OpenCV的色彩空间

RGB和BGR

最常见的色彩空间就是RGB，人眼也是基于RGB的色彩空间去分辨颜色的

OpenCV默认使用的是BGR，BGR和RGB色彩空间的区别在于图片在色彩通道上的排列顺序不同

显示图片时要注意适配图片的色彩空间和显示环境的色彩空间：比如传入的图片是BGR色彩空间，显示环境是RGB色彩空间，就会出现颜色混乱的情况

---

HSV,HSL和YUV

HSV(HSB)

OpenCV用的最多的色彩空间就是HSV

• Hue：色相，即色彩，如红色、蓝色，用角度来度量，取值范围为0°~360°，从红色开始按照逆时针方向计算，红色为0°，绿色为120°，蓝色为240°
• Saturation：饱和度, 表示颜色接近光谱色的程度。一种颜色，可以看成是某种光谱色与白色混合的结果。其中光谱色所占的比例愈大，颜色接近光谱色的程度就愈高，颜色的饱和度也就愈高。饱和度高，颜色则深而艳。光谱色的白光成分为0，饱和度达到最高。通常取值范围为0%～100%，值越大，颜色越饱和。
• Value(brightness)： 明度. 明度表示颜色明亮的程度，对于光源色，明度值与发光体的光亮度有关；对于物体色，此值和物体的透射比或反射比有关。通常取值范围为0%（黑）到100%（白）。
  
  为什么要使用HSV?

方便OpenCV做图像处理.比如根据hue的值就可以判断背景颜色.

---

HSL

HSL和HSV差不多

• Hue: 色相
• Saturation: 饱和度
• Lightness: 亮度

HSL在顶部是纯白的, 不管是什么颜色.

HSL和HSV的区别

理解：

---

YUV

YUV是一种颜色编码方法。常使用在各个视频处理组件中。 YUV在对照片或视频编码时，考虑到人类的感知能力，允许降低色度的带宽（因为我们人眼分不出太多的颜色，因此可以节约带宽）

• “Y”表示明亮度（Luminance或Luma），也就是灰阶值，以前的黑白电视就是只用Y调整灰度即可
• “U”和“V”表示的则是色度（Chrominance或Chroma），作用是描述影像色彩及饱和度，用于指定像素的颜色。

Y'UV的发明是由于彩色电视与黑白电视的过渡时期。

Y'UV最大的优点在于只需占用极少的带宽。

• 4:4:4表示完全取样。
• 4:2:2表示2:1的水平取样，垂直完全采样。
• 4:2:0表示2:1的水平取样，垂直2：1采样。
• 4:1:1表示4:1的水平取样，垂直完全采样。

每4个Y只有——>2个U或者2个V

---

颜色空间的转化

关键API cv2.cvtColor()

# 关键API cv2.cvtColor()
import cv2

# 定义一个回调函数callback——> 我们要使用trackbar滑块
def callback(value):
    pass # 我们不需要功能实现 因此直接pass

# 创建窗口
cv2.namedWindow('color',cv2.WINDOW_NORMAL)
cv2.resizeWindow('color',640,480)

# 读取图片 ——> opencv读进来的格式默认是BGR的色彩空间
img = cv2.imread('./cat.jpeg')

# 定义颜色空间转化列表
color_spaces = [
    # 记忆：所有颜色空间的转化都是以"COLOR"开头的 
    cv2.COLOR_BGR2RGBA , cv2.COLOR_BGR2BGRA ,# BGRA中的‘A’表示透明度
    cv2.COLOR_BGR2GRAY , cv2.COLOR_BGR2HSV ,
    cv2.COLOR_BGR2YUV
]

# 设置一个trackbar滑块
cv2.createTrackbar('trackbar' , 'color' , 0 , 4 , callback) # (trackbar的名字，在哪个窗口上实现，默认值，最大值)

# 不停地循环展示窗口
while True:
    # 获取trackbar的值 ——> 转换成索引（用于选择颜色空间转换的形式）
    index = cv2.getTrackbarPos('trackbar','color') # (trackbar的名字，窗口的名字)
    
    # 进行颜色空间转化 ——> 把我们的img图片转换成对应的色彩
    cvt__img = cv2.cvtColor( img , color_spaces[index] )

    # 展示图片
    cv2.imshow('color' , cvt__img)
    
    # 退出的条件
    key = cv2.waitKey(1)
    if key == ord('q') or key == ord('Q'):
        break
        
# 消除窗口
cv2.destroyAllWindows()

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44

---

OpenCV的一种重要数据结构——Mat

Mat介绍

Mat是OpenCV在C++语言中用来表示图像数据的一种数据结构，在python中转化为numpy的darray

• Mat由指针hearder和数据data组成

---

Mat拷贝

在python中Mat数据对应numpy的ndarray，使用numpy提供的深浅拷贝方法可以实现对Mat的拷贝

# 关于深浅拷贝
    # 浅拷贝：仅仅是复制出一个“指针”，共同指向一份data数据 ——> data数据发生改变，浅拷贝的数据也会改变
    # 深拷贝：完全复制出一份和原始数据一样的数据(包括data)——> data数据发生改变，深拷贝的数据不会发生改变！
    
# 因为在python中，图片数据已经包装成ndarray，而非mat
    # 因此对ndarray的深浅拷贝 ——> 就是对mat的深浅拷贝
    
import cv2
import numpy as np

cv2.namedWindow('img',cv2.WINDOW_NORMAL)
cv2.resizeWindow('img',480,640)

# 读入图片
img = cv2.imread('./cat.jpeg')
 
# 浅拷贝
img2 = img.view() # 其底层数据的内存地址是一样的，仅仅是名字不一样而已

# 深拷贝
img3 = img.copy() 

# 改变图片中某个位置的颜色，便于观察深浅拷贝结果
img[10:100,10:100] = [0,0,255] # 把img图像上[10:100,10::100]的位置颜色改为红色[0,0,255]

# 展示图片 ——> 我们让图片一起显示出来 np.hstack()使图像横向堆叠 ；np.vstack()使图像纵向堆叠
cv2.imshow( 'img' , np.hstack( (img,img2,img3) ) )

# 退出的条件
cv2.waitKey(0)
cv2.destroyAllWindows()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31

结果：

我们发现前两张图片的颜色给改了，而最后一张图片的颜色没有被修改——> 因为前两个是浅拷贝，所以它们的底层数据是一样的，而最后一个是深拷贝，是一份独立的数据

---

访问图像(Mat)的属性

opencv的Mat在python中已经转换成了ndarray，通过ndarray的属性即可访问Mat图像的属性

import cv2
import numpy as np

img = cv2.imread('./cat,jpeg')

# shape 属性中包含了三个信息
# 高度、长度、通道数
print(img.shape)

# 图像占用空间计算
# 高度×长度×通道数
print(img.size)

# 图像中每一个图像的位深
print(img.dtype)

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

---

图像通道的分割和合并

• split(mat)分割图像的色彩通道
• merge((ch1,ch2,ch3......))融合多个色彩通道

# 图像的分割与融合
import cv2
import numpy as np

# 导入一个全黑的图片
img = np.zeros((200,200,3),np.uint8)

# 分割通道 ——> 得到原图中三个通道的值
b , g , r = cv2.split(img)

# 修改颜色：分别改变b蓝色通道和g绿色通道的一小段数据
b[10:100 , 10:100] = 255
g[10:100 , 10:100] = 255

# 合并色彩通道 ——> 相当于创建一个新的图片（注意括号内要写元组，并且要按照BGR的顺序写入）
img2 = cv2.merge((b,g,r))

cv2.imshow('img',np.hstack((img,img2)))

# 我们也顺便展示一下b,g修改后的值，方便理解
cv2.imshow('b_and_g',np.hstack((b,g)))

cv2.waitKey(0)
cv2.destroyAllWindows()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24

结果：
先看色彩通道b和色彩通道g修改后的样子（我们将两幅图横向拼接在了一起）

由于我们创建的是全黑的图img = np.zeros((200,200,3),np.uint8)，因此图像是全黑的，而我们把 [10:100 , 10:100] 区域内的值拉到最大，因此该区域就变白了

对应在新生成的图上

左半部分是修改前：全黑

右半部分是将修改后的色彩通道重新叠加：由于我们把b蓝色通道和g绿色通道的部分值拉满了，对应蓝色和绿色的合成色即为上图的颜色

---

绘制图形

利用OpenCV提供的绘制图形API可以轻松地在图像上绘制各种图形，比如直线、矩形、圆、椭圆等图形

绘制直线

line(img, pt1, pt2, color, thickness, lineType, shift) 画直线

• img:：在哪个图像上画线
• pt1, pt2： 开始点, 结束点. 指定线的开始与结束位置
• color:：颜色
• thickness： 线宽
• lineType： 线型.线型为-1, 4, 8, 16, 默认为8
• shift： 坐标缩放比例.

# 绘制直线
import cv2
import numpy as np

# 创建一个纯黑的背景图 用于画图
img = np.zeros((480,640,3),np.uint8)

# 画一条直线：line(img, pt1, pt2, color, thickness, lineType, shift) ——> 位置参数pt1、pt2，颜色color必须为元组形式
cv2.line(img,(10,20),(300,400),(0,0,255),5,4)
cv2.line(img,(10,20),(400,700),(0,0,255),5,18)  # lineType越小，线的锯齿状越明显，且值必须是2的幂次方

# 展示图片
cv2.imshow('draw',img)
cv2.waitKey(0)
cv2.destroyAllWindows()

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

结果：

---

绘制矩形

rectangle(img, pt1, pt2, color, thickness, lineType, shift) 参数同上— 画矩形

# 绘制矩形
import cv2
import numpy as np

# 创建一个纯黑的背景图 用于画图
img = np.zeros((480,640,3),np.uint8)

# 画一个矩形：（和画直线的参数一样
cv2.rectangle(img,(80,200),(300,400),(0,0,255),5,4)
cv2.rectangle(img,(100,200),(200,300),(0,255,255),5,18)  # lineType越小，线的锯齿状越明显，且值必须是2的幂次方

# 展示图片
cv2.imshow('draw',img)
cv2.waitKey(0)
cv2.destroyAllWindows()


1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17

结果：

---

绘制圆

circle(img, center, radius, color[, thickness[, lineType[, shift]]]) ：中括号内参数表示可选参数

• center：圆形坐标
• radius：半径

# 绘制圆
import cv2
import numpy as np

# 创建一个纯黑的背景图 用于画图
img = np.zeros((480,640,3),np.uint8)

# 画一个圆：需要传入圆心、半径
cv2.circle(img,(320,240),50,(0,0,255)) # 中括号[]内的参数可以不写，有默认值

# 展示图片
cv2.imshow('draw',img)
cv2.waitKey(0)
cv2.destroyAllWindows()

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

---

绘制椭圆

关键API：ellipse(img, center, axes, angle, startAngle, endAngle, color[, thickness[, lineType[, shift]]])

• img：图像
• center：椭圆圆心 ——> 用元组表示
• axes：是轴axis的复数，表示横轴X，纵轴Y的长短——>X在前Y在后 （用元组表示）
• angle：椭圆的角度(顺时针偏转)
• startAngle&endAngle：控制显示的角度，如果是0,360表示显示整个椭圆（椭圆是从右顶点开始顺时针画的）

# 绘制椭圆
import cv2
import numpy as np

# 创建一个纯黑的背景图 用于画图
img = np.zeros((480,640,3),np.uint8)

# 画一个圆：需要传入圆心、半径
# ellipse(img, center, axes, angle, startAngle, endAngle, color[, thickness[, lineType[, shift]]])
# ellipse(img, 中心点, 长宽的一半, 角度, 从哪个角度开始, 从哪个角度结束,...)
cv2.ellipse(img,(320,240),(100,50),0,0,360,(0,0,255)) # 中括号[]内的参数可以不写，有默认值

# 展示图片
cv2.imshow('draw',img)
cv2.waitKey(0)
cv2.destroyAllWindows()

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17

角度为0°，从0-360

角度为0°，从0-180

角度为45°，从0-360

---

绘制多边形

polylines(img, pts, isClosed, color[, thickness[, lineType[, shift]]]) 画多边形

• pts：points的简写，是多边形的点集，并且这个点集必须是有符号32位的整形
• isClosed：图形是否闭合

# 绘制多边形
import cv2
import numpy as np

# 创建一个纯黑的背景图 用于画图
img = np.zeros((480,640,3),np.uint8)

# 绘制多边形
#polylines(img, pts, isClosed, color[, thickness[, lineType[, shift]]]) 画多边形
pts = np.array([(300,10),(150,100),(450,100)],np.int32) # 创建多边形的点集pts
cv2.polylines(img,[pts],True,(0,0,255),5,16) # 注意参数格式！！！pts要用"[]"

# 展示图片
cv2.imshow('draw',img)
cv2.waitKey(0)
cv2.destroyAllWindows()

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17

结果：
曲线闭合isClosed = True

曲线闭合isClosed = False

绘制一个填充的多边形

fillPoly(img, pts, color[, lineType[, shift[, offset]]]) 画填充多边形（函数名P要大写！）

# 绘制多边形
import cv2
import numpy as np

# 创建一个纯黑的背景图 用于画图
img = np.zeros((480,640,3),np.uint8)

# 绘制多边形
#polylines(img, pts, isClosed, color[, thickness[, lineType[, shift]]]) 画多边形
pts = np.array([(300,10),(150,100),(450,100)],np.int32) # 创建多边形的点集pts
cv2.fillPoly(img,[pts],False,(0,0,255),5,16) # 注意参数格式！！！pts要用"[]"

# 展示图片
cv2.imshow('draw',img)
cv2.waitKey(0)
cv2.destroyAllWindows()

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17

---

绘制文本

putText(img, text, org, fontFace, fontScale, color[, thickness[, lineType[, bottomLeftOrigin]]]) 绘制文本
其中：

• text ：要绘制的文本
• org ：文本框在图片中的左下角坐标
• fontFace ：字体类型（即字体）
• fontScale ：字体大小

# 绘制多边形
import cv2
import numpy as np

# 创建一个纯黑的背景图 用于画图
img = np.zeros((480,640,3),np.uint8)

# 绘制文本putText(img, text, org, fontFace, fontScale, color[, thickness[, lineType[, bottomLeftOrigin]]]) 绘制文本
cv2.putText(img, 'Hello OpenCV' , (50,400) , cv2.FONT_HERSHEY_COMPLEX , 2,[0,0,255])# 注意！opencv只能显示英文字体-没有中文字体的包

# 展示图片
cv2.imshow('draw',img)
cv2.waitKey(0)
cv2.destroyAllWindows()
1
2
3
4
5
6
7
8
9
10
11
12
13
14

如果想在系统图片上显示文本，则只用修改img = np.zeros((480,640,3),np.uint8) # 创建全黑图为——> 导入系统中的图img = cv2.imread('./cat.jpeg')即可

---

如果我们想在图片上展示中文字体，由于OpenCV没有方法来绘制中文，需要借助其他的包 ——> pillow

该方法和opencv没啥关系…

# 安装pillow
import cv2
import numpy as np
from PIL import ImageFont, ImageDraw, Image

# 生成一张纯白的图片
img = np.full((200, 200, 3), fill_value=255, dtype=np.uint8)

# 定义字体路径(有点多余说实话...) ——> 在我们的电脑C盘-Windows-Fonts-找到对应的文件拷贝到当前目录下
font_path = 'msyhbd.ttc' # 拷贝的字体文件

# 导入字体文件
my_font = ImageFont.truetype(font_path, 30) # 30为字体大小fontscal

# 创建一个pillow的图片
img_pil = Image.fromarray(img)

# 绘制该图片
draw = ImageDraw.Draw(img_pil)

# 利用draw绘制中文
draw.text((10, 150), '绘制中文', font=my_font, fill=(0, 255, 0, 0))

# 将格式重新变回ndarray，这样才能用opencv的工具cv2.imshow去显示
img = np.array(img_pil)

# 中文会显示问号
cv2.putText(img, '中文', (10, 100), cv2.FONT_HERSHEY_SIMPLEX, 1, (255, 0, 0), 1)

cv2.imshow('img', img)
cv2.waitKey(0)
cv2.destroyAllWindows()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32