文章目录
一、安装
pip install opencv-python
二、导入
import cv2
三、长，宽，通道
1、通道介绍
通道包含用于构成其他颜色的基础色彩，三种基本颜色是红绿蓝。
在通道的每一个像素点上，都有[0,255]之间的整数值，这些书值代表了“该通道上颜色的灰度”。
在图像的语言中：“灰度”就是明亮程度。数字越接近255，就代表颜色明亮程度越高，越接近通道本身的颜色。数字越接近0，就代表颜色的明亮程度越弱，也就是越接近黑色。
例如：白色RGB(255,255,255) 黑色RGB(0,0,0)
如果红色通道是黑色的，说明红色对图片几乎没有贡献。如果绿色通道比较明亮，说明绿色对图片贡献比较多。
在图像的矩阵中，我们可以使用索引找出任意像素的三个通道上的颜色的明度，例如，对于第0行、第0列的样本而言，可以看到一个三列的矩阵，这三列就分别代表着红色、绿色、蓝色的像素值。当三个值都不为0时，这个像素在三个通道上都有颜色。相对应的，最纯的红色会显示为(255,0,0)，最纯的蓝色就会显示为(0,0,255),绿色可以此类推。当像素值为(0,0,0)时，这个像素点就为黑色，当像素值为(255,255,255), 像素点就为白色。通道上像素的灰度，也就是矩阵中的值，几乎100%决定了图像会呈现出什么样子。
饱和度：颜色是否鲜艳。
2、通道类型
在图像的世界中有许多通道”类型，就和计算机世界有许多编码类型-样，较为常见的通道有以下几种:
（1）灰度通道
灰度在计算机视觉中是指“明暗程度”，而不是指“灰色”。因而灰度通道也不是指图像是灰色的通道，而是只有一种颜色的通道。同理，灰度图像是只有一个通道的图像。所以RGB通道中的任意一个通道单独拿出来之后， 都可以用灰度(明暗) 来显示。就像我们在Fashion-MNIST数据集中所见到的，灰度图像的shape最后一列为1, 索引出来的值中只有一个数字，这个数字就是这种唯一颜色的明度。当你看见图像的通道数为1, 无论可视化之后图像显示什么视觉颜色，它都只是表示单一颜色的明度而已。(没有人怀疑过为什么fashion-MNIST中的图绘制出来是黄绿色的吗?你现在了解，其实蓝绿色也只是明度的一种表示)。
（2）RGB色彩空间
数字世界最常见的彩色通道，分别表示红、绿、蓝三种电子成像的基本颜色。
（3）CMYK色彩空间
用于彩色打印机成像的通道，由青色(Cyan) 、品红(Magenta) 、黄色(Yellow) 和黑色(Black) 构成，因此是四维通道，在图像结构中会显示为(高度，宽度，4)。
（4）HSV (或HSL)色彩空间
HSV通道是为人们描述和解释颜色创建的，H代表色相，S代表饱和度，V代表亮度。
以上三种空间可以自由切换(会产生数据损失)，在OpenCV中也有支持切换的函数可以调用。在计算机视觉中，我们可能遇见各种通道类型的图片，当我们需要对图像进行特定操作时，我们必须了解这些通道并了解如何在他们之间进行转换。
（5）RGBA色彩空间
拥有四维通道，分别是(红色，绿色，蓝色，透明度alpha)。透明度alpha的取值范围在0-1之间。当-一个像素的RGB显示为(0 ,255,0)时，则说明这个像素里是明度最高的绿色，但加H透明度之后，色彩就会变得透明”。RGBA可以提供更丰富的色彩样式，让图像的色彩变得更加绚丽。
3、OpenCV令像素变化来改变图像
（1）默认读取
import numpy as np
import cv2
import matplotlib.pyplot as plt
#读取计算机中的图像，导入一张喜欢的图片
img = cv2.imread('D:/My life/girl.jpeg')#不要有中文，不要有空格.尽量改成/，不要用r'\'
img.shape
(562, 1000, 3)
# 展示图片
plt.figure(dpi=150) # 画布，dpi是分辨率，通常用300
plt.imshow(img)
plt.axis('off'); # 不显示坐标轴
结果发现颜色有点阴间：
（2）切换为RGB
openCV默认读取后的图像通道是BGR，红蓝搞反了。因此我们需要将图像的通道转化成RGB。
img = cv2.cvtColor(img,cv2.COLOR_BGR2RGB)
#也可以通过使用补偿为-1的逆序索引来进行转换 img = imt[:,:,:,:-1]
#再次展示图片
plt.figure(dpi=150)#画布，dpi是分辨率，通常用300
plt.imshow(img)
plt.axis('off');#不显示坐标轴
img.dtype
dtype(‘uint8’)
a = np.array([0,1,255],dtype="uint8")
a
array([ 0, 1, 255], dtype=uint8)
不能直接进行线性变换：
a + 10 ,a - 10#255+9=265
(array([10, 11, 9], dtype=uint8), array([246, 247, 245], dtype=uint8))
应该把img变成浮点型：
img = img*1.0
b = np.array([280,-3,250])
np.clip(b,0,255)#用来将数字限制在某个范围内的函数 允许的最小值，允许的最大值
array([255, 0, 250])
img = img/255 #归一化
（3）调亮画面
img_ = np.clip(img + 100/255,0,1)#np.clip是一个抹掉范围外值的函数。像素值越接近255，越鲜艳
plt.figure(dpi = 100)
plt.imshow(img_)
plt.axis('off');
（4）调暗画面
img_ = np.clip(img - 100/255,0,1)#np.clip是一个抹掉范围外值的函数
plt.figure(dpi = 100)
plt.imshow(img_)
plt.axis('off');
（5）让画面更鲜艳
img_ = np.clip(img*2,0,1)#np.clip是一个抹掉范围外值的函数
#对于乘法img*2来说，原来很大的值会增长得更快，因此原本就很鲜艳的颜色会变得更加鲜艳，增加对比度
plt.figure(dpi = 100)
plt.imshow(img_)
plt.axis('off');
（6）调整饱和度
注：读取文件路径时不要有中文，不要有空格。尽量改成/，不要用r’’
img = cv2.imread('D:/My life/girl.jpeg') # 不要有中文，不要有空格.尽量改成/，不要用r'\'
"""
openCV默认读取后的图像通道是BGR，为了调整饱和度，直接将通道转化为HSV
"""
img_hsv = cv2.cvtColor(img,cv2.COLOR_BGR2HSV)
h,s,v = cv2.split(img_hsv)#分解为h,s,v
"""
#这里分解出的是uint8，要在uint8上进行数值操作则必须先更换为浮点数。openCV只能处理uint8
h += np.clip(s*1.0 + 100,0, 255).astype("uint8") #色相
s += np.clip(s*1.0 + 100,0, 255).astype("uint8") #饱和度
v += np.clip(s*1.0 + 100,0, 255).astype("uint8") #亮度
"""
final_hsv = cv2.merge((h, s, v))#合并回一张完整的h,s,v图像
"""
为了绘图，这里是转回RGB，而不是BGR
"""
img_s = cv2.cvtColor(final_hsv, cv2.COLOR_HSV2RGB)
plt.figure(dpi=100)
plt.imshow(img_s)
plt.axis('off');
在掌握了一些浅层图像原理之后，就可以通过改变像素值来改变图像的模样。这再次证明了，通道上像素的灰度，也就是张量中的值几乎100%决定了图像会呈现出什么样子。因此，只要给与[0,255]之间的值，令其结构形似一张图像(高，宽，3)，我们甚至可以自己“瞎编”出一张图像来，所以任意矩阵都可以被以图像的方式进行可视化。
值得注意的是，由于灰度的存在，图像是可以被表示成二元函数。通常写作f(x,y)或f(i,j)。在这个函数中，函数的两个自变量是图像的宽度与高度，函数值就是该通道上的灰度。
pic = np.random.randint(0,255,size=(300,300,3))
plt.figure(dpi=100)
plt.imshow(pic)
plt.axis('off');
