当前位置：首页 > news >正文

python学opencv|读取图像（十六）修改HSV图像HSV值

news 2024/12/20 9:13:08

【1】引言

前序学习进程中，我们已经掌握了对HSV通道和BGR通道的拆分和合并，并通过自由组合的形式，获得了和初始图像完全不一样的新图像，相关文章可以参考下述链接：

python学opencv|读取图像（十四）BGR图像和HSV图像通道拆分-CSDN博客

python学opencv|读取图像（十五）BGR图像和HSV图像通道合并-CSDN博客

在此基础上，我们掌握了如何抓取各个通道的具体值，自然地，我们会想到修改各个通道的具体值。

在更早的时候，其实我们已经掌握了如何修改BGR图像各个通道的值，并获得了灰度和彩色图像，相关链接包括且不限于下述：
python学opencv|读取图像（六）读取图像像素RGB值_opencv读取灰度图-CSDN博客

python学opencv|读取图像（八）用numpy创建纯黑灰度图-CSDN博客

python学opencv|读取图像（十）用numpy创建彩色图像-CSDN博客

【2】代码测试

在前述基础上，我们本次课程直接对HSV图像进行通道设定。

【2.1】BGR转HSV

第一步，将BGR图像转化为HSV图像，在pycharm等编辑器中输入以下代码：

import cv2 as cv  # 引入CV模块
import numpy as np  # 引入numpy模块bgr_image = cv.imread('cv-ini-000.png')if bgr_image is not None:cv.imshow('cv-ini-000', bgr_image)  # 在屏幕上展示图片cv.imwrite('cv-ini-000-save.png', bgr_image)  # 保存图片# BGR转HSVhsv_image = cv.cvtColor(bgr_image, cv.COLOR_BGR2HSV)  # BGR转HSVcv.imshow('cv-ini-000-hsv', hsv_image)  # 在屏幕上展示图片cv.imwrite('cv-ini-000-save-hsv.png', hsv_image)  # 保存图片cv.waitKey()  # 不会自动关闭图像cv.destroyAllWindows()  # 释放所有窗口
else:print("There is no any photo")

使用的cv-ini-000.bng图像为：

图1 cv-ini-000.bng

转换后的HSV图像为：

图2 cv-ini-000-save-hsv.png

【2.2】HSV通道拆分

在获得HSV图像基础上，对HSV的通道进行拆分。

在pycharm等编辑器中补充下述代码：

    h,s,v=cv.split(hsv_image) #HSV拆分cv.imshow('H', h)  # 显示H通道cv.imwrite('cv-ini-000-save-hsv-h.png', h)  # 保存图片

这部分代码的意思是，先将BGR图转化的HSV图拆分为HSV三个通道，然后把H通道图像输出在屏幕上：

图3 cv-ini-000-save-hsv-h.png

然后把H通道数值强行转化为160。在此之前，我们梳理一下HSV的取值范围：

色调H：光的颜色，取值范围[0,180]；

饱和度S：色彩的深浅，取值范围[0,255]；

亮度V：光的明暗，取值范围[0,255]。

然后我们继续输入下述代码：

    h[:,:]=160 #强制H通道取值=160cv.imshow('H=160', h)  # 显示H通道cv.imwrite('cv-ini-000-save-hsv-h=160.png', h)  # 保存图片

运行后，获得的cv-ini-000-save-hsv-h=160.png图像为：

图4 cv-ini-000-save-hsv-h=160.png

因为是单通道图像，所以是纯色，这个图像是符合预期的。

【2.3】HSV通道合并

然后我们再把通道合并，看看效果，继续输入下述代码：

    h160svm_image=cv.merge([h,s,v]) #合并HSV通道cv.imshow('H=160SV', h160svm_image)  # 显示合并图像cv.imwrite('cv-ini-000-save-hsv-h=160sv.png', h160svm_image)  # 保存图片

运行后的图像为：

图5 cv-ini-000-save-hsv-h=160sv.png

图5和图2不同，根本原因就在于图5中的H=180。

出于好奇，我们读取一下特定点的HSV值，来对比图5和图2的这种不同。继续补充下述代码：

    print('hsv_image[100,100]=',hsv_image[100,100]) #读取原hsv_image图像的HSV值print('h160svm_image[100,100]=',h160svm_image[100,100]) #读取H=160后的h160sv_image图像的HSV值print('hsv_image[600,800]=', hsv_image[600, 800])  # 读取原hsv_image图像的HSV值print('h160svm_image[600,800]=', h160svm_image[600, 800])  # 读取H=160后的h160sv_image图像的HSV值

运行后的输出为：

图6 HSV值读取

由图6可见，确实是H通道的值在约束H值以后，每一个像素点都有H=160。

设置SV通道值得方法类似，不再赘述。

至此的完整代码为：

import cv2 as cv  # 引入CV模块
import numpy as np  # 引入numpy模块bgr_image = cv.imread('cv-ini-000.png')if bgr_image is not None:cv.imshow('cv-ini-000', bgr_image)  # 在屏幕上展示图片cv.imwrite('cv-ini-000-save.png', bgr_image)  # 保存图片# BGR转HSVhsv_image = cv.cvtColor(bgr_image, cv.COLOR_BGR2HSV)  # BGR转HSVcv.imshow('cv-ini-000-hsv', hsv_image)  # 在屏幕上展示图片cv.imwrite('cv-ini-000-save-hsv.png', hsv_image)  # 保存图片h,s,v=cv.split(hsv_image) #HSV拆分cv.imshow('H', h)  # 显示H通道cv.imwrite('cv-ini-000-save-hsv-h.png', h)  # 保存图片h[:,:]=160 #强制H通道取值=160cv.imshow('H=160', h)  # 显示H通道cv.imwrite('cv-ini-000-save-hsv-h=160.png', h)  # 保存图片h160svm_image=cv.merge([h,s,v]) #合并HSV通道cv.imshow('H=160SV', h160svm_image)  # 显示合并图像cv.imwrite('cv-ini-000-save-hsv-h=160sv.png', h160svm_image)  # 保存图片print('hsv_image[100,100]=',hsv_image[100,100]) #读取原hsv_image图像的HSV值print('h160svm_image[100,100]=',h160svm_image[100,100]) #读取H=160后的h160sv_image图像的HSV值print('hsv_image[600,800]=', hsv_image[600, 800])  # 读取原hsv_image图像的HSV值print('h160svm_image[600,800]=', h160svm_image[600, 800])  # 读取H=160后的h160sv_image图像的HSV值cv.waitKey()  # 不会自动关闭图像cv.destroyAllWindows()  # 释放所有窗口
else:print("There is no any photo")