解决plt.imshow显示cv2.imread读取的图像有色差发蓝的四种方法问题

 更新时间:2022年04月19日 10:49:12   作者:善良995  
本文主要介绍了解决plt.imshow显示cv2.imread读取的图像有色差发蓝的四种方法问题,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧

原图

在这里插入图片描述

一、出现色差代码

1.1 显示彩色图像出现色差

import cv2
import numpy as np
import matplotlib.pyplot as plt

img = cv2.imread('dog.jpg')
plt.xticks([]), plt.yticks([]) 		#隐藏x轴和y轴

plt.imshow(img)

运行结果:

在这里插入图片描述

1.2 显示灰度图像出现色差

img_gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

plt.xticks([]), plt.yticks([]) # 隐藏x和y轴

plt.imshow(img_gray)

运行结果:

在这里插入图片描述

二、解释原因

2.1 彩色图像出现色差原因

使用cv2.imread()读取图像时,默认彩色图像的三通道顺序为B、G、R,这与我们所熟知的RGB中的R通道和B通道正好互换位置了。
而使用plt.imshow()函数却默认显示图像的通道顺序为R、G、B,导致图像出现色差发蓝。

2.2 灰度图像出现色差原因

那么为什么plt.imshow()显示灰度图(只有一个通道)还会出现色差呢?
上一段讲过,这是因为plt.imshow()函数默认显示三通道图像,把灰度图当作彩色图显示出来了,所以出现了发蓝的现象。

三、解决

3.1 解决彩色图像出现色差问题

3.1.1 方法1

img = cv2.imread('dog.jpg')		#读取通道顺序为B、G、R
b,g,r = cv2.split(img)			#分别提取B、G、R通道
img_new1 = cv2.merge([r,g,b])	#重新组合为R、G、B

plt.xticks([]), plt.yticks([]) # 隐藏x和y轴

plt.imshow(img_new1)

运行结果:

在这里插入图片描述

3.1.2 方法2

img = cv2.imread('dog.jpg')		#读取通道顺序为B、G、R
#img[:,:,0]表示图片的蓝色通道,对一个字符串s进行翻转用的是s[::-1],同样img[:,:,::-1]就表示BGR通道翻转,变成RGB
img_new2 = img[:, :, ::-1]

plt.xticks([]), plt.yticks([]) # 隐藏x和y轴

plt.imshow(img_new2)

运行结果:

在这里插入图片描述

3.2 解决灰度图像出现色差问题

3.2.1 方法1

img = cv2.imread('dog.jpg')
img_gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)		#转换为灰度图

plt.xticks([]), plt.yticks([]) # 隐藏x和y轴

plt.imshow(img_gray,cmap='gray')

运行结果:

在这里插入图片描述

3.2.2 方法2

#cv2.imread()第二参数为0,直接将彩色图像转换为灰度图像
img = cv2.imread('dog.jpg',0)	

plt.xticks([]), plt.yticks([]) # 隐藏x和y轴

plt.imshow(img_gray,cmap='gray')

运行结果:

在这里插入图片描述

 到此这篇关于解决plt.imshow显示cv2.imread读取的图像有色差发蓝的四种方法问题的文章就介绍到这了,更多相关plt.imshow显示cv2.imread读取内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家!

相关文章

  • Python中可以用三种方法判断文件是否存在

    Python中可以用三种方法判断文件是否存在

    本文主要介绍了Python中可以用三种方法判断文件是否存在,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧
    2022-06-06
  • python正则表达式的懒惰匹配和贪婪匹配说明

    python正则表达式的懒惰匹配和贪婪匹配说明

    这篇文章主要介绍了python正则表达式的懒惰匹配和贪婪匹配说明,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2020-07-07
  • jupyter notebook出现In[*]的问题及解决

    jupyter notebook出现In[*]的问题及解决

    这篇文章主要介绍了jupyter notebook出现In[*]的问题及解决方案,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教
    2023-09-09
  • python3 字符串str和bytes相互转换

    python3 字符串str和bytes相互转换

    这篇文章主要介绍了python3 字符串str和bytes相互转换,在文件传输过程中,通常使用bytes格式的数据流,而代码中通常用str类型,因此str和bytes的相互转换就尤为重要,下文详细介绍需要的小伙伴可以参考一下
    2022-03-03
  • python 中赋值,深拷贝,浅拷贝的区别

    python 中赋值,深拷贝,浅拷贝的区别

    这篇文章主要介绍了python 中赋值,深拷贝,浅拷贝的区别,下文利用实例对三者进行详细的解析,具有一的的参考价值,需要的小伙伴可以参考一下,希望对你的学习有所帮助
    2022-03-03
  • Python 网络编程之UDP发送接收数据功能示例【基于socket套接字】

    Python 网络编程之UDP发送接收数据功能示例【基于socket套接字】

    这篇文章主要介绍了Python 网络编程之UDP发送接收数据功能,结合实例形式分析了Python使用socket套接字实现基于UDP协议的数据发送端与接收端相关操作技巧,需要的朋友可以参考下
    2019-10-10
  • python append、extend与insert的区别

    python append、extend与insert的区别

    这篇文章主要介绍了python append、extend与insert的区别的相关资料,初学者对这几个概念经常搞混,这里就帮大家理清楚,需要的朋友可以参考下
    2016-10-10
  • 在windows系统中实现python3安装lxml

    在windows系统中实现python3安装lxml

    本文主要给大家简单介绍了下在windows以及linux系统中使用Python安装LXML模块的教程,非常简单实用,有需要的小伙伴可以参考下
    2016-03-03
  • Pandas实现两个表的连接功能的方法详解

    Pandas实现两个表的连接功能的方法详解

    这篇文章主要和大家一起说说pandas的两个表的连接技能merge,也就是根据一个表的条件去匹配另一个表的内容,感兴趣的可以跟随小编一起学习一下
    2022-09-09
  • python RabbitMQ 使用详细介绍(小结)

    python RabbitMQ 使用详细介绍(小结)

    这篇文章主要介绍了python RabbitMQ 使用详细介绍(小结),详细的介绍了RabbitMQ的概念以及使用,对学习RabbitMQ有一定的帮助,非常具有实用价值,需要的朋友可以参考下
    2018-11-11

最新评论