python 暗通道图像增强 python 颜色通道

img=cv2.imread("29.jpg")

b,g,r=cv2.split(img)  #通道分离,再重新合并操作
img2=cv2.merge([r,g,b])

img3=img[:,:,::-1]  #矩阵操作 方法2
# img[::-1]#上下颠倒
# img[:,::-1]#左右颠倒

img4=cv2.cvtColor(img,cv2.COLOR_BGR2RGB)  #颜色空间转换方法3

1：读入图像，显示图像与保存图像

---

 

代码：

import cv2

img=cv2.imread('lena.jpg',cv2.IMREAD_COLOR)
cv2.namedWindow('lena',cv2.WINDOW_AUTOSIZE)
cv2.imshow('lena',img)
k=cv2.waitKey(0)

if k==27:
    cv2.destroyAllWindows()
    plt.close()
elif k==ord('s'):
    cv2.imwrite('lenagray.png',img)
    cv2.destroyAllWindows()

效果：

 

2：另一种显示方法

---

 

利用matplotlib去显示图像。

import cv2 from matplotlib import pyplot as plt img=cv2.imread('lena.jpg',cv2.IMREAD_COLOR) plt.imshow(img) plt.show()

效果：

问题来了，为什么显示的颜色与原图不同呢？

后来网上搜索后才知道，对于opencv的像素是BGR顺序，然而matplotlib所遵循的是RGB顺序。

opencv的一个像素为：[B,G,R] ,matplotlib的一个像素为：[R,G,B]。这就是为什么本来发红的区域变得有些发蓝了。

解决方法：

解决方法有很多。

import numpy as np import cv2 from matplotlib import pyplot as plt img=cv2.imread('lena.jpg',cv2.IMREAD_COLOR) #method1 b,g,r=cv2.split(img) img2=cv2.merge([r,g,b]) plt.imshow(img2) plt.show() #method2 img3=img[:,:,::-1] plt.imshow(img3) plt.show() #method3 img4=cv2.cvtColor(img, cv2.COLOR_BGR2RGB) plt.imshow(img4) plt.show()

效果：

 

3：关于numpy的矩阵的翻转（对于上述的方法2的说明）

---

 

上述方法2正是利用了numpy对数组的翻转。举例说明。

我仿照图片的像素格式，建立一个2行3列的，每个像素有包含RGB3个元素。

分别进行图中所示的4种运算。

执行a[:-1]，移除了后面的一行。对于一维数组，后面的一行其实就是最后一个元素，所以这个运算就是移除最后一个元素。

执行a[::-1]，上下两行交换了。同样的看成一维数组的话，一行就是一个元素，这个运算其实就是对一个一维数组内的元素前后对调。多维数组可以理解成对对第一个方括号内的每一个元素前后对调。

执行a[:,::-1]，每一行中的元素前后交换了。简单理解就是对第二层反括号内的元素前后对调。

执行a[:,:,::-1]，这样就好理解了，肯定是对第三层方括号内的元素对调。这也就解释了，对于一个24位深度的图像执行这个操作的话，是对每个像素的RGB进行对调。

对于图像而言，a[::-1]，a[:,::-1]，a[:,:,::-1]上述的三种方法分别是X轴的镜像，Y轴的镜像，BGR转换为RGB的操作。

示例：