼，0代表第一臺攝像機，1代表第二臺攝像機。之後就可以逐幀捕獲視訊，但最後，不要忘記釋放捕獲。

　　cap.read（）：返回一個布林值（True / False）。如果幀被正確讀取，則返回true，否則返回false。可以通過檢查這個返回值來判斷視訊是否結束。　　

　　cap.isOpened（）：檢查cap是否被初始化。若沒有初始化，則使用cap.open（）開啟它。當cap沒有初始化時，上面的程式碼會報錯。　　

　　retval,image= cv2.VideoCapture.read([,image]) 抓取，解碼並返回下一個視訊幀。返回值為true表明抓取成功。該函式是組合了grab()和retrieve()，這是最方便的方法。如果沒有幀，該函式返回false，並輸出空影像。
　　retval, image = cv2.VideoCapture.retrieve([, image[, flag]]) 解碼並返回抓取的視訊幀
　　retval = cv2.VideoCapture.grab() 從視訊檔案或相機中抓取下一幀。true為抓取成功。該函式主要用於多攝像頭時。
　　cv2.VideoCapture.release() 關閉視訊檔案或相機裝置。

　　cap.get（propId）：訪問視訊的某些功能，其中propId是一個從0到18的數字，每個數字表示視訊的屬性（Property Identifier）。其中一些值可以使用cap.set（propId，value）進行修改，value是修改後的值。
　　舉個例子：我通過cap.get（3）和cap.get（4）來檢查幀的寬度和高度，預設的值是640x480。但我想修改為320x240，可以使用ret = cap.set（3, 320）和ret = cap.set（4, 240）。

propId 常見取值如下:

  • cv2.CAP_PROP_POS_MSEC：     視訊檔案的當前位置（ms）
  • cv2.CAP_PROP_POS_FRAMES：   從0開始索引幀，幀位置。
  • cv2.CAP_PROP_POS_AVI_RATIO：視訊檔案的相對位置（0表示開始，1表示結束）
  • cv2.CAP_PROP_FRAME_WIDTH：  視訊流的幀寬度。
  • cv2.CAP_PROP_FRAME_HEIGHT： 視訊流的幀高度。
  • cv2.CAP_PROP_FPS：          幀率
  • cv2.CAP_PROP_FOURCC：       編解碼器四字元程式碼
  • cv2.CAP_PROP_FRAME_COUNT：  視訊檔案的幀數
  • cv2.CAP_PROP_FORMAT：       retrieve()返回的Mat物件的格式。
  • cv2.CAP_PROP_MODE：         後端專用的值，指示當前捕獲模式
  • cv2.CAP_PROP_BRIGHTNESS：影像的亮度，僅適用於支援的相機
  • cv2.CAP_PROP_CONTRAST：  影像對比度，僅適用於相機
  • cv2.CAP_PROP_SATURATION：影像飽和度，僅適用於相機
  • cv2.CAP_PROP_HUE：       影像色調，僅適用於相機
  • cv2.CAP_PROP_GAIN：      影像增益，僅適用於支援的相機
  • cv2.CAP_PROP_EXPOSURE：    曝光，僅適用於支援的相機
  • cv2.CAP_PROP_CONVERT_RGB：布林標誌，指示是否應將影像轉換為RGB。

　　視訊讀取與處理程式碼：

import cv2

# 引數為視訊檔案目錄
videoc = cv2.VideoCapture('test.mp4')
# VideoCapture物件，引數可以是裝置索引或視訊檔名稱，裝置索引只是指定哪臺攝像機的號碼
# 0代表第一臺攝像機，1代表第二臺攝像機，之後可以逐幀捕獲視訊，但是最後需要釋放捕獲
# 呼叫內建攝像頭
# cap = cv2.VideoCapture(0)
# 呼叫USB攝像頭
# cap = cv2.VideoCapture(1)


# 檢查是否開啟正確
if videoc.isOpened():
    open, frame = videoc.read()
else:
    open = False

# 逐幀顯示實現視訊播放
while open:
    ret, frame = videoc.read()  # 讀取
    if frame is None:
        break
    if ret == True:
        gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
        cv2.imshow('result', gray)
        if cv2.waitKey(10) & 0xFF == 27:  # 讀取完自動退出
        # if cv2.waitKey(1) & 0xFF == ord('q'):  # 讀完按 q 退出
            break

# 釋放攝像頭物件和視窗
videoc.release()
cv2.destroyAllWindows()

 　　解釋一下從檔案中播放視訊： 和從相機捕獲視訊相同，只需要更改相機索引和視訊檔名。在顯示幀時，選擇適當地 cv2.waitKey() 時間，如果該值太小，視訊會非常快，如果他太大，則視訊會非常慢（這可以用慢動作顯示視訊）。正常情況下 25毫秒即可。

　　儲存視訊：我們需要建立一個 VideoWriter物件，指定輸出檔名（例如：output.avi）。之後指定 FourCC程式碼（FourCC是用於指定視訊編碼解碼器的四位元組程式碼，可用的程式碼列標：http://www.fourcc.org/codecs.php）。接下來傳遞每秒幀數（FPS）和幀大小，最後一個是 isColor標註，如果他為TRUE，編碼器編碼成彩色幀，否則編碼成灰度框幀。

　　視訊儲存程式碼：

import numpy as np
import cv2

cap = cv2.VideoCapture(0)

# Define the codec and create VideoWriter object
fourcc = cv2.VideoWriter_fourcc(*'XVID')
out = cv2.VideoWriter('output.avi',fourcc, 20.0, (640,480))

while(cap.isOpened()):
    ret, frame = cap.read()
    if ret==True:
        frame = cv2.flip(frame,0)

        # write the flipped frame
        out.write(frame)

        cv2.imshow('frame',frame)
        if cv2.waitKey(1) & 0xFF == ord('q'):
            break
    else:
        break

# Release everything if job is finished
cap.release()
out.release()
cv2.destroyAllWindows()

 

OpenCV提供了介面VideoWriter 用於視訊的儲存：

<VideoWriter object> = cv.VideoWriter( filename, fourcc, fps, frameSize[, isColor] )


函式引數：

  • filename：給要儲存的視訊起個名字
  • fourcc：指定視訊編解碼器的4位元組程式碼
  1. 【（‘P’，‘I’，‘M’，‘1’）是MPEG-1編解碼器】
  2. 【（‘M’，‘J’，‘P’，'G '）是一個運動jpeg編解碼器】
  • fps：幀率
  • frameSize：幀大小
  • retval = cv2.VideoWriter_fourcc( c1, c2, c3, c4 ) 將4字串接為fourcc程式碼。
  • cv.VideoWriter.write( image ) 將幀影像儲存為視訊檔案。
  • isColor：如果為true，則視訊為彩色，否則為灰度視訊，預設為true

5，影像ROI

　　ROI（Region of Interest）表示感興趣區域。感興趣區域，就是我們從影像中選擇一個影像區域，這個區域就是影像分析所關注的焦點。我們圈定這個區域，那麼我們要處理的影像就是堯從一個大影像變為小影像區域了，這樣以便進行進一步處理，可以大大減少處理時間。

　　ROI 也是使用Numpy 索引來獲得的，其本質上是多維陣列（矩陣）的切片，如下圖所示：

 　　其實，原理很簡單，就是利用陣列切片和索引操作來選擇指定區域的內容，通過畫素矩陣可以直接獲取ROI區域，如 img[200:400,  200: 400]。Rect 四個形參分別是：x座標，y座標，長，高，注意（x,  y）指的是矩形的左上角點。

　　比如我要獲取歐文的頭，圖如下：

 　　簡易的矩形ROI區域獲取程式碼如下

import cv2
import numpy as np
import matplotlib.pyplot as plt

# 讀取原始影像
img = cv2.imread('irving.jpg')
# print(img.shape)  # (458, 558, 3)

# 我們自己計算要獲取的頭部的大小，以及左上角的座標
# 這裡左上角的座標為：w:h=250 7  區域為100*100
roi_zero = img[7:107, 250:350]

# 顯示影像
cv2.imshow("Image", roi_zero)

# 等待顯示
cv2.waitKey(0)
cv2.destroyAllWindows()

 　　結果如下：

 

 

6，影像寬，高，通道數獲取

　　img.shape 返回影像高（影像矩陣的行數），寬（影像矩陣的列數）和通道數3個屬性組成的元組，若影像是非彩色圖（即灰度圖，二值圖等），則只返回高和寬組成的元組。

import cv2

img = cv2.imread("1.jpg")
imgGrey = cv2.imread("1.jpg", 0)

sp1 = img.shape
sp2 = imgGrey.shape

print(sp1)
print(sp2)# ======輸出=======#(1200, 1920, 3)#(1200, 1920)

 

7，影像畫素數目和影像資料型別的獲取

　　影像矩陣img 的 size屬性和 dtype 分別對應影像的畫素總數目和影像資料型別。一般情況下，影像的資料型別是 uint8。

　　通過size關鍵字獲取影像的畫素數目，其中灰度影像返回行數*列數，彩色影像返回行數*列數*通道數。

　　通過dtype關鍵字獲取影像的資料型別，通常返回 uint8

　　程式碼如下：

# -*- coding:utf-8 -*-
import cv2
import numpy

#讀取圖片
img = cv2.imread("test.jpg", cv2.IMREAD_UNCHANGED)

#獲取影像形狀
print(img.shape)

#獲取畫素數目
print(img.size)

#獲取影像型別
print(img.dtype)

　　結果如下：

(615, 327, 3)

603315   # 603315=615*327*3

uint8

　　注意1：如果影像是灰度圖，返回值僅有行數和列數，所以通過檢查這個返回值就可以知道載入的是灰度圖還是彩色圖。img.size可以返回影像的畫素數目。

　　注意2：在debug時， img.dtype 非常重要，因為在OpenCV Python程式碼中經常出現資料型別的不一致。

8，生成指定大小的空影像

　　生成指定大小的空圖形，方便我們後續填充，空圖形是黑色的圖（因為指定的是0）。

import cv2
import numpy as np

img = cv2.imread("1.jpg")
imgZero = np.zeros(img.shape, np.uint8)

imgFix = np.zeros((300, 500, 3), np.uint8)
# imgFix = np.zeros((300,500),np.uint8)

cv2.imshow("img", img)
cv2.imshow("imgZero", imgZero)
cv2.imshow("imgFix", imgFix)
cv2.waitKey()

 　

9，訪問和操作影像畫素

　　OpenCV中影像矩陣的順序是 B,G,R。可以直接通過座標位置訪問和操作影像畫素。

import cv2
 
img = cv2.imread("01.jpg")
 
numb = img[50,100]
print(numb)
 
img[50,100] = (0,0,255)
cv2.imshow("img",img)
cv2.waitKey()

 　　分開訪問影像某一通道畫素值也非常方便（下面程式碼將影像變為白色，即255）：

import cv2
 
img = cv2.imread("01.jpg")
 
img[0:100,100:200,0] = 255
img[100:200,200:300,1] = 255
img[200:300,300:400,2] = 255
 
cv2.imshow("img",img)
cv2.waitKey()

 　　Python中，更改影像某一矩形區域的畫素值也很方便。

import cv2
 
img = cv2.imread("01.jpg")
 
img[0:50,1:100] = (0,0,255)
 
cv2.imshow("img",img)
cv2.waitKey()

 　　注意：優化

　　首先我們需要讀入一幅影像，然後根據畫素的行和列的座標獲取它的畫素值。對BGR影像而言，返回值為B，G，R的值，對灰度影像而言，會返回它的灰度值（亮度？ intensity）

import cv2
import numpy as np

img=cv2.imread('test.jpg')
px=img[100,100]
print(px)
blue=img[100,100,0]
print(blue)

# 我們可以使用類似的方式修改畫素值
img[100,100]=[255,255,255]
print(img[100,100])
## [255 255 255]

　　注意1：Numpy 是經過優化了的進行快速矩陣運算的軟體包，所以我們不推薦逐個獲取畫素值並修改，這樣會很慢，能有矩陣運算就不要迴圈。

　　注意2：上面提到的方法被用來選取矩陣的一個區域，比如說 前 5行的後3列。對於獲取每一個畫素值，也許使用Numpy 的 array.item()  和 array.itemset()  會更好，但是返回是標量。如果你想獲得所有 B，G，R的值，你需要使用 array.item() 分割他們。

　　獲取畫素值及其修改的更好的方法

import cv2
import numpy as np

img=cv2.imread('test.jpg')
print(img.item(10,10,2))
img.itemset((10,10,2),100)
print(img.item(10,10,2))
# 59
# 100

　　

10，影像顏色通道分離與合併

　　分離影像通道可以使用 cv2中 split函式，合併則可以使用 merge函式。

import cv2
 
img = cv2.imread("01.jpg")
 
b , g , r = cv2.split(img)
 
# b = cv2.split(img)[0]
# g = cv2.split(img)[1]
# r = cv2.split(img)[2]
 
merged = cv2.merge([b,g,r])
 
cv2.imshow("Blue",b)
cv2.imshow("Green",g)
cv2.imshow("Red",r)
 
cv2.imshow("Merged",merged)
cv2.waitKey()

 　　　有時候，我們需要對 BGR 三個通道分別進行操作，這時你就需要把BGR拆分成單個通道，有時你需要把獨立通道的圖片合成一個BGR影像。下面學習一下拆分及其合併影像通道的cv函式　　

　　程式碼如下：

# _*_coding:utf-8_*_
import cv2
import numpy as np


def split_image(img_path):
    img = cv2.imread(img_path)
    print(img.shape)  # (800, 800, 3)
    # b, g, r = cv2.split(img)
    b = img[:, :, 0]
    g = img[:, :, 1]
    r = img[:, :, 2]
    cv2.imshow('b', b)
    # cv2.imshow('g', g)
    # cv2.imshow('r', r)
    cv2.waitKey(0)
    cv2.destroyAllWindows()


def merge_image(img_path):
    img = cv2.imread(img_path)
    b, g, r = cv2.split(img)
    img = cv2.merge([b, g, r])
    cv2.imshow('merge', img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()


if __name__ == '__main__':
    img_path = 'durant.jpg'
    split_image(img_path)
    # merge_image(img_path)

　　注意：這裡拆分寫了兩個方法，為什麼呢？就是因為 cv2.split()是一個比較耗時的操作，只有真正需要時才用它，能用Numpy索引就儘量使用索引。

　　原圖：

 　　B，G，R 三種通道的圖片：

　　合併後的圖片

 　　假設，我們想是所有畫素的紅色通道值都為0，我們不必先拆分再賦值，我們可以直接使用 Numpy 索引，這樣會更快：

def assign_image(img_path):
    img = cv2.imread(img_path)
    img[:, :, 1] = 0
    cv2.imshow('assign', img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()


if __name__ == '__main__':
    img_path = 'durant.jpg'
    assign_image(img_path)

　　結果如下：

 

11，在影像上輸出文字

使用putText函式在圖片上輸出文字，函式原型：

putText(img, text, org, fontFace, fontScale, color, thickness=None, lineType=None, bottomLeftOrigin=None)

 　　引數意思：

    1. img： 影像
    2. text：要輸出的文字
    3. org： 文字的起點座標
    4. fontFace： 字型
    5. fontScale： 字型大小
    6. color： 字型顏色
    7. thickness： 字圖加粗

    　　　程式碼如下：

    import cv2

img = cv2.imread("durant.jpg")

cv2.putText(img, "durant is my favorite super star", (100, 100), cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 0, 255))

cv2.imshow("img", img)
cv2.waitKey()

     　　圖如下：

     

    12， 影像縮放

    　　cv2.resize()函式是來調整圖片的大小，改變圖片尺寸。

    　　注意：CV2是BGR，而我們讀取的圖片是RGB，所以要注意一下，變換的時候注意對應。

    　　其函式原型如下：

    def resize(src, dsize, dst=None, fx=None, fy=None, interpolation=None)

    　　對應的各個引數意思：

    　　src：輸入，原影像，即待改變大小的影像；

    　　dsize：輸出影像的大小。如果這個引數不為0，那麼就代表將原影像縮放到這個Size(width，height)指定的大小；如果這個引數為0，那麼原影像縮放之後的大小就要通過下面的公式來計算：

    　　　　　　　　　　　　　　dsize = Size(round(fx*src.cols), round(fy*src.rows))

    其中，fx和fy就是下面要說的兩個引數，是影像width方向和height方向的縮放比例。

    　　fx：width方向的縮放比例，如果它是0，那麼它就會按照(double)dsize.width/src.cols來計算；

    　　fy：height方向的縮放比例，如果它是0，那麼它就會按照(double)dsize.height/src.rows來計算；

    　　interpolation：這個是指定插值的方式，影像縮放之後，肯定畫素要進行重新計算的，就靠這個引數來指定重新計算畫素的方式，有以下幾種：

    • INTER_NEAREST                 - 最鄰近插值
    • INTER_LINEAR                     - 雙線性插值，如果最後一個引數你不指定，預設使用這種方法
    • INTER_AREA                         -  使用畫素區域關係進行重取樣    resampling using pixel area relation. It may be a preferred method for image decimation, as it gives moire’-free results. But when the image is zoomed, it is similar to the INTER_NEAREST method.
    • INTER_CUBIC                      - 4x4畫素鄰域內的雙立方插值
    • INTER_LANCZOS4             - 8x8畫素鄰域內的Lanczos插值

    　　對於插值方法，正常情況下使用預設的雙線性插值法就夠了。幾種常用方法的效率為：

    最鄰近插值>雙線性插值>雙立方插值>Lanczos插值

    　　但是效率和效果是反比的，所以根據自己的情況酌情使用。

    　　注意：輸出的尺寸格式為（寬，高）

    　　示例：

    # _*_coding:utf-8_*_
import cv2

image = cv2.imread('TestData\\arial_qz8Shv_10.png')
# 對圖片進行灰度化，注意這裡變換！！
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

crop_img = cv2.resize(gray, (224, 224), interpolation=cv2.INTER_LANCZOS4)

    　　

    　　程式碼如下：

    import cv2

img = cv2.imread("1.jpg")
cv2.imshow("img", img)

imgg = cv2.resize(img, (200, 100))

cv2.imshow("imgg", imgg)

cv2.waitKey()

     

    13   cv2.cvtColor()函式用法介紹

    　　在日常生活中，我們看到的大多數彩色影像都是RGB型別，但是在影像處理過程中，常常需要用到灰度影像、二值影像、HSV、HSI等顏色，OpenCV提供了cvtColor()函式實現這些功能。其函式原型如下所示：

    cvtColor(src, code, dst=None, dstCn=None)

    　　變數含義：

    • src表示輸入影像，需要進行顏色空間變換的原影像
    • dst表示輸出影像，其大小和深度與src一致
    • code表示轉換的程式碼或標識
    • dstCn表示目標影像通道數，其值為0時，則有src和code決定

    　　該函式的作用是將一個影像從一個顏色空間轉換到另一個顏色空間，其中，RGB是指Red、Green和Blue，一副影像由這三個通道（channel）構成；Gray表示只有灰度值一個通道；HSV包含Hue（色調）、Saturation（飽和度）和Value（亮度）三個通道。在OpenCV中，常見的顏色空間轉換標識包括CV_BGR2BGRA、CV_RGB2GRAY、CV_GRAY2RGB、CV_BGR2HSV、CV_BGR2XYZ、CV_BGR2HLS等。
    　　下面程式碼對比了九種常見的顏色空間，包括BGR、RGB、GRAY、HSV、YCrCb、HLS、XYZ、LAB和YUV，並迴圈顯示處理後的影像。

    #encoding:utf-8
import cv2  
import numpy as np  
import matplotlib.pyplot as plt

#讀取原始影像
img_BGR = cv2.imread('miao.png')

#BGR轉換為RGB
img_RGB = cv2.cvtColor(img_BGR, cv2.COLOR_BGR2RGB)

#灰度化處理
img_GRAY = cv2.cvtColor(img_BGR, cv2.COLOR_BGR2GRAY)

#BGR轉HSV
img_HSV = cv2.cvtColor(img_BGR, cv2.COLOR_BGR2HSV)

#BGR轉YCrCb
img_YCrCb = cv2.cvtColor(img_BGR, cv2.COLOR_BGR2YCrCb)

#BGR轉HLS
img_HLS = cv2.cvtColor(img_BGR, cv2.COLOR_BGR2HLS)

#BGR轉XYZ
img_XYZ = cv2.cvtColor(img_BGR, cv2.COLOR_BGR2XYZ)

#BGR轉LAB
img_LAB = cv2.cvtColor(img_BGR, cv2.COLOR_BGR2LAB)

#BGR轉YUV
img_YUV = cv2.cvtColor(img_BGR, cv2.COLOR_BGR2YUV)

#呼叫matplotlib顯示處理結果
titles = ['BGR', 'RGB', 'GRAY', 'HSV', 'YCrCb', 'HLS', 'XYZ', 'LAB', 'YUV']  
images = [img_BGR, img_RGB, img_GRAY, img_HSV, img_YCrCb,
          img_HLS, img_XYZ, img_LAB, img_YUV]  
for i in xrange(9):  
   plt.subplot(3, 3, i+1), plt.imshow(images[i], 'gray')  
   plt.title(titles[i])  
   plt.xticks([]),plt.yticks([])  
plt.show()

    　　如果想檢視引數的全部型別，請執行以下程式便可查閱，總共有274種空間轉換型別：

    import cv2
flags = [i for i in dir(cv2) if i.startswith('COLOR_')]
print(flags)

     

     

     

    參考文獻：https://blog.csdn.net/woainishifu/article/details/53260546

    https://blog.csdn.net/eastmount/article/details/82177300

    https://www.cnblogs.com/Undo-self-blog/p/8434906.html

    https://www.cnblogs.com/zlel/p/9267629.html

    視訊讀取：https://opencv-python-tutroals.readthedocs.io/en/latest/py_tutorials/py_gui/py_video_display/py_video_display.html

    https://blog.csdn.net/qq_25436597/article/details/79621833

    https://zhuanlan.zhihu.com/p/44255577

    相關文章