OpenCV基础入门30讲（Python）——第二讲 图像色彩转换
常见的几种颜色类型介绍
1、彩色图像（Color Image，BGR）
- 数据类型：
uint8 - 通道数：3（BGR：蓝色、绿色、红色）
- 描述：彩色图像有三个通道，每个通道的值范围是 0 到 255，分别表示蓝色（B）、绿色（G）、红色（R）分量的强度。需要注意的是，OpenCV 默认采用 BGR 通道顺序，而不是常见的 RGB。
- 用途：适用于大多数场景下的彩色图像处理，如物体检测、图像分割等。
2、灰度图像（Grayscale Image）
- 数据类型：
uint8（无符号 8 位整数） - 通道数：1
- 描述：灰度图像只有一个通道，每个像素点的值范围为 0 到 255，0 表示黑色，255 表示白色，中间值表示不同的灰度。
- 用途：用于简化计算，尤其在图像处理和计算机视觉任务中，灰度图像常被用于边缘检测、阈值处理等。
3、HSV图像
- H（Hue，色调）：
- 范围：0 到 179（在 OpenCV 中）
- 描述：表示颜色的基本属性，如红色、蓝色、绿色等。0 表示红色，60 表示黄色，120 表示绿色，180 表示蓝色。
- S（Saturation，饱和度）：
- 范围：0 到 255
- 描述：表示颜色的纯度。0 表示灰色（无色彩），255 表示最饱和的颜色。
- V（Value，明度/亮度）：
- 范围：0 到 255
- 描述：表示颜色的亮度。0 表示完全黑色，255 表示最亮的颜色。
代码讲解
在上一讲的main文件中加入以下代码：
# 第二节课 图像色彩转换
def color_space_demo():
image = cv.imread('C:/Users/28267/Desktop/Python/Py_OpenCV481/python_opencv_quick_tutorial/image/3.jpg')
if image is None:
print("错误: 未发现图像或者图像不能被加载.")
# 缩放图像 由于我要显示的图像太大了，所以接下来四行我进行了一下缩放
# 将 image 图像的宽*0.2，得到新的宽度
width = int(image.shape[1] * 0.2)
# 将 image 图像的高*0.2，得到新的高度
height = int(image.shape[0] * 0.2)
# 设置宽高比
dim = (width, height)
# 缩小图像 调用 OpenCV 中的 resize 函数缩小图像
# 参数1：要缩小的图像，参数2：缩小后的图像宽高，参数3：插值方法，默认为INTER_LINEAR
resized_image = cv.resize(image, dim, interpolation=cv.INTER_AREA)
# 用 cvtColor 函数，把 resized_image 指向的图像颜色 从 BGR 转换为灰度图像
# 我们通常说RGB 但是在OpenCV中读取图像的顺序是蓝色，绿色，红色，所以叫BGR
gray = cv.cvtColor(resized_image, cv.COLOR_BGR2GRAY)
# 用 cvtColor 函数，把 resized_image 指向的图像颜色从 BGR 转换为HSV图像
hsv = cv.cvtColor(resized_image, cv.COLOR_BGR2HSV)
# 显示最开始读取的原图像
cv.imshow("resized_image", resized_image)
# 显示灰度图像 gray：灰色
cv.imshow("gray_image", gray)
# 显示HSV图像
cv.imshow("hsv_image", hsv)
cv.waitKey(0)
cv.destroyAllWindows()将主函数部分更改为：
# 主函数运行函数 color_space_demo
if __name__ == "__main__":
color_space_demo()main文件代码，布局：
运行效果图：
特别介绍
以后只需要在main文件中加入我们要写的函数，例如：
# 第二节课 色彩空间转换
def color_space_demo():
image = cv.imread('C:/Users/28267/Desktop/Python/Py_OpenCV481/python_opencv_quick_tutorial/image/3.jpg')
if image is None:
print("错误: 未发现图像或者图像不能被加载.")
# 缩放图像 由于我要显示的图像太大了，所以接下来四行我进行了一下缩放
# 将 image 图像的宽*0.2，得到新的宽度
width = int(image.shape[1] * 0.2)
# 将 image 图像的高*0.2，得到新的高度
height = int(image.shape[0] * 0.2)
# 设置宽高比
dim = (width, height)
# 缩小图像 调用 OpenCV 中的 resize 函数缩小图像
# 参数1：要缩小的图像，参数2：缩小后的图像宽高，参数3：插值方法，默认为INTER_LINEAR
resized_image = cv.resize(image, dim, interpolation=cv.INTER_AREA)
# 用 cvtColor 函数，把 resized_image 指向的图像颜色 从 BGR 转换为灰度图像
# 我们通常说RGB 但是在OpenCV中读取图像的顺序是蓝色，绿色，红色，所以叫BGR
gray = cv.cvtColor(resized_image, cv.COLOR_BGR2GRAY)
# 用 cvtColor 函数，把 resized_image 指向的图像颜色从 BGR 转换为HSV图像
hsv = cv.cvtColor(resized_image, cv.COLOR_BGR2HSV)
# 显示最开始读取的原图像
cv.imshow("resized_image", resized_image)
# 显示灰度图像 gray：灰色
cv.imshow("gray_image", gray)
# 显示HSV图像
cv.imshow("hsv_image", hsv)
cv.waitKey(0)
cv.destroyAllWindows()再把主函数部分改成我们新写的函数名，例如
# 主函数运行函数 color_space_demo
if __name__ == "__main__":
color_space_demo()即可运行我们新写的代码。