二值图像#

• 含义：仅仅包含黑色和白色两种颜色的图像。
• 示例：字母”A”的二值图像在计算机内的存储形式如下所示。

字母”A”	计算机内的存储形式

灰度图像#

​ 二值图像表示起来简单方便，但是因为其仅有黑白两种颜色，所表示的图像不够细腻。如果想要表现更多的细节，就需要使用更多的颜色。

​ 通常，计算机会将灰度处理为256个灰度级，用数值区间[0, 255]来表示，其中，数值“255”表示纯白色，数值“0”表示纯黑色，其余的数值表示从纯白到纯黑之间不同级别的灰度。

彩色图像#

​ 自然界中常见的各种色光都可以通过将三原色按照一定的比例混合构成。

​ 采用不同的方式表述颜色的模式称为色彩空间。

​ 最常用的色彩空间就是为RGB色彩空间。在RGB 色彩空间中，存在R通道【红色】、G通道【绿色】和B通道【蓝色】三个通道，每个色彩通道值的范围都在[0, 255]之间，用这三个色彩通道的组合表示颜色。

• 常见颜色的RGB值示例：

RGB值	颜色	RGB值	颜色	RGB值	颜色
(0,0,0)		(127,127,127)		(255,255,255)
(255,0,0)		(0,255,0)		(0,0,255)
(255,255,0)		(0,255,255)		(255,0,255)

​ 彩色图像，可以理解为由R通道、G通道、B通道三个通道构成，每一个通道都是一个独立的灰度图像。比如，左侧彩色图像中的白色方块内的区域，对应右侧三个通道的三个矩阵，白色方块左上角顶点的RGB值即为(205,89,68)。

灰度图像#

• 使用image[0,0]访问图像image、第0行、第0列位置上的像素点。

  • 第1个索引表示第0行。可以使用 : 表示全部行。
  • 第2个索引表示第0列。可以使用 : 表示全部列。

• 示例

1
import numpy as np
2
import cv2
3

4
img = np.zeros((150,600,3),dtype=np.uint8)
5

6
img[:,   0:120] = 0
7
img[:, 120:240] = 60
8
img[:, 240:360] = 120
9
img[:, 360:480] = 180
10
img[:, 480:600] = 240
11

12
cv2.imshow("logo",img)
13

14
cv2.waitKey()
15
cv2.destroyAllWindows()

彩色图像#

• 使用image[0,0,0]访问图像image的B通道内的第0行、第0列的像素点

  • 第1个索引表示第0行。可以使用 : 表示全部行。
  • 第2个索引表示第0列。可以使用 : 表示全部列。
  • 第3个索引表示第0个颜色通道。注意B、G、R的通道排序。

• 示例

1
import numpy as np
2
import cv2
3

4
img = np.zeros((300,300,3),dtype=np.uint8)
5

6
img[:,   0:100, 0] = 255
7
img[:, 100:200, 1] = 255
8
img[:, 200:300, 2] = 255
9

10
cv2.imshow("img",img)
11
cv2.waitKey()
12
cv2.destroyAllWindows()

item()和itemset()#

• 函数item()可以用来访问图像的像素点。
  • 函数原型：item(行,列)、item(行,列,通道)
  • 示例
    • img.item(150, 200) <==> img[150, 200]
    • img.item(150, 200, 2) <==> img[150, 200, 2]
• 函数itemset()可以用来修改像素值。
  • 函数原型：itemset(二元组索引值,新值)、itemset(三元组索引值,新值)
  • 针对彩色图像的访问，必须同时指定行、列以及通道，仅仅指定行和列是不可以的。
  • 示例
    • img.itemset(150, 200) = 255 <==> img[150, 200] = 255
    • img.item(150, 200, 2) = 255 <==> img[150, 200, 2] = 255

通道拆分#

​ 针对RGB图像，可以分别拆分出其R通道、G通道、B通道。既可以通过索引的方式拆分通道，也可以通过函数的方式拆分通道。

• 索引方式

  • 提取蓝色通道：B = img[ : , : , 0]
  • 提取绿色通道：G = img[ : , : , 1]
  • 提取红色通道：R = img[ : , : , 2]

• 函数方式

  • 提取全部颜色通道：B, G, R = cv2.split(img)
  • 提取蓝色通道：B = cv2.split(img)[0]
  • 提取绿色通道：G = cv2.split(img)[1]
  • 提取红色通道：R = cv2.split(img)[2]

• 示例

1
import cv2
2

3
img = cv2.imread("logo.png")
4

5
B, G, R = cv2.split(img)
6

7
# B = cv2.split(img)[0]
8
# G = cv2.split(img)[1]
9
# R = cv2.split(img)[2]
10

11
# B = img[ : , : , 0]
12
# G = img[ : , : , 1]
13
# R = img[ : , : , 2]
14

15
cv2.imshow("logo", img)
16

17
cv2.imshow("logo-B", B)
18
cv2.imshow("logo-G", G)
19
cv2.imshow("logo-R", R)
20

21
cv2.waitKey()
22
cv2.destroyAllWindows()

原图	蓝色通道	绿色通道	红色通道

通道合并#

​ 通道合并是通道拆分的逆过程，通过合并通道可以将三个通道的灰度图像构成一幅彩色图像。

• 方法：使用函数cv2.merge()可以将这三个单通道图像，合并为一个基于BGR颜色空间的三通道彩色图像。
• 示例：BGR → RGB

1
import cv2
2

3
img = cv2.imread("logo.png")
4
cv2.imshow("logo-BGR", img)
5

6
B, G, R = cv2.split(img)
7
img = cv2.merge([R, G, B])
8

9
cv2.imshow("logo-RGB", img)
10

11
cv2.waitKey()
12
cv2.destroyAllWindows()

BGR	RGB