python opencv实现灰度图和彩色图的互相转换
opencv灰度图和彩色图互相转换
如果摄像头本来就得到3维度红外图那就不用处理直接可以用：
import cv2 cap = cv2.VideoCapture(0) ret, image_np = cap.read()
直接转成单通道的灰度图看看能不能用：
#如果后面不写0，那就是默认彩色的
# 第一种方式
image = cv2.imread('***/timg4.jpg',0)
#第二种方式
#dst=cv2.cvtColor(src,cv2.COLOR_BGR2GRAY)
detecotr = TOD()
detecotr.detect(image)
# 或者视频转换方式如下
ret, image_np = cap.read()
image_np=cv2.cvtColor(image_np,cv2.COLOR_BGR2GRAY)
上面两种方式得到的数据是不完全相同的，网上尚未查找到具体原因，通过对读取到的ndArray数据对比，发现存在不完全相同的数据。
观察直接转成1通道的图像：
直接转成了1通道灰度图喂进去神经网络不行，因为只有1通道，必须经过如下的处理；
image_np=cv2.cvtColor(image_np,cv2.COLOR_GRAY2BGR)
上面代码可以得到3通道灰度图，就是把灰度图的1通道复制三遍，然后就可以喂进网络了：
红外图像和灰度图像本身就不是在同一分类标准下得到的概念。
红外图像是红外成像设备采集目标在红外波段的辐射形成的影像，这个图像可专以是灰度图像，也可以彩色图像。同样的道理，可见光图像可以是灰度属图像，也可以彩色图像。
灰度图像是相对彩色图像而言的。灰度图像没有颜色，灰度值由0变化至255时，图像由黑变白。
再将上述的3通道灰度值转换为伪彩图，观察结果：
ret, image_np = cap.read() image_np=cv2.cvtColor(image_np,cv2.COLOR_BGR2GRAY) #image_np=cv2.cvtColor(image_np,cv2.COLOR_GRAY2BGR) image_np = cv2.applyColorMap(image_np, cv2.COLORMAP_JET)
对于伪彩图有不同的伪彩图方式，各个函数如下：
# COLORMAP_AUTUMN = 0, # COLORMAP_BONE = 1, # COLORMAP_JET = 2, # COLORMAP_WINTER = 3, # COLORMAP_RAINBOW = 4, # COLORMAP_OCEAN = 5, # COLORMAP_SUMMER = 6, # COLORMAP_SPRING = 7, # COLORMAP_COOL = 8, # COLORMAP_HSV = 9, # COLORMAP_PINK = 10, # COLORMAP_HOT = 11
注意：
在使用模型框架的时候，如果是使用tensorflow object detection API，需要将1通道的灰度图转成3通道（唯一通道复制三遍）来训练和检测；
为什么不直接使用者通道的灰度图来做呢，这样是不是能提高性能呢？
不是，因为这样对于提高性能和速度没有意义，它只影响了卷积神经网络的第一层而已，后续层的计算量和参数量没有丝毫影响，这样的影响等同于没有，如果真的考虑性能和速度，直接更改模型更可靠。
附：python将灰度图转换为RGB彩色图
from PIL import Image
import os
path = r'图片存储的路径'
newpath = r'转换后存储图片的路径'
def RGBtoGray(path):
files = os.listdir(path)
for file in files:
imgpath = path + '/' + file
#print(imgpath)
#
im = Image.open(imgpath).convert('RGB')
#resize将图像像素转换成自己需要的像素大小
img = im.resize((512, 512))
dirpath = newpath
file_name, file_extend = os.path.splitext(f)
dst = os.path.join(os.path.abspath(dirpath), file_name + '.jpg')
img.save(dst)
if __name__ == "__main__":
RGBtoGray(path)
总结
到此这篇关于python opencv实现灰度图和彩色图互相转换的文章就介绍到这了,更多相关opencv灰度图和彩色图互相转换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
在本篇文章里小编给大家整理的是一篇关于python爬取微博评论的实例讲解，有兴趣的朋友们可以学习下。2021-01-01
这篇文章主要介绍了Python实现的密码强度检测器,结合实例形式分析了Python密码强度检测的原理与实现方法,涉及Python字符串运算与转换、判断等相关操作技巧,需要的朋友可以参考下2017-08-08
本文主要介绍了flask解析海康摄像头视频的使用，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2023-03-03
这篇文章主要为大家详细介绍了Python使用tkinter制作在线翻译软件，文中示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2021-02-02
关于不懂Chromedriver如何配置环境变量问题解决方法
这篇文章主要介绍了关于不懂Chromedriver如何配置环境变量问题解决方法，小编觉得挺不错的，现在分享给大家，也给大家做个参考。一起跟随小编过来看看吧2019-06-06
这篇文章主要介绍了python flask实现分页的示例代码，小编觉得挺不错的，现在分享给大家，也给大家做个参考。一起跟随小编过来看看吧2018-08-08
python实现随机森林random forest的原理及方法
本篇文章主要介绍了python实现随机森林random forest的原理及方法，详细的介绍了随机森林的原理和python实现，非常具有参考价值，有兴趣的可以了解一下2017-12-12
这个名为PyScript的框架，其核心目标是为开发者提供在标准HTML中嵌入Python代码的能力，使用 Python调用JavaScript函数库，并以此实现利用Python创建Web应用的功能，本文给大家介绍Python HTML运行的案例解析，感兴趣的朋友一起看看吧2022-05-05
今天小编就为大家分享一篇自定义django admin model表单提交的例子，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2019-08-08
这篇文章主要和大家一起深入浅出的学习python装饰器的相关资料，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2017-09-09
最新评论