ʚʕ̯•͡˔•̯᷅ʔɞ

🍹欢迎各路大佬来到小啾主页指点

☀️欢迎大家前来学习OpenCVBGR              、GRAY 
 
  
 
  
 
  
 
  
 
  
 
  
 
  、HSV色彩空间&色彩通道专题 - Open_CV系列博文第三篇  
  
  
  
  
  
  
 ，我是侯小啾  
  
  
  
  
  
  
 。

✨博客主页：云雀编程小窝

🌹꧔ꦿ

🌹꧔ꦿ博文内容如对您有所帮助 
  
  
  
  
  
  
 ，还请给个点赞 + 关注 + 收藏

✨

            

如有疑问欢迎随时在评论区交流 
  
  
  
  
  
  
 。☀️

1.色彩空间

色彩空间是人类为了描述不同频率的光


 


 


 


 


 


 


 
，而建立出的色彩模型


 


 


 


 


 


 


 
。不同通道的表示方式有所不同 
 
 
 
 
 
 
。

除了OpenCV默认的BGR色彩空间 
 
 
 
 
 
 
，还有两个常用的色彩空间：HSV色彩空间和GRAY色彩空间  
   
   
   
   
   
   
  。

其中HSV色彩空间和BGR色彩空间都可以表示彩色色彩空间  
   
   
   
   
   
   
  ，都是使用三维数组表示的

 

 

 

 

 

 

 
。而GRAY色彩空间在只能表示灰度图像
 

 

 

 

 

 

 
。

1.1 BGR色彩空间

BGR色彩空间是OpenCV默认的色彩空间               。众所周知,BGR色彩空间有三个通道
 

 
 

 
 

 
 

 
 

 
 

 
 

 
。该色彩空间是基于B（l蓝色）

 

 

 

 

 

 

 
，G（绿色）
 

 

 

 

 

 

 
，R（红色）而言的













。像素数组内每个数据的值都在[0,255]内                      。

1.2 GRAY色彩空间

GRAY色彩空间即灰度图像的色彩空间
 
 
 
 
 
 
 
 
 
 
 
 
 
 
。像素数组中               ，可以是从0到255的 256个数字
 

 
 

 
 

 
 

 
 

 
 

 
 

 
，每个数值表示从黑变白的颜色深浅程度




















。0表示纯黑色













，255表示纯白色                      ，数值越大越趋于白色               。

1.3 HSV色彩空间

BGR色彩空间是基于三基色（红
 
 
 
 
 
 
 
 
 
 
 
 
 
 
，绿




















，蓝） 而言的
 
  
 
  
 
  
 
  
 
  
 
  
 
  
。而HSV色彩空间是基于色调(H)               ，饱和度(S)和亮度(V)

而言的













。

其具体解释如下： 含义 描述 范围 H 色调 指光的颜色 [0,180]  红色:0, 黄色:30, 绿色:60, 蓝色:120 S 饱和度 指色彩的深浅 [0,255] 饱和度为0时变为灰度图像  
  
  
  
  
  
  
 。 V 亮度 指光的明暗 [0,255] 亮度为0时
 
  
 
  
 
  
 
  
 
  
 
  
 
  
，图像为纯黑色 
  
  
  
  
  
  
 。亮度越大













，图像越亮


 


 


 


 


 


 


 
。

1.4 空间转换

cv2.cvtColor( )方法

在OpenCV中用于色彩空间转换 
 
 
 
 
 
 
。

语法

cv2.cvtColor(src,code)

src 即要操作的原图像 code 指色彩空间转换码  
   
   
   
   
   
   
  。

从BGR色彩空间 转换为 GRAY色彩空间  
  
  
  
  
  
  
 ，需要用到的色彩空间转换码为 cv2.COLOR_BGR2GRAY 从BGR色彩空间 转换为 HSV色彩空间 
  
  
  
  
  
  
 ，需要用到的色彩空间转换码为 cv2.COLOR_BGR2HSV

1.4.1 BGR 转 GRAY

使用如图的小猫咪图片作为示例

 

 

 

 

 

 

 
。

将改图从BGR色彩空间 转换到 GRAY色彩空间


 


 


 


 


 


 


 
，代码如下：

import cv2 image = cv2.imread("pic.jpg") gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) cv2.imshow("GRAY", gray_image) cv2.waitKey() cv2.destroyAllWindows()

1.4.2 BGR 转 HSV

再将猫图从BGR色彩空间 转到 HSV色彩空间
 

 

 

 

 

 

 
。

import cv2 image = cv2.imread("pic.jpg") cv2.imshow("BGR", image) hsv_image = cv2.cvtColor(image, cv2.COLOR_BGR2HSV) cv2.imshow("HSV", hsv_image) cv2.waitKey() cv2.destroyAllWindows()

如图 
 
 
 
 
 
 
，改变色彩空间类型后  
   
   
   
   
   
   
  ，《我们的猫》变成了《梵高的猫》               。

为什么会这样呢？

  因为

 

 

 

 

 

 

 
，BGR色彩空间 转到 HSV色彩空间后
 

 

 

 

 

 

 
，发生变化的只是描述图像的数组               ，数组中每个数字表示的意义变了
 

 
 

 
 

 
 

 
 

 
 

 
 

 
，数值也发生了一定的变化













，但是计算机读取图片的方式没有变                      ，(0,0,0)依然表示纯黑色
 
 
 
 
 
 
 
 
 
 
 
 
 
 
，(255,255,255)仍然表示纯白色




















，所以给我们呈现出看一幅不同于之前的图片
 

 
 

 
 

 
 

 
 

 
 

 
 

 
。产生这样的图像效果的意义并不是为了满足人类的视觉               ，而是为满足计算机的视觉
 
  
 
  
 
  
 
  
 
  
 
  
 
  
，计算机通过操作HSV色彩空间的数组的每个值













，从而达到影响图像的色调(H)  
  
  
  
  
  
  
 ，饱和度(S)和亮度(V)的目的













。处理完之后 
  
  
  
  
  
  
 ，再转回HSV色彩空间


 


 


 


 


 


 


 
，图片即变得符合人类视觉                      。

2. 色彩通道

色彩空间由色彩通道构成 
 
 
 
 
 
 
，对色彩通道我们也可以有一定的处理
 
 
 
 
 
 
 
 
 
 
 
 
 
 
。

2.1 色彩通道的拆分

OpenCV提供了split()方法可以满足我们对图像中的色彩通道的拆分需求




















。以便对每个色彩通道单独处理               。

cv2.split(image)

2.1.1 cv2.split() 拆分BGR通道

以拆分猫图的BGR色彩通道为例

import cv2 bgr_image = cv2.imread("pic.jpg") b, g, r = cv2.split(bgr_image) cv2.imshow("B", b) cv2.imshow("G", g) cv2.imshow("R", r) cv2.waitKey() cv2.destroyAllWindows()

程序执行结果如图所示：

三个通道的图片效果如图所示  
   
   
   
   
   
   
  ，是三个有着一定差别的灰度图像
 
  
 
  
 
  
 
  
 
  
 
  
 
  
。

至于为什么这样

 

 

 

 

 

 

 
，我们查看一下像素数组的变化便可知晓：

查看原图数组：

bgr_image = cv2.imread("pic.jpg") print(bgr_image.shape) print(bgr_image)

查看拆分后的B通道图像的数组

b, g, r = cv2.split(bgr_image) print(b.shape) print(b)

可以看出
 

 

 

 

 

 

 
，拆分后               ，数组由三维数组变成了二维数组
 

 
 

 
 

 
 

 
 

 
 

 
 

 
，表示灰度图像的数组













，二维数组的每个数值为原数组的每一个b通道值                      ，在灰度图像中表示每一个像素的色彩深浅程度













。g通道













、r通道也同理
 
 
 
 
 
 
 
 
 
 
 
 
 
 
，因为数值不同




















，所以灰度图像也有所差异  
  
  
  
  
  
  
 。

以拆分猫图的HSV的色彩通道为例

2.1.2 拆分HSV通道

所以同理               ，HSV通道图像经过拆分后得到的也是三个灰度图像 
  
  
  
  
  
  
 。

import cv2 bgr_image = cv2.imread("pic.jpg") hsv_image = cv2.cvtColor(bgr_image, cv2.COLOR_BGR2HSV) h, s, v = cv2.split(hsv_image) cv2.imshow("H", h) cv2.imshow("S", s) cv2.imshow("V", v) cv2.waitKey() cv2.destroyAllWindows()

程序执行结果如下：

2.2 cv2.merge() 色彩通道的合并

色彩通道不仅可以有拆分处理
 
  
 
  
 
  
 
  
 
  
 
  
 
  
，也可以有合并处理













，即拆分的逆操作  
  
  
  
  
  
  
 ，即把离散的表示B
  
  
  
  
  
  
  
、G 
  
  
  
  
  
  
 、R 或 H 


 


 


 


 


 


 


 、S
 
 
 
 
 
 
 
、V的数组合并在一起合成一张彩色图像


 


 


 


 


 


 


 
。

这里使用原图像 
  
  
  
  
  
  
 ，拆分后再恢复


 


 


 


 


 


 


 
，展示为原图像 
 
 
 
 
 
 
。代码示例如下 
 
 
 
 
 
 
，结果不再一一展示  
   
   
   
   
   
   
  。

2.2.1 BGR 合并

import cv2 bgr_image = cv2.imread("pic.jpg") b, g, r = cv2.split(bgr_image) # 这里要求顺序必须是b,g,r bgr = cv2.merge([b, g, r]) cv2.imshow("BGR", bgr) cv2.waitKey() cv2.destroyAllWindows()

2.2.2 HSV 合并

import cv2 bgr_image = cv2.imread("pic.jpg") hsv_image = cv2.cvtColor(bgr_image, cv2.COLOR_BGR2HSV) h, s, v = cv2.split(hsv_image) hsv = cv2.merge([h, s, v]) bgr = cv2.cvtColor(hsv, cv2.COLOR_HSV2BGR) cv2.imshow("BGR", bgr) cv2.waitKey() cv2.destroyAllWindows()

2.2.3 通道拆分与合并的综合运用

在BRG和HSV色彩空间中  
   
   
   
   
   
   
  ，改变通道值都可以带来意想不到的艺术效果

 

 

 

 

 

 

 
。

以HSV色彩空间为例

 

 

 

 

 

 

 
，改变单个通道值：

如
 

 

 

 

 

 

 
，把表示颜色的h值改为60               ，即绿色：

import cv2 bgr_image = cv2.imread("pic.jpg") cv2.imshow("pic", bgr_image) hsv_image = cv2.cvtColor(bgr_image, cv2.COLOR_BGR2HSV) h, s, v = cv2.split(hsv_image) h[:, :] = 60 hsv = cv2.merge([h, s, v]) new_Image = cv2.cvtColor(hsv, cv2.COLOR_HSV2BGR) cv2.imshow("NEW", new_Image) cv2.waitKey() cv2.destroyAllWindows()

h改为30
 

 
 

 
 

 
 

 
 

 
 

 
 

 
， 黄色：

h[:, :] = 30

h改为0













，红色：

h[:, :] = 0

h改为120                      ，蓝色：

h[:, :] = 120

v通道值改为255（亮度最高）：

v[:, :] = 255

s通道值改为255（色彩饱和度最高）：

s[:, :] = 255

红色
 
 
 
 
 
 
 
 
 
 
 
 
 
 
，亮度最高：

h[:, :] = 0

v[:, :] = 255

2.3BGRA色彩空间 (alpha 通道)

OpenCV在BGR色彩空间的基础上增加了用于设置图像透明度的alpha通道




















，也称A通道
 

 

 

 

 

 

 
。

与BGR通道结合起来               ，组成了BGRA色彩空间               。

从BGR色彩空间转换到BGRA色彩空间的转换码为cv2.COLOR_BGR2BGRA

下边展示在BGRA色彩空间中设置透明度的过程：

首先进行色彩空间转换
 
  
 
  
 
  
 
  
 
  
 
  
 
  
，将BGR色彩空间转化为BGR色彩空间：

import cv2 bgr_image = cv2.imread("pic.jpg") bgra_image = cv2.cvtColor(bgr_image, cv2.COLOR_BGR2BGRA) print(bgra_image)

程序执行结果如下













，可以看出  
  
  
  
  
  
  
 ，A值都为255 
  
  
  
  
  
  
 ，即原图总是默认不透明的
 

 
 

 
 

 
 

 
 

 
 

 
 

 
。

            

然后分别将A通道值设置为172和0


 


 


 


 


 


 


 
，并保存图片 
 
 
 
 
 
 
，对比图片效果













。

这里不保存下来查看的话  
   
   
   
   
   
   
  ，在程序运行中展示并看不出差异                      。

保存图片时

 

 

 

 

 

 

 
，要保存为png格式的图片
 

 

 

 

 

 

 
，因为png文件即为BGRA四通道色彩空间的图像文件形式
 
 
 
 
 
 
 
 
 
 
 
 
 
 
。 b, g, r, a = cv2.split(bgra_image) a[:, :] = 172 bgra_172 = cv2.merge([b, g, r, a]) a[:, :] = 0 bgra_0 = cv2.merge([b, g, r, a]) cv2.imwrite("BGRA.png", bgra_image) cv2.imwrite("BGRA172.png", bgra_172) cv2.imwrite("BGRA0.png", bgra_0)

结果图片呈现如下：

从左到右透明度依次为0,172               ，255




















。

感谢您对博主的支持！

🌹꧔ꦿ本系列blog传送门：

✨OpenCV图像处理基本操作 【Python-Open_CV系列（一）】

✨OpenCV像素处理基本操作 【Python-Open_CV系列（二）】

✨OpenCV之 BGR  
   
   
   
   
   
   
 、GRAY 

 

 

 

 

 

 

 、HSV色彩空间&色彩通道专题 【Python-Open_CV系列（三）】

✨OpenCV绘制图像与文字(可作为脚手架代码)(python) 【Python-Open_CV系列（四）】

✨OpenCV图像几何变换专题(缩放

 

 

 

 

 

 

 
、翻转              、仿射变换及透视)【python-Open_CV系列（五）】

✨基于梵·高《向日葵》的 图像阈值处理专题（二值处理 
 

 
 

 
 

 
 

 
 

 
 

 
 

 、反二值处理














、截断处理                     、自适应处理及Otsu方法）【Python-Open_CV系列（六）】

✨OpenCV基本功 之 图像的掩模 
 
 
 
 
 
 
 
 
 
 
 
 
 
 、运算 & 合并专题 -小啾带学【Python-Open_CV系列（七）】

✨《三英战吕布》 - 图像模板匹配 【Python-Open_CV系列（八）】

✨OpenCV滤波器 龙门石窟篇【Python-Open_CV系列（九）】(均值滤波器





















、中值滤波器              、高斯滤波器 
 
  
 
  
 
  
 
  
 
  
 
  
 
  、双边滤波器)

✨Open_CV形态学运算专题 （腐蚀&膨胀













、开&闭运算
  
  
  
  
  
  
  
、梯度运算 
  
  
  
  
  
  
 、顶帽运算黑帽运算 ）【Python-Open_CV系列（十）】

✨霍夫变换看不懂？小啾带你串一遍：OpenCV图形检测专题 这样学最简单【Python-Open_CV系列（十一）】

✨小啾带你开天眼 之 开启py-OpenCV摄像头及视频处理【Python-Open_CV系列（十二）】

✨小啾带你开天眼 之 人脸检测与识别(以及华强 


 


 


 


 


 


 


 、皇叔
 
 
 
 
 
 
 
、高祖配墨镜特效)【Python-Open_CV系列（十三）】