2 颜色空间

没有哔哔声（也没有什么好说的预热场景），让我们直接开始吧。

2.1 TrackBar控件

这个控件可以用进度条拖动颜色（意思差不多）
cv2.createTrackbar(trackbarName, windowName, value, count, onChange)：创建TrackBar控件，value为trackbar的默认值，count为bar的最大值，最小为0，onChange类似回调函数
getTrackbarPos(trackbarName, windowName)：获取TrackBar的当前值

#创建三原色的TrackBar
import cv2
import numpy as np


#创建窗口
cv2.namedWindow('trackbar', cv2.WINDOW_NORMAL)
cv2.resizeWindow('mouse', 640, 480)

#定义回调函数
def callback(value):
	pass
#创建trackbar
cv2.createTrackbar('R', 'trackbar', 0, 255, callback)
cv2.createTrackbar('G', 'trackbar', 0, 255, callback)
cv2.createTrackbar('B', 'trackbar', 0, 255, callback)

#创建一个纯黑背景图片，高度，宽度（与之前相反）
img = np.zeros((480, 640, 3), np.uint8)

while True:
	#获取当前trackbar值
	r = cv2.getTrackbarPos('R', 'trackbar')
	g = cv2.getTrackbarPos('G', 'trackbar')
	b = cv2.getTrackbarPos('B', 'trackbar')
	
	#改变背景图颜色，取出第三个维度值，进行颜色通道替换
	img[:] = [b, g, r]
	cv2.imshow('trackbar', img)

	key = cv2.waitKey(1)
	if key == ord('q')
		break
	
cv2.destroyAllWindows()

2.2 OpenCV的色彩空间

2.2.1 BGR和RGB

最常见的色彩空间就是RGB，人眼也是基于RGB色彩空间分辨颜色。
OpenCV默认使用的是BGR，区别在于图片在色彩通道上的排序不同。

2.2.2 HSV，HSL和YUV（了解即可）

2.2.2.1 HSV(HSB)

OpenCV用得最多的色彩空间是HSV。
Hue：色相，即色彩，用角度度量，取值范围为0°~360°，从红色开始按逆时针方向计算，红色为0°，绿色为120°，蓝色为240°。
Saturation：饱和度，表示色彩接近光谱色的程度。可以看成是某种光谱色和白色混合的结果。取值范围为0%~100%，值越大，颜色越饱和。
Value：明度，表示颜色明亮的程度，对于光源色，明度值与发光体的光亮度有关，对于物色体，此值与物体的透射比或反射比有关。通常取值为0%（黑）~100%（白）。

2.2.2.2 HSL

Hue：色相，与HSV的Hue完全一样。
Saturation：饱和度
Lightness：亮度

HSL在顶部是纯白的，不管是什么颜色。
与HSV的区别：

S：HSL的饱和度可以看成是稀释程度，不加颜色混合。
L：控制混入的黑白两种颜色。

2.2.2.3 YUV

是一种颜色编码的方式，常使用在各个视频处理组件中。YUV在对照片或视频编码时，考虑到人类的感知能力，允许降低色度的带宽。

YUV最大的有点在于只需占用极少的带宽。

4:4:4 表示完全取样
4:2:2 表示2:1的水平取样，垂直完全取样
4:2:0 表示2:1的水平取样，垂直2:1取样
4:1:1 表示4:1的水平取样，垂直完全取样

2.2.3 色彩空间的转换

cv2.cvtColor(src, code[, dst[, dstCn]])：颜色转换的关键API

import cv2

def callback(value):
	pass

cv2.namedWindow('color', cv2.WINDOW_NORMAL)
cv2.resizeWindow('color', 640,480)

img = cv2.imread('./img.jpg')

#常见的颜色空间转换，A为透明度，2 == to
color_spaces = [cv2.COLOR_BGR2RGBA, cv2.COLOR_BGR2BGRA, cv2.COLOR_BGR2GRAY, cv2.COLOR_BGR2HSV, cv2.COLOR_BGR2YUV]

cv2.createTrackbar('curcolor', 'color'， 0， 4， callback)

while True:
	index = cv2.getTrackbarPos('curcolor', 'color')

	cvt_img = cv2.cvtColor(img, color_spaces[index])

	cv2.imshow('color', cvt_img)
	key = cv2.waitKey(10)
	if key == ord('q'):
		break
	
cv2.destroyAllWindows()

2.3 OpenCV的重要数据结构——Mat

2.3.1 Mat介绍

Mat是OpenCV在C++语言中用来表示图像数据的一种数据结构。在Python中转化为numpy的ndarray。

Mat由header和data组成，header中记录了图片的维数、大小、数据类型等数据。

ndarray的四种常见属性：
1.img.size：元素的总个数
2.img.dtype
3.img.shape
4.img.ndim：维数

2.3.2 Mat拷贝

浅拷贝：指向同一个底层数据data，header不同
深拷贝：复制一份一模一样的数据，header和data都不同

import cv2
import numpy as np

img = cv2.imread('./img.jpg')

#浅拷贝
img2 = img.view()

#深拷贝
img3 = img.copy()

#该数据为了体现深浅拷贝的区别，改成红色
img[10:100, 10:100] = [0, 0, 255]

#cv2.imshow('img', img)
#cv2.imshow('img2', img2)
#cv2.imshow('img3', img3)

#一起显示，横向排版
cv2.imshow('img', np.hstack((img, img2, img3)))
cv2.waitKey(0)
cv2.destroyAllWindows()

2.3.3 通道的分离与合并

cv2.split(mat[, mv])：分割图像的通道
cv2.merge((ch1, ch2, ch3))：融合多个通道

#图像的分割与融合
import cv2
import numpy as np

img = np.zeros((480, 640, 3), np.uint8)

#分割通道
b, g, r = cv2.split(img)

#修改颜色
b[10:100, 10:100] = 255
g[10:100, 10:100] = 255

#合并通道，需要是元组
img2 = cv2.merge((b, g, r))

cv2.imshow('img', np.hstack((img, img2)))

cv2.waitKey(0)
cv2.destroyAllWindows()

让我们暂时结束色彩空间部分。

文章出处登录后可见！

已经登录？立即刷新

OpenCV初尝试2——颜色空间