概述

彩色图像比灰度图像拥有更丰富的信息，它的每个像素通常是由红（R）、绿（G）、蓝（B）3个分量来表示的，每个分量介于0～255之间。
图像中呈现的不同的颜色都是由R、G、B这3种颜色混合而成的。在OpenCV里面，彩色图像拥有3个颜色通道，但是通道的顺序是可以变换的，RGB、BRG、BGR、GBR、GRB都有可能。
在读取一幅图像的时候，我们对于图像的颜色通道排布并不清楚，因此需要先把图像的颜色通道固定下来，这就需要调用OpenCV的cvtColor()函数。
cvtColor()函数的功能是对图像进行颜色空间变换，原型如下：

dst=cv2.cvtColor(src, code )

函数输出进行颜色空间变换后存储图像。
通过调用cvtColor()函数，还可以将一幅彩色图像转换成灰度图像，示例代码见程序3-5，代码运行效果如图3.9所示。

▲彩色图像1.jpg

# -*- coding: UTF-8 -*-
import numpy as np
import cv2
#定义main()函数
def main():
   img = cv2.imread('1.jpg')
   img2 = cv2.cvtColor(img,cv2.COLOR_RGB2GRAY)
                                          #从彩色图像转化成灰度图像
   cv2.imshow('img2.bmp ', img2)
   cv2.waitKey(0)
if __name__ == '__main__':
   main()

▲图3.9 color2gray.py程序运行结果
注意：cvtColor()函数还可以通过改变参数cv2.COLOR_RGB2BRG等改变图像颜色通道的排列顺序。另外也可以直接在读取图像函数imread时设置参数为0，直接将彩色图像读取为灰度图像，img = cv2.imread('1.jpg',0)。

02 彩色图像的通道分离和混合
灰度图像是单通道的，彩色图像拥有R、G、B三个颜色通道。因此在图像处理时，经常把颜色通道分离，单独处理一个通道的数组，然后再合并成一幅彩色图像。
在实际的代码编写中，只需要调用OpenCV中的split()和merge()函数就可以实现图像的通道分离和合并。
split()函数的功能是将多通道的矩阵分离成单通道矩阵，原型如下：

[,mv]=cv2.split (src)

dst=cv2.merge([,dst] )

# -*- coding: UTF-8 -*-
import numpy as np
import cv2
#定义main()函数
def main():
   img = cv2.imread('1.jpg')    
   img2 = cv2.cvtColor(img,cv2.COLOR_BRG2RGB)
   r,g,b = cv2.split(img2)   #img分离成三个单通道的图像
   cv2.imshow("Red", r)
   cv2.imshow("Green", g)
   cv2.imshow("Blue", b)
   cv2.waitKey(0)
if __name__ == '__main__':
   main()

▲图3.10 colorsplit.py程序运行结果
可以看出，在图像通道分离后，不同颜色通道的图像显示深浅不一，单通道的图像呈现该颜色通道的灰度信息。接下来把这3个颜色通道混合一下，在代码中加入一行代码：img3 = cv2.merge([b,g,r]);，这样img3又回到了原来输入的彩色图像样式，显示效果如图3.11所示。

▲图3.11 图像三通道混合后的输出

04 彩色图像的二值化
图像的二值化是将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的黑白效果。彩色图像二值化最简单的步骤如下：

其中，阈值的操作会调用OpenCV的threshold()函数。
threshold()函数声明如下：

ret, dst = cv2.threshold(src, thresh, maxval, type)；

举例参考程序3-7。

# -*- coding: UTF-8 -*-
import numpy as np
import cv2
#定义main()函数
def main():
   img = cv2.imread('1.jpg',0)
   thresh1,dst =cv2.threshold(img,127,255,cv2.THRESH_BINARY)
                                               #图像二值化
   cv2.imshow("dst", dst)
   cv2.waitKey(0)
if __name__ == '__main__':
   main()

▲图3.12 colorthreshold.py程序输出结果

05 彩色图像的遍历
灰度图像的遍历按照访问二维数组的方式得到坐标位置的像素。那对于彩色图像呢？彩色图像可以看出是3维数组，遍历方式参见程序3-8。

# -*- coding: UTF-8 -*-
import numpy as np
import cv2
#定义main()函数
def main():
   img = cv2.imread('1.jpg')    
   height,width,n = img.shape #得到图片的宽高和维度
   img2 = img.copy()  #复制一个跟img相同的新图片
   #宽高两个维度遍历图片
   for i in range(height):
      for j in range(width):
         img2[i, j][0] = 0 #将第一个通道内的元素重新赋值
   cv2.imshow('img2.jpg', img2)
   cv2.waitKey(0)
if __name__ == '__main__':
   main()

▲图3.13 color1.py程序运行结果
在读取不同通道的图像像素值时，需要先确定图像的通道排列是RGB还是BRG。

06 彩色图像和灰度图像的转换
经过前面的学习，我们知道彩色图像转成灰度图像有3种路径：

那么灰度图像有没有可能转换成彩色图像呢？
我们知道灰度图像是单通道的，彩色图像是RGB 3这个颜色通道。那么是否可以人为地增加图像的通道，伪造出另外两个通道，而另外两个通道可以随机地赋值呢？程序3-9做出了尝试。

# -*- coding: UTF-8 -*-
import numpy as np
import cv2
#定义main()函数
def main():
   img = cv2.imread('gray1.jpg')    
   gray = np.zeros((512, 512, 3), np.uint8)  # 生成一个空彩色图像
   height,width,n = img.shape
   #图像像素级遍历
   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()

▲图3.14 gray2color1.py程序运行结果
上述方法转换的图像颜色很单一。有没有更加智能的方法呢？在摄像技术不是很成熟的时期，人们给拍摄出来的黑白照片上色，发明了一种伪彩色图像技术。在OpenCV里面，可以用预定义好的Colormap（色度图）来给图片上色，示例代码参见程序3-10。

程序3-10 伪彩色图像技术示例：

gray2color2.py

# -*- coding: UTF-8 -*-
import numpy as np
import cv2
#定义main()函数
def main():
   img = cv2.imread('gray1.jpg')    
   im_color = cv2.applyColorMap(img, cv2.COLORMAP_JET)  #色度图上色
   cv2.imshow("im_color.jpg", im_color)
   cv2.waitKey(0)
if __name__ == '__main__':
   main()

▲图3.15 gray2color程序运行结果

在大数据DT（ID：hzdashuju）后台对话框回复美颜，可获取本文源代码。

总结

以上是编程之家为你收集整理的手把手教你用Python给小姐姐美个颜全部内容，希望文章能够帮你解决手把手教你用Python给小姐姐美个颜所遇到的程序开发问题。

如果您也喜欢它,动动您的小指点个赞吧