一文了解图像中通道的相关知识
一文了解图像中通道的相关知识有少数颜色空间可以表示图像,如RGB,BGR,HSV,CMYK等,但它们都有一些共同点。它们是这些色彩空间用来共同形成图像的通道。让我们看看频道的一些定
有少数颜色空间可以表示图像,如RGB,BGR,HSV,CMYK等,但它们都有一些共同点。它们是这些色彩空间用来共同形成图像的通道。让我们看看频道的一些定义。维基百科上说,彩色数字图像由像素组成,像素由一系列代码表示的原色组合而成。在这种情况下,通道是与彩色图像大小相同的灰度图像,仅由这些原色之一构成。如果这听起来很混乱,听我说完。这个定义说,每个图像都是由像素组成的,每个像素都是由颜色的组合组成的,更准确地说,就是原色。通道是彩色图像的灰度图像,它仅由构成彩色图像的一种原色组成。
灰度图像是单通道图像,其中每个像素只携带有关光强度的信息。这些图像完全由灰色阴影组成。
灰度图像不应与仅包含黑白像素的黑白图像(二值图像)混淆。在二值图像中,一个像素要么是黑色,要么是白色。它们之间没有颜色。但是灰度图像的像素有很大的灰度范围。现在让我们看看打印灰度图像阵列时得到了什么。为此,我们使用以下代码:
import cv2 as cv
image = cv.imread("D://medium_blogs//architecture.jpg")
gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
print(gray)
print("")
print(gray.shape)
输出为:
如你所见,打印的阵列是一个二维阵列,其中每个数字代表一个像素,数字的值是该像素中的光强度。由于上述图像阵列中的每个数字代表一个像素,因此称为单通道图像。计算机视觉中每个像素的光强度是从0到255测量的,称为像素值。像素值为0时为黑色,像素值为255时为白色。因为我们使用OpenCV来读取图像数组,所以上面数组的尺寸是形状高度x宽度。在这里,图像沿y轴(高度)有6016个像素,沿x轴(宽度)有4016个像素。
RGB图像
与灰度图像不同,RGB图像是三通道的。每个像素由三个通道组成,每个通道代表一种颜色。现在,让我们打印一个RGB图像并观察结果。我们使用以下代码:import cv2 as cv
image = cv.imread("D://medium_blogs//architecture.jpg")
RGB = cv.cvtColor(image, cv.COLOR_BGR2RGB)
print(RGB)
print("")
print(RGB.shape)
输出为:
这次的输出是一个三维数组!在此图像中,每个像素有三个通道。第二维度中的每个数组表示一个像素。第0个指标是红光强度,第1个指标是绿光强度,第2个指标是蓝光强度。打印此图像的形状时,它将打印一个包含高度、宽度和通道数的元组。将这三个值相乘,得到图像数组中的值总数。
分别显示每个通道
现在我们知道了什么是通道,让我们看看每个通道分别是什么样子。观察下图:
现在让我们使用以下代码拆分上面图像的通道:import cv2 as cv
import numpy as np
image = cv.imread("D://medium_blogs//colours.jpg")
image = cv.cvtColor(image, cv.COLOR_BGR2RGB)
(R,G,B) = cv.split(image)
cv.namedWindow("Blue", cv.WINDOW_NORMAL)
cv.namedWindow("Green", cv.WINDOW_NORMAL)
cv.namedWindow("Red", cv.WINDOW_NORMAL)
cv.imshow("Blue",B)
cv.imshow("Green", G)
cv.imshow("Red", R)
cv.imwrite("D://medium_blogs//channel_red.jpg", R)
cv.imwrite("D://medium_blogs//channel_green.jpg", G)
cv.imwrite("D://medium_blogs//channel_blue.jpg", B)
if cv.waitKey(0):
cv.destroyAllWindows()
我们使用OpenCV的split函数来分割通道。代码的输出为:我知道现在有几个问题扰乱了你的思维过程。所以让我解释一下。红色通道
绿色通道
蓝色通道
为什么它们是灰度的?这是因为,当我们分割通道时,每个图像中的像素现在只有一个通道。所以它们是灰色的。如何区分这些图像?把每个图像和原始图像比较一下。让我们拍摄红色通道的图像。你可以看到原始图像中包含红色的区域在红色通道图像中更亮。这仅仅意味着,对原始图像的红色贡献较大的区域在红色通道的灰度图像中会更亮。贡献较少或没有贡献的区域是黑暗的。这适用于所有三个通道。为什么在绿色和红色通道中黄色较浅?那是因为黄色是红色和绿色的混合物。所以绿色和红色对黄色的贡献很大。
-
第五届智慧医疗创新大赛报名通道正式开启,创新服务平台正式筹建2021-04-26
-
“性能级中大型智能电动SUV”岚图FREE正式开启预售通道2021-04-01
-
如何利用OpenCV为Python中的图像提供卡通效果?2021-03-31
-
5G+海信超声,图像穿越300多公里宛在眼前2021-03-19
-
工业互联,网络先行:从智能IP打通产业数据通道开始2021-03-15
-
维科杯·机器人行业年度评选【投票通道】火热开启!2021-01-18
-
SVG转换在SVG图像中创建的形状2021-01-11
-
脉冲强光杀菌通道,中物光电科技助力战疫2021-01-08
-
卷积神经网络:解决图像分类、语义分割或机器翻译问题2021-01-07
-
图像处理:基于FPGA的图像显示与处理2021-01-05
-
非裔美国人前列腺切除术后前列腺基质复发的计算机衍生基质特征的图像signature2021-01-01
-
图像处理入门:实现一个简单的滤波器2020-12-25
-
紫光展锐图像算法团队,为提升拍照体验保驾护航2020-11-27
-
详解车道线检测算法之传统图像处理2020-10-07
-
斯巴鲁新一代EyeSight?驾驶员辅助平台选用我司图像感知技术2020-10-01