庞峰Opencv学习(四)--颜色空间转换

2024-09-05 17:48

本文主要是介绍庞峰Opencv学习(四)--颜色空间转换,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

  今天学习了一下,BGR和HSV颜色空间以及二者间的转换,感觉还是写了程序印象才更加深刻,记得也更牢吧。

  1. BGR空间相信大家都已经比较了解了,还是说一下HSV颜色空间吧。

  H代表Hue即色度:这里的H以一个360°的转盘呈现,0°代表红色,直径上的端点互为补色,即合成为白色。

  S代表Saturation即饱和度:通俗的来讲就是颜色纯不纯,数值越大表示颜色越纯。

  V代表Value即纯度:可以理解为亮度Brightness,数值越大颜色显得越亮。

  2. 函数进行一下介绍

    ConverScale:使用线性变换转换数组

    void cvConvertScale( const CvArr* src, CvArr* dst, double scale=1, double shift=0 );

    在颜色空间的转换中,由于CvShowImage()函数只对8位无符号型颜色深度图像进行显示,所以需要将HSV空间的深度进行转换,而从HSV向BGR空间转换时也有同样的问题,如下面代码所示

 3. 在8位无符号颜色深度的HSV空间中,H通道为0-180 S通道为0-1 V通道为0-255 在转换时需要特别注意,图2为从HSV空间通过单通道融合转换到BGR空间的图像,图3是在HSV空间通过CvCvtColor()函数复原的BGR图像。

#include "cv.h"
#include "cxcore.h"
#include "highgui.h"
#include "stdio.h"
void main()
{
//进行RGB到HSV空间的转换
IplImage* src = cvLoadImage("1.jpg");
cvNamedWindow("src");
cvShowImage("src",src);
cvWaitKey(0);
IplImage* hsv1 = cvCreateImage(cvGetSize(src),8,3);
IplImage* h1 = cvCreateImage(cvGetSize(src),8,1);
IplImage* s1 = cvCreateImage(cvGetSize(src),8,1);
IplImage* v1 = cvCreateImage(cvGetSize(src),8,1);
//进行RGB2HSV
cvCvtColor(src,hsv1,CV_BGR2HSV);
cvSplit(hsv1,h1,s1,v1,NULL);
/*for(int y=0;y<h1->height;y++)
{
for (int x=0; x<h1->width;x++)
{
float hout = cvGetReal2D(h1,y,x);//由于8位最多保存255,所以这里只保存0-180
printf("%f ",hout);
}
}*/
/************************************************************************/
/* 得出H(色度)通道的值都是0到180的浮点值,而s(饱和度)通道为0到1,V(亮度)通道为0-255                                                                  */
/************************************************************************/
//*****将H通道转换为0-360高精度输出*********
IplImage* src_float = cvCreateImage(cvGetSize(src),IPL_DEPTH_32F,3);
IplImage* hsv2 = cvCreateImage(cvGetSize(src),IPL_DEPTH_32F,3);
IplImage* h2 = cvCreateImage(cvGetSize(src),IPL_DEPTH_32F,1);
IplImage* s2 = cvCreateImage(cvGetSize(src),IPL_DEPTH_32F,1);
IplImage* v2 = cvCreateImage(cvGetSize(src),IPL_DEPTH_32F,1);
//进行8位无符号char向32位float转换
cvConvertScale(src,src_float,1.0 ,0);
cvCvtColor(src_float,hsv2,CV_RGB2HSV);
cvSplit(hsv2,h2,s2,v2,NULL);
/*	for(int y=0;y<h2->height;y++)
{
for (int x=0; x<h2->width;x++)
{
float hout = cvGetReal2D(h2,y,x);//0-(<360)
printf("%f ",hout);
}
}*/
//进行HSV向RGB的转换
IplImage* bgrMerge = cvCreateImage(cvGetSize(src),8,3);
IplImage *b1 = cvCreateImage(cvGetSize(src),8,1);
IplImage *g1 = cvCreateImage(cvGetSize(src),8,1);
IplImage *r1 = cvCreateImage(cvGetSize(src),8,1);
cvConvertScale(h2,b1,(1.0/360)*255,0);//0-(<360)->0-255
cvConvertScale(s2,g1,255,0);
cvConvertScale(v2,r1,1.0,0);
cvMerge(b1,g1,r1,NULL,bgrMerge);
cvNamedWindow("merge");
cvShowImage("merge",bgrMerge);
cvWaitKey(0);
IplImage* bgrMerge2 = cvCreateImage(cvGetSize(src),8,3);
cvCvtColor(hsv1,bgrMerge2,CV_HSV2BGR);
cvNamedWindow("merge2");
cvShowImage("merge2",bgrMerge2);
cvWaitKey(0);
}


 

这篇关于庞峰Opencv学习(四)--颜色空间转换的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1139650

相关文章

HarmonyOS学习(七)——UI(五)常用布局总结

自适应布局 1.1、线性布局(LinearLayout) 通过线性容器Row和Column实现线性布局。Column容器内的子组件按照垂直方向排列,Row组件中的子组件按照水平方向排列。 属性说明space通过space参数设置主轴上子组件的间距,达到各子组件在排列上的等间距效果alignItems设置子组件在交叉轴上的对齐方式,且在各类尺寸屏幕上表现一致,其中交叉轴为垂直时,取值为Vert

Ilya-AI分享的他在OpenAI学习到的15个提示工程技巧

Ilya(不是本人,claude AI)在社交媒体上分享了他在OpenAI学习到的15个Prompt撰写技巧。 以下是详细的内容: 提示精确化:在编写提示时,力求表达清晰准确。清楚地阐述任务需求和概念定义至关重要。例:不用"分析文本",而用"判断这段话的情感倾向:积极、消极还是中性"。 快速迭代:善于快速连续调整提示。熟练的提示工程师能够灵活地进行多轮优化。例:从"总结文章"到"用

【前端学习】AntV G6-08 深入图形与图形分组、自定义节点、节点动画(下)

【课程链接】 AntV G6:深入图形与图形分组、自定义节点、节点动画(下)_哔哩哔哩_bilibili 本章十吾老师讲解了一个复杂的自定义节点中,应该怎样去计算和绘制图形,如何给一个图形制作不间断的动画,以及在鼠标事件之后产生动画。(有点难,需要好好理解) <!DOCTYPE html><html><head><meta charset="UTF-8"><title>06

学习hash总结

2014/1/29/   最近刚开始学hash,名字很陌生,但是hash的思想却很熟悉,以前早就做过此类的题,但是不知道这就是hash思想而已,说白了hash就是一个映射,往往灵活利用数组的下标来实现算法,hash的作用:1、判重;2、统计次数;

使用opencv优化图片(画面变清晰)

文章目录 需求影响照片清晰度的因素 实现降噪测试代码 锐化空间锐化Unsharp Masking频率域锐化对比测试 对比度增强常用算法对比测试 需求 对图像进行优化,使其看起来更清晰,同时保持尺寸不变,通常涉及到图像处理技术如锐化、降噪、对比度增强等 影响照片清晰度的因素 影响照片清晰度的因素有很多,主要可以从以下几个方面来分析 1. 拍摄设备 相机传感器:相机传

零基础学习Redis(10) -- zset类型命令使用

zset是有序集合,内部除了存储元素外,还会存储一个score,存储在zset中的元素会按照score的大小升序排列,不同元素的score可以重复,score相同的元素会按照元素的字典序排列。 1. zset常用命令 1.1 zadd  zadd key [NX | XX] [GT | LT]   [CH] [INCR] score member [score member ...]

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学

系统架构师考试学习笔记第三篇——架构设计高级知识(20)通信系统架构设计理论与实践

本章知识考点:         第20课时主要学习通信系统架构设计的理论和工作中的实践。根据新版考试大纲,本课时知识点会涉及案例分析题(25分),而在历年考试中,案例题对该部分内容的考查并不多,虽在综合知识选择题目中经常考查,但分值也不高。本课时内容侧重于对知识点的记忆和理解,按照以往的出题规律,通信系统架构设计基础知识点多来源于教材内的基础网络设备、网络架构和教材外最新时事热点技术。本课时知识

线性代数|机器学习-P36在图中找聚类

文章目录 1. 常见图结构2. 谱聚类 感觉后面几节课的内容跨越太大,需要补充太多的知识点,教授讲得内容跨越较大,一般一节课的内容是书本上的一章节内容,所以看视频比较吃力,需要先预习课本内容后才能够很好的理解教授讲解的知识点。 1. 常见图结构 假设我们有如下图结构: Adjacency Matrix:行和列表示的是节点的位置,A[i,j]表示的第 i 个节点和第 j 个