python+opencv3生成一个自定义纯色图

     一、

          图像在计算机中存储为矩阵。矩阵上一个点表示一个像素。若矩阵由一系列0~255的整数值组成,则表现为灰度图。便于理解,以下贴出代码:

import cv2
import numpy as np
img = np.ones((3,3),dtype=np.uint8)#random.random()方法后面不能加数据类型
#img = np.random.random((3,3)) #生成随机数都是小数无法转化颜色,无法调用cv2.cvtColor函数
img[0,0]=100
img[0,1]=150
img[0,2]=255
cv2.imshow('img',img)

cv2.waitKey(0)

运行以上代码的效果为:

python+opencv3生成一个自定义纯色图_第1张图片

img[0,0]表示矩阵第一行第一列的元素,其值为100。以此类推。由图可以看出,值越大,灰度越小,显示越接近白色。(也可以理解为亮地越多。0表示啥也不亮,黑色;255表示全亮,白色)

      二、

            以上是单通道的效果,接下来将上图转化为3通道BGR图 ,每一个像素点由一个三元数组表示。其中bgr_img[]0,0,0]表示第一行(y)第一列(x)B通道的值;bgr_img[100,200,1]表示第101行(y)第201列(x)G通道的值。

            注:第三个参数表示BGR通道,取值范围为0~2

           便于理解,以下贴出代码:

           bgr_img = cv2.cvtColor(img,cv2.COLOR_GRAY2BGR)
           cv2.imshow('bgr_img',bgr_img)
           bgr_img[:,:,0] = 0
           bgr_img[:,:,1] = 255
           bgr_img[:,:,2] = 255
           cv2.imshow('bgr_img2',bgr_img)
           cv2.waitKey(0)

           以上代码和第一部分结合起来运行,运行后效果如下:

         

你可能感兴趣的:(工作日志)