導讀：本文將着重介紹彩色圖像的處理及彩色圖像和灰度圖像相互轉換的相關內容。
作者：方圓圓
來源：大數據DT（ID：hzdashuju）
01 圖像的顏色空間
彩色圖像比灰度圖像擁有更豐富的信息，它的每個像素通常是由紅（R）、綠（G）、藍（B）3個分量來表示的，每個分量介於0～255之間。
圖像中呈現的不同的顏色都是由R、G、B這3種顏色混合而成的。在OpenCV裏面，彩色圖像擁有3個顏色通道，但是通道的順序是可以變換的，RGB、BRG、BGR、GBR、GRB都有可能。
在讀取一幅圖像的時候，我們對於圖像的顏色通道排布並不清楚，因此需要先把圖像的顏色通道固定下來，這就需要調用OpenCV的cvtColor()函數。
cvtColor()函數的功能是對圖像進行顏色空間變換，原型如下：
dst=cv2.cvtColor(src, code )參數說明：
src：輸入圖像即要進行顏色空間變換的原圖像，可以是Mat類。
code：轉換的代碼或標識，即在此確定將什麼制式的圖片轉換成什麼制式的圖片，後面會詳細講述。
函數輸出進行顏色空間變換後存儲圖像。
通過調用cvtColor()函數，還可以將一幅彩色圖像轉換成灰度圖像，示例代碼見程序3-5，代碼運行效果如圖3.9所示。
▲彩色圖像1.jpg
程序3-5 彩色圖像轉灰度圖像示例：
color2gray.py
# -*- coding: UTF-8 -*-
import numpy as np
import cv2
#定義main()函數
def main():
img = cv2.imread('1.jpg')
img2 = cv2.cvtColor(img,cv2.COLOR_RGB2GRAY)
#從彩色圖像轉化成灰度圖像
cv2.imshow('img2.bmp ', img2)
cv2.waitKey(0)
if __name__ == '__main__':
main()
▲圖3.9 color2gray.py程序運行結果
注意：cvtColor()函數還可以通過改變參數cv2.COLOR_RGB2BRG等改變圖像顏色通道的排列順序。另外也可以直接在讀取圖像函數imread時設置參數爲0，直接將彩色圖像讀取爲灰度圖像，img = cv2.imread('1.jpg',0)。
02 彩色圖像的通道分離和混合
灰度圖像是單通道的，彩色圖像擁有R、G、B三個顏色通道。因此在圖像處理時，經常把顏色通道分離，單獨處理一個通道的數組，然後再合併成一幅彩色圖像。
在實際的代碼編寫中，只需要調用OpenCV中的split()和merge()函數就可以實現圖像的通道分離和合並。
split()函數的功能是將多通道的矩陣分離成單通道矩陣，原型如下：
[,mv]=cv2.split (src)參數說明：輸入參數爲要進行分離的圖像矩陣，輸出參數爲一個Mat數組。
merge()函數的功能是將多個單通道圖像合成一幅多通道圖像，原型如下：
dst=cv2.merge([,dst] )參數說明：輸入參數可以是Mat數組，輸出爲合併後的圖像矩陣。
03 彩色圖像的通道分離和混合程序示例
輸入一幅彩色圖像，通過程序3-6將其分割成R、G、B這3個通道的圖像並顯示。在分割前需要先確定圖像的顏色通道分佈，因此先調用cvtColor()函數固定顏色通道。示例代碼參見程序3-6，效果如圖3.10所示。
程序3-6 彩色圖像通道分離示例：
colorsplit.py
# -*- coding: UTF-8 -*-
import numpy as np
import cv2
#定義main()函數
def main():
img = cv2.imread('1.jpg')
img2 = cv2.cvtColor(img,cv2.COLOR_BRG2RGB)
r,g,b = cv2.split(img2) #img分離成三個單通道的圖像
cv2.imshow("Red", r)
cv2.imshow("Green", g)
cv2.imshow("Blue", b)
cv2.waitKey(0)
if __name__ == '__main__':
main()
▲圖3.10 colorsplit.py程序運行結果
可以看出，在圖像通道分離後，不同顏色通道的圖像顯示深淺不一，單通道的圖像呈現該顏色通道的灰度信息。接下來把這3個顏色通道混合一下，在代碼中加入一行代碼：img3 = cv2.merge([b,g,r]);，這樣img3又回到了原來輸入的彩色圖像樣式，顯示效果如圖3.11所示。
▲圖3.11 圖像三通道混合後的輸出
04 彩色圖像的二值化
圖像的二值化是將圖像上的像素點的灰度值設置爲0或255，也就是將整個圖像呈現出明顯的黑白效果。彩色圖像二值化最簡單的步驟如下：
彩色圖像轉灰度。
圖像閾值化處理，即像素值高於某閾值的像素賦值爲255，反之爲0。
其中，閾值的操作會調用OpenCV的threshold()函數。
threshold()函數聲明如下：
ret, dst = cv2.threshold(src, thresh, maxval, type)；函數功能：實現圖像固定閾值的二值化。
參數說明：
src：輸入圖，只能輸入單通道圖像，通常來說爲灰度圖。
dst：輸出圖。
thresh：閾值。
maxval：當像素值超過了閾值（或者小於閾值，根據type來決定）時所賦予的值。
type：二值化操作的類型，包含5種類型，即cv2.THRESH_BINARY、cv2.THRESH_BINARY_INV、cv2.THRESH_TRUNC、cv2.THRESH_TOZERO和cv2.THRESH_TOZERO_INV。
舉例參考程序3-7。
程序3-7 彩色圖像二值化示例：
colorthreshold.py
# -*- coding: UTF-8 -*-
import numpy as np
import cv2
#定義main()函數
def main():
img = cv2.imread('1.jpg',0)
thresh1,dst =cv2.threshold(img,127,255,cv2.THRESH_BINARY)
#圖像二值化
cv2.imshow("dst", dst)
cv2.waitKey(0)
if __name__ == '__main__':
main()如程序3-7所示，高於127的像素全部置爲255，低於的全部置爲0，得到如圖3.12所示的輸出結果。
▲圖3.12 colorthreshold.py程序輸出結果
05 彩色圖像的遍歷
灰度圖像的遍歷按照訪問二維數組的方式得到座標位置的像素。那對於彩色圖像呢？彩色圖像可以看出是3維數組，遍歷方式參見程序3-8。
程序3-8 遍歷彩色圖像示例：
color1.py
# -*- coding: UTF-8 -*-
import numpy as np
import cv2
#定義main()函數
def main():
img = cv2.imread('1.jpg')
height,width,n = img.shape #得到圖片的寬高和維度
img2 = img.copy() #複製一個跟img相同的新圖片
#寬高兩個維度遍歷圖片
for i in range(height):
for j in range(width):
img2[i, j][0] = 0 #將第一個通道內的元素重新賦值
cv2.imshow('img2.jpg', img2)
cv2.waitKey(0)
if __name__ == '__main__':
main()由於第一個通道里面的顏色信息全部變爲了0，圖像顯示結果如圖3.13所示。
▲圖3.13 color1.py程序運行結果
在讀取不同通道的圖像像素值時，需要先確定圖像的通道排列是RGB還是BRG。
06 彩色圖像和灰度圖像的轉換
經過前面的學習，我們知道彩色圖像轉成灰度圖像有3種路徑：
imread讀取圖像的時候直接設置參數爲0，彩色圖像自動被讀成灰度圖像。
調用cvtColor()函數，參數設置爲cv2.COLOR_BGR2GRAY。
調用split()函數，可以將一幅彩色圖像分離成3個單通道的灰度圖像。
那麼灰度圖像有沒有可能轉換成彩色圖像呢？
我們知道灰度圖像是單通道的，彩色圖像是RGB 3這個顏色通道。那麼是否可以人爲地增加圖像的通道，僞造出另外兩個通道，而另外兩個通道可以隨機地賦值呢？程序3-9做出了嘗試。
程序3-9 增加圖像通道示例：
gray2color1.py
# -*- coding: UTF-8 -*-
import numpy as np
import cv2
#定義main()函數
def main():
img = cv2.imread('gray1.jpg')
gray = np.zeros((512, 512, 3), np.uint8) # 生成一個空彩色圖像
height,width,n = img.shape
#圖像像素級遍歷
for i in range(height):
for j in range(width):
gray[i, j][0] = img[i, j][0]
gray[i, j][1] = 0
gray[i, j][2] = 0
cv2.imshow('gray.jpg', gray)
cv2.waitKey(0)
=if __name__ == '__main__':
main()
上述程序新建了一個3通道的空的彩色圖像，然後將讀取的灰度圖像放在新建的彩色圖像的第一個通道，也就是B通道，其他兩個通道賦值0，所以圖像整體呈現藍色，程序運行結果如圖3.14所示。
▲圖3.14 gray2color1.py程序運行結果
上述方法轉換的圖像顏色很單一。有沒有更加智能的方法呢？在攝像技術不是很成熟的時期，人們給拍攝出來的黑白照片上色，發明了一種僞彩色圖像技術。在OpenCV裏面，可以用預定義好的Colormap（色度圖）來給圖片上色，示例代碼參見程序3-10。
程序3-10 僞彩色圖像技術示例：
gray2color2.py
# -*- coding: UTF-8 -*-
import numpy as np
import cv2
#定義main()函數
def main():
img = cv2.imread('gray1.jpg')
im_color = cv2.applyColorMap(img, cv2.COLORMAP_JET) #色度圖上色
cv2.imshow("im_color.jpg", im_color)
cv2.waitKey(0)
if __name__ == '__main__':
main()程序運行結果如圖3.15所示。僞彩色圖像目前主要應用在對高度、壓力、密度、溼度等描述上，彩色數據可視化。
▲圖3.15 gray2color程序運行結果
