图像的位运算bitwise(),色彩空间变换cvtColor ,颜色图applyColorMap()

1.按位取反bitwise_not()
按位取反就是将数值根据每个bit位1变0,0变1,比如0xf0按位取反就变成了0x0f,如果是uint8类型的数据,取反前后的数据相加结果为0xff(255)。

img_ret1 = cv2.bitwise_not(img1)

2.按位与bitwise_and() ,或bitwise_or() ,异或bitwise_xor()
按位与、或、异或操作需要2个图像对象、或者1个图像对象和1个标量数据相互作用.

dst = cv2.bitwise_and(src1, src2[, dst[, mask]] )
dst = cv2.bitwise_or(src1, src2[, dst[, mask]] )
dst = cv2.bitwise_xor(src1, src2[, dst[, mask]] )

2个图像的按位操作和算术运算一样,也要求2个图像的大小一样,通道数一样。位运算中2个图像的数据类型也必须一致。
一个好的编程习惯是不管图像是多少通道的都使用四元组表示这个标量,如果不想对某些通道进行位运算,则用相应的全0或全f代替,比如一个3通道的uint8类型的图像,只需要对2通道和0x33相与,构造的四元组就是(0xff,0x33,0xff,0xff)。

img_ret1 = cv2.bitwise_and(img1,(0x3f,0x3f,0x3f,0))

浮点类型的位运算几乎很少使用。

色彩转换cvtColor()

在数字图像中,最常见的彩色模型是RGB模型(红、绿、蓝,在OpenCV中彩色图像组织的顺序是B-G-R,仍然是RGB模型),这种模型是硬件处理的常用模型,比如采集图像的CCD传感器、显示图像的显示器等等,符合描述人类眼睛观察的则是HSV(色度、饱和度、亮度)模型。

OpenCV则提供了各种彩色模型(色彩空间)相互转换的接口,比如可以从BGR转换为HSV,HSV转换为BGR,也可以从BGR转换为灰度图。
dst=cv2.cvtColor(src, code[, dst[, dstCn]])
src为源图像对象;
code是OpenCV中色彩空间定义的宏常量,可以通过colors = [i for i in dir(cv) if i.startswith(‘COLOR_’)]的方法遍历出所有的色彩空间转换的名称,在4.5.2版本中转换方法有274种之多。
比较常用的有COLOR_BGR2GRAY、COLOR_GRAY2BGR、COLOR_BGR2HSV、COLOR_BGR2RGB
dstCn为目标图像的通道数,如果设置为0,会自动从源图像计算目标图像的通道数。

img_ret2 = cv2.cvtColor(img2,cv2.COLOR_BGR2HSV)

HSV色彩空间

颜色图

applyColorMap(),它可以将灰度图像转换成彩色图像,转换的模式达22种之多.

cv2.applyColorMap(src, colormap[, dst]) ->dst

其中src为输入图像,可以是单通道或3通道的8bit图像。
colormap为颜色图模式,可以传入整数0~21对应各种不同的颜色图.

import cv2 
img_gray = cv2.imread("ha.jpg",cv2.IMREAD_GRAYSCALE)
for i in range(0,21):
    dst = cv2.applyColorMap(img_gray,i) 
    cv2.imshow('map',dst) 
    cv2.waitKey(500)
    cv2.imwrite("map-"+str(i)+".jpg",dst)

你可能感兴趣的:(传统CV,opencv,计算机视觉,人工智能)