Python可视化不同颜色空间中的图像 _Python可视化图像

OpenCV(开源计算机视觉)是一种计算机视觉库, 其中包含用于对图片或视频执行操作的各种功能。它最初由Intel开发, 但后来由Willow Garage维护, 现在由Itseez维护。该库是跨平台的, 可在多种编程语言(例如Python, C++等)上使用。
让我们讨论不同的图像可视化方法, 其中我们将以不同的格式表示图像, 例如灰度, RGB比例, Hot_map, 边缘图, 光谱图等。
RGB图像： 【Python可视化不同颜色空间中的图像】RGB图像由3个不同的通道(R(红色), G(绿色)和B(蓝色))的线性组合表示。对于单个通道, 此颜色空间中的像素强度由0到255之间的值表示。因此, 由像素表示的一种颜色的可能性数约为1600万[255 x 255 x 255]。

# Python program to read image as RGB# Importing cv2 and matplotlib module import cv2 import matplotlib.pyplot as plt# reads image as RGB img = cv2.imread( 'g4g.png' )# shows the image plt.imshow(img)

输出：

灰度图像：灰度图像仅包含单个通道。该颜色空间中的像素强度由介于0到255之间的值表示。因此, 由像素表示的一种颜色的可能性为256。

# Python program to read image as GrayScale# Importing cv2 module import cv2# Reads image as gray scale img = cv2.imread( 'g4g.png' , 0 ) # We can alternatively convert # image by using cv2color img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)# Shows the image cv2.imshow( 'image' , img) cv2.waitKey( 0 ) cv2.destroyAllWindows()

输出：

YCrCb颜色空间： Y表示亮度或亮度分量, Cb和Cr是色度分量。 Cb代表蓝色差异(蓝色成分和亮度成分的差异)。 Cr表示红色差(红色成分与亮度成分的差)。

# Python program to read image # as YCrCb color space# Import cv2 module import cv2# Reads the image img = cv2.imread( 'g4g.png' )# Convert to YCrCb color space img = cv2.cvtColor(img, cv2.COLOR_BGR2YCrCb)# Shows the image cv2.imshow( 'image' , img) cv2.waitKey( 0 ) cv2.destroyAllWindows()

输出：

HSV色彩空间： H ：色相代表主波长。
S：饱和度表示颜色的阴影。
V：值代表强度。

# Python program to read image # as HSV color space# Importing cv2 module import cv2# Reads the image img = cv2.imread( 'g4g.png' )# Converts to HSV color space img = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)# Shows the image cv2.imshow( 'image' , img) cv2.waitKey( 0 ) cv2.destroyAllWindows()

输出：

LAB色彩空间： L –代表亮度。
A -颜色成分从绿色到洋红色。
B –颜色分量从蓝色到黄色。

# Python program to read image # as LAB color space# Importing cv2 module import cv2# Reads the image img = cv2.imread( 'g4g.png' )# Converts to LAB color space img = cv2.cvtColor(img, cv2.COLOR_BGR2LAB)# Shows the image cv2.imshow( 'image' , img) cv2.waitKey( 0 ) cv2.destroyAllWindows()

输出：

图片的边缘图：可以通过各种过滤器(如拉普拉斯算子, 索贝尔等。在这里, 我们使用拉普拉斯算子生成边缘图。

# Python program to read image # as EdgeMap# Importing cv2 module import cv2# Reads the image img = cv2.imread( 'g4g.png' )laplacian = cv2.Laplacian(img, cv2.CV_64F) cv2.imshow( 'EdgeMap' , laplacian) cv2.waitKey( 0 ) cv2.destroyAllWindows()

输出：

图像的热图：在热图表示中, 矩阵中包含的各个值表示为颜色。

# Python program to visualize # Heat map of image# Importing matplotlib and cv2 import matplotlib.pyplot as plt import cv2# reads the image img = cv2.imread( 'g4g.png' )# plot heat map image plt.imshow(img, cmap = 'hot' )

输出：

光谱图光谱图像图获得场景图像中每个像素的光谱。

# Python program to visualize # Spectral map of image# Importing matplotlib and cv2 import matplotlib.pyplot as plt import cv2img = cv2.imread( 'g4g.png' ) plt.imshow(img, cmap = 'nipy_spectral' )

输出：