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

---

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）】