【OpenCV学习】（三）色彩及矩阵 *** 作

【OpenCV学习】（三）色彩及矩阵 *** 作 【OpenCV学习】（三）色彩及矩阵 *** 作 背景

之前主要介绍了数据的读取和展示 *** 作，本篇将开始介绍数据的简单处理 *** 作；

一、颜色空间转换

1、介绍一些常见的颜色空间

RGB：人眼的色彩空间；

BGR：OpenCV默认使用的色彩空间；

HSV的说明：

• Hue：色相，即色彩如红色、绿色；
• Saturation：饱和度，颜色的纯度；
• Value：明亮度；

2、转换色彩空间

cvtColor（原始数据，变换格式）；

变换格式有很多种，例如：COLOR_BGR2RGB、COLOR_BGR2BGRA等；

代码案例：

cv2.cvtColor(img, cv2.COLOR_BGR2RGB)

二、Numpy基本 *** 作

Numpy使用原因：

1、OpenCV中用到的矩阵都要转换成Numpy数组；

2、Numpy是一个经过高度优化的Python数值库；

相信大家对于Numpy都比较熟悉，这里主要来回顾一下：

1、创建矩阵

• 创建数组：array（）
• 创建全0数组：zeros（）/ ones（）
• 创建全值数组：full（）
• 创建单位矩阵：identity（）/ eye（）

2、Numpy的检索

需要注意的是，我们访问img[y，x]的时候，第一个元素代表竖轴，第二个元素代表横轴；

如果想要给一个像素点中的某个通道赋值，也可以如下：

img[100, 100] = [0, 0, 255]		# B,G,R分别赋值

3、获取子矩阵（ROI）

举个例子，得到图像的一个ROI区域：

img = cv2.imread('test2.jpg')
roi = img[100:400, 200:400, :]

当然不只有这一种用法，还有很多的使用方式，在实际工程中可以多尝试；

三、Mat

定义：从Python角度来说Mat就是一个矩阵，也是R、G、B的组合；

Mat属性

Mat拷贝

Mat的拷贝形式有两种：浅拷贝与深拷贝；

浅拷贝示意图：

代码实现：

A = cv2.imread("test.jpg")
B = A

特点：改变B的数据，A也会发生改变；

深拷贝代码实现：

A = cv2.imread("test.jpg")
B = A.copy()

特点：不会改变原来Mat的数据，是将Data数据拷贝一份；

图像属性

• img.shape：图像的高度、长度和通道数；
• img.size：图像占用空间大小（高度 x 长度 x 通道数）；

通道的分离与合并

使用API：

• split(mat)：分离通道；
• merge((ch1，ch2，ch3))：合并通道；

代码案例：

b, g, r = cv2.split(img)
img2 = cv2.merge((b, g, r))

总结

本篇讲的比较基础，主要是介绍一些基础知识，对于了解图像和Mat的可以直接跳过本篇学习；下一篇将讲解图像的绘制，这样是为之后的项目做一个铺垫；