OpenCV与图像处理学习二——图像基础知识(下)
OpenCV与图像处理学习二——图像基础知识(下)
本次学习笔记是对上次笔记的续写,一次写太多看起来也累。。
上次笔记的连接:OpenCV与图像处理学习一——图像基础知识(上)
2.4 图像直方图(Image Histogram)
用以表示数字图像中亮度分布的直方图,标绘了图像中每个亮度值的像素数。横坐标左侧为纯黑、较暗区域,右侧为纯白、较亮区域。
如下图所示,两幅图的右上角都绘制了它们各自的图像直方图:
意义:是图像中像素强度分布的图形表达方式。它统计了每个强度值所具有的像素个数。CV领域借助图像直方图来实现图像的二值化。
2.4.1 直方图的绘制
函数:
cv.calcHist( images, channels, mask, histSize, ranges[, hist[, accumulate]] )
参数:
- images:待统计图像,需用中括号括起来。
- channels:待统计的通道。
- mask:这里没用到,暂时不知道干啥的。
- histSize:表示直方图分成多少份。
- ranges:表示直方图中各个像素的值,灰度值范围。
先来看一下单通道的统计:
from matplotlib import pyplot as plt
import cv2
import numpy as np
img = cv2.imread('girl.jpg')
img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
plt.imshow(img_gray, cmap=plt.cm.gray)
hist = cv2.calcHist([img], [0], None, [256], [0, 256])
plt.figure()
plt.title("Grayscale Histogram")
plt.xlabel("Bins")
plt.ylabel("# of Pixels")
plt.plot(hist)
plt.xlim([0, 256])
plt.show()
这里只统计了第一个通道的直方图,结果如下所示:
2.4.2 三通道直方图绘制
看一下三个通道的例子:
from matplotlib import pyplot as plt
import cv2
girl = cv2.imread("girl.jpg")
cv2.imshow("girl", girl)
color = ("b", "g", "r")
#使用for循环遍历color列表,enumerate枚举返回索引和值
for i, color in enumerate(color):
hist = cv2.calcHist([girl], [i], None, [256], [0, 256])
plt.title("girl")
plt.xlabel("Bins")
plt.ylabel("num of perlex")
plt.plot(hist, color = color)
plt.xlim([0, 260])
plt.show()
cv2.waitKey(0)
cv2.destroyAllWindows()
看一下结果:
由此可见,三通道的彩色图里的像素值的分布是不一样的。
2.5 颜色空间
颜色空间也称彩色模型/彩色空间/彩色系统,用途是在某些标准下用通常可接受的方式对彩色加以说明。
常见的颜色空间有RGB、HSV、HSI以及CMYK,下面分别来看一下。
2.5.1 RGB颜色空间
主要用于计算机图形学中,依据人眼识别的颜色创建,图像中每一个像素都具有R、G、B三个颜色分量组成,均属于[0,255]。通常表示某个颜色时,写成一个3维向量形式(110,150,130)。
RGB颜色模型:
- 原点对应的颜色为黑色,三分量均为0。
- 距离原点最远的顶点对应颜色为白色,三分量均为1。
- 从黑色到白色的灰度值分布在这两点的连线上,该虚线称为灰度线。
- 立方体其余各点对应不同颜色,即三原色红、绿、蓝及其混合色黄、品红、青色。
2.5.2 HSV颜色空间(Hue、Saturation、Value)
根据颜色直观特性由A.R.Smith在1978年创建的一种颜色空间,参数分别是:色调(Hue)、饱和度(Saturation)、明度( Value)。
HSV颜色模型:
- H通道:Hue,色调/色彩,代表颜色,0°对应红色,120°对应绿色,240°对应蓝色。
- S通道:Saturation,饱和度,取值范围:0%~100%,值越大,越饱和。
- V通道:Value,明暗,数值越大越亮,0%(黑)到100%(白)。
RGB空间与HSV空间转化:
import cv2
# 色彩空间转换函数
def color_space_demo(image):
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
cv2.imshow('gray', gray)
hsv = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)
# print(hsv)
cv2.imshow('hsv', hsv)
# 读入一张彩色图
src = cv2.imread('girl.jpg')
cv2.imshow('before', src)
# 调用color_space_demo函数进行色彩空间转化
color_space_demo(src)
cv2.waitKey(0)
cv2.destroyAllWindows()
结果如下所示:
2.5.3 HSI
由美国色彩学家孟塞尔于1915年提出,它反映了人视觉系统感知彩色的方式,以色调、饱和度和强度三种基本特征量来感知颜色,即把HSV中的明度换成了强度I。
HSI颜色模型:
模型优点:
- 在处理彩色图像时,可仅对I分量进行处理,结果不改变原图像中的彩色种类。
- HSI模型完全反映了人感知颜色的基本属性,与人感知颜色的基本属性,与人感知颜色的结果一一对应。
2.5.4 CMYK(Cyan、Magenta、Yellow、black)
应用于印刷工业,印刷业通过青(C)、品(M)、黄(Y)三原色油墨的不同网点面积率的叠印来表现丰富多彩的颜色和阶调,这便是三原色的CMY颜色空间。
本文地址:https://blog.csdn.net/qq_40467656/article/details/109009718
下一篇: 深度剖析java动态静态代理原理源码
推荐阅读
-
OpenCV与图像处理—图像基本操作
-
荐 opencv进阶学习笔记2:numpy操作图像,色彩空间,查找指定颜色范围,通道分离与合并
-
OpenCV与图像处理学习二——图像基础知识(下)
-
Android下常用的图像处理程序(灰度化、线性灰度变化、二值化)
-
OpenCV图像处理与图像基本操作
-
基于OpenCv与JVM实现加载保存图像功能(JAVA 图像处理)
-
OpenCV C++开发 第二节:图像处理(五、均值模糊、高斯模糊、中值模糊、双边模糊、腐蚀、膨胀)
-
番外篇2.2:图像处理与深度学习-CNN的发展和结构
-
深入学习Python+Opencv常用四种图像处理操作
-
【openCV-python系列学习】三、图像属性以及通道处理