雲栖号資訊：【 點選檢視更多行業資訊】
在這裡您可以找到不同行業的第一手的上雲資訊，還在等什麼，快來！
01 圖像的顔色空間
彩色圖像比灰階圖像擁有更豐富的資訊，它的每個像素通常是由紅（R）、綠（G）、藍（B）3個分量來表示的，每個分量介于0～255之間。
圖像中呈現的不同的顔色都是由R、G、B這3種顔色混合而成的。在OpenCV裡面，彩色圖像擁有3個顔色通道，但是通道的順序是可以變換的，RGB、BRG、BGR、GBR、GRB都有可能。
在讀取一幅圖像的時候，我們對于圖像的顔色通道排布并不清楚，是以需要先把圖像的顔色通道固定下來，這就需要調用OpenCV的cvtColor()函數。
cvtColor()函數的功能是對圖像進行顔色空間變換，原型如下：
dst=cv2.cvtColor(src, code ) 參數說明：
- src：輸入圖像即要進行顔色空間變換的原圖像，可以是Mat類。
- code：轉換的代碼或辨別，即在此确定将什麼制式的圖檔轉換成什麼制式的圖檔，後面會詳細講述。
函數輸出進行顔色空間變換後存儲圖像。
通過調用cvtColor()函數，還可以将一幅彩色圖像轉換成灰階圖像，示例代碼見程式3-5，代碼運作效果如圖3.9所示。
程式3-5 彩色圖像轉灰階圖像示例：
color2gray.py
# -*- coding: UTF-8 -*-
import numpy as np
import cv2
#定義main()函數
def main():
img = cv2.imread('1.jpg')
img2 = cv2.cvtColor(img,cv2.COLOR_RGB2GRAY)
#從彩色圖像轉化成灰階圖像
cv2.imshow('img2.bmp ', img2)
cv2.waitKey(0)
if __name__ == '__main__':
main() 
注意：cvtColor()函數還可以通過改變參數cv2.COLOR_RGB2BRG等改變圖像顔色通道的排列順序。另外也可以直接在讀取圖像函數imread時設定參數為0，直接将彩色圖像讀取為灰階圖像，img = cv2.imread('1.jpg',0)。
02 彩色圖像的通道分離和混合
灰階圖像是單通道的，彩色圖像擁有R、G、B三個顔色通道。是以在圖像處理時，經常把顔色通道分離，單獨處理一個通道的數組，然後再合并成一幅彩色圖像。
在實際的代碼編寫中，隻需要調用OpenCV中的split()和merge()函數就可以實作圖像的通道分離和合并。
split()函數的功能是将多通道的矩陣分離成單通道矩陣，原型如下：
[,mv]=cv2.split (src) 參數說明：輸入參數為要進行分離的圖像矩陣，輸出參數為一個Mat數組。
merge()函數的功能是将多個單通道圖像合成一幅多通道圖像，原型如下：
dst=cv2.merge([,dst] ) 參數說明：輸入參數可以是Mat數組，輸出為合并後的圖像矩陣。
03 彩色圖像的通道分離和混合程式示例
輸入一幅彩色圖像，通過程式3-6将其分割成R、G、B這3個通道的圖像并顯示。在分割前需要先确定圖像的顔色通道分布，是以先調用cvtColor()函數固定顔色通道。示例代碼參見程式3-6，效果如圖3.10所示。
程式3-6 彩色圖像通道分離示例：
colorsplit.py
# -*- coding: UTF-8 -*-
import numpy as np
import cv2
#定義main()函數
def main():
img = cv2.imread('1.jpg')
img2 = cv2.cvtColor(img,cv2.COLOR_BRG2RGB)
r,g,b = cv2.split(img2) #img分離成三個單通道的圖像
cv2.imshow("Red", r)
cv2.imshow("Green", g)
cv2.imshow("Blue", b)
cv2.waitKey(0)
if __name__ == '__main__':
main() 可以看出，在圖像通道分離後，不同顔色通道的圖像顯示深淺不一，單通道的圖像呈現該顔色通道的灰階資訊。接下來把這3個顔色通道混合一下，在代碼中加入一行代碼：img3 = cv2.merge([b,g,r]);，這樣img3又回到了原來輸入的彩色圖像樣式，顯示效果如圖3.11所示。
04 彩色圖像的二值化
圖像的二值化是将圖像上的像素點的灰階值設定為0或255，也就是将整個圖像呈現出明顯的黑白效果。彩色圖像二值化最簡單的步驟如下：
1.彩色圖像轉灰階。
2.圖像門檻值化處理，即像素值高于某門檻值的像素指派為255，反之為0。
其中，門檻值的操作會調用OpenCV的threshold()函數。
threshold()函數聲明如下：
ret, dst = cv2.threshold(src, thresh, maxval, type)； 函數功能：實作圖像固定門檻值的二值化。
src：輸入圖，隻能輸入單通道圖像，通常來說為灰階圖。
dst：輸出圖。
thresh：門檻值。
maxval：當像素值超過了門檻值（或者小于門檻值，根據type來決定）時所賦予的值。
type：二值化操作的類型，包含5種類型，即cv2.THRESH_BINARY、cv2.THRESH_BINARY_INV、cv2.THRESH_TRUNC、cv2.THRESH_TOZERO和cv2.THRESH_TOZERO_INV。
舉例參考程式3-7。
程式3-7 彩色圖像二值化示例：
colorthreshold.py
# -*- coding: UTF-8 -*-
import numpy as np
import cv2
#定義main()函數
def main():
img = cv2.imread('1.jpg',0)
thresh1,dst =cv2.threshold(img,127,255,cv2.THRESH_BINARY)
#圖像二值化
cv2.imshow("dst", dst)
cv2.waitKey(0)
if __name__ == '__main__':
main() 如程式3-7所示，高于127的像素全部置為255，低于的全部置為0，得到如圖3.12所示的輸出結果。
05 彩色圖像的周遊
灰階圖像的周遊按照通路二維數組的方式得到坐标位置的像素。那對于彩色圖像呢？彩色圖像可以看出是3維數組，周遊方式參見程式3-8。
程式3-8 周遊彩色圖像示例：
color1.py
# -*- coding: UTF-8 -*-
import numpy as np
import cv2
#定義main()函數
def main():
img = cv2.imread('1.jpg')
height,width,n = img.shape #得到圖檔的寬高和次元
img2 = img.copy() #複制一個跟img相同的新圖檔
#寬高兩個次元周遊圖檔
for i in range(height):
for j in range(width):
img2[i, j][0] = 0 #将第一個通道内的元素重新指派
cv2.imshow('img2.jpg', img2)
cv2.waitKey(0)
if __name__ == '__main__':
main() 由于第一個通道裡面的顔色資訊全部變為了0，圖像顯示結果如圖3.13所示。
在讀取不同通道的圖像像素值時，需要先确定圖像的通道排列是RGB還是BRG。
06 彩色圖像和灰階圖像的轉換
經過前面的學習，我們知道彩色圖像轉成灰階圖像有3種路徑：
imread讀取圖像的時候直接設定參數為0，彩色圖像自動被讀成灰階圖像。
調用cvtColor()函數，參數設定為cv2.COLOR_BGR2GRAY。
調用split()函數，可以将一幅彩色圖像分離成3個單通道的灰階圖像。
那麼灰階圖像有沒有可能轉換成彩色圖像呢？
我們知道灰階圖像是單通道的，彩色圖像是RGB 3這個顔色通道。那麼是否可以人為地增加圖像的通道，僞造出另外兩個通道，而另外兩個通道可以随機地指派呢？程式3-9做出了嘗試。
程式3-9 增加圖像通道示例：
gray2color1.py
# -*- coding: UTF-8 -*-
import numpy as np
import cv2
#定義main()函數
def main():
img = cv2.imread('gray1.jpg')
gray = np.zeros((512, 512, 3), np.uint8) # 生成一個空彩色圖像
height,width,n = img.shape
#圖像像素級周遊
for i in range(height):
for j in range(width):
gray[i, j][0] = img[i, j][0]
gray[i, j][1] = 0
gray[i, j][2] = 0
cv2.imshow('gray.jpg', gray)
cv2.waitKey(0)
=if __name__ == '__main__':
main() 上述程式建立了一個3通道的空的彩色圖像，然後将讀取的灰階圖像放在建立的彩色圖像的第一個通道，也就是B通道，其他兩個通道指派0，是以圖像整體呈現藍色，程式運作結果如圖3.14所示。
上述方法轉換的圖像顔色很單一。有沒有更加智能的方法呢？在攝像技術不是很成熟的時期，人們給拍攝出來的黑白照片上色，發明了一種僞彩色圖像技術。在OpenCV裡面，可以用預定義好的Colormap（色度圖）來給圖檔上色，示例代碼參見程式3-10。
程式3-10 僞彩色圖像技術示例：
gray2color2.py
# -*- coding: UTF-8 -*-
import numpy as np
import cv2
#定義main()函數
def main():
img = cv2.imread('gray1.jpg')
im_color = cv2.applyColorMap(img, cv2.COLORMAP_JET) #色度圖上色
cv2.imshow("im_color.jpg", im_color)
cv2.waitKey(0)
if __name__ == '__main__':
main() 程式運作結果如圖3.15所示。僞彩色圖像目前主要應用在對高度、壓力、密度、濕度等描述上，彩色資料可視化。
【雲栖号線上課堂】每天都有産品技術專家分享！
課程位址：
https://yqh.aliyun.com/zhibo立即加入社群，與專家面對面，及時了解課程最新動态！
【雲栖号線上課堂 社群】
https://c.tb.cn/F3.Z8gvnK
原文釋出時間：2020-05-25
本文作者： 方圓圓
本文來自：“
大資料DT 微信公衆号”，了解相關資訊可以關注“
大資料DT”