【python-opencv】灰度图和彩色图的互相转换

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()

在这里插入图片描述

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：
在这里插入图片描述

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：

在这里插入图片描述

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)

在这里插入图片描述

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。

【python-opencv】灰度图和彩色图的互相转换

注意：

猜你喜欢