一、imread()的grayscale和cvtColor()的区别

在图像加载API中，我们可以看到imread()有一个参数flags ，这个参数有一个选项是cv.IMREAD_GRAYSCALE，意思是将原图像转换为灰度图后返回。

官方文档解释是：

If set, always convert image to the single channel grayscale image (codec internal conversion).

如果设置，总是将图像转换成单通道的灰度图（采取内部转换编码）。

 并且在imread()的API文档中也有一个注释

When using IMREAD_GRAYSCALE, the codec's internal grayscale conversion will be used, if available. Results may differ to the output of cvtColor().

当用参数IMREAD_GRAYSCALE时，如果内部灰度转换编码可获得，那么它将被使用。结果与cvtColor()的有差异。cvtColor()

可以看出来，在读取图像时直接转换成灰度图和先读取全色再用cvtColor()转成灰度，结果是不一样的。

这个区别虽然存在，但是非常小，仅有部分区域、一些像素点不同；具体可以参考Stack Overflow的文章，测试代码如下

import cv2
import numpy as np
 
path = 'some/path/to/color/image.jpg'
 
# Load color image (BGR) and convert to gray
img = cv2.imread(path)
img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
 
# Load in grayscale mode
img_gray_mode = cv2.imread(path, 0)
 
# diff = img_gray_mode - img_gray
diff = cv2.bitwise_xor(img_gray,img_gray_mode)
print(np.sum(diff ))
# 输出结果不为0，对于一个494 x 750=370500的图像，结果为6143，不是很大
 
 
cv2.imshow('diff', diff)
# 最后会发现图像不全是黑色，说明img_gray和img_gray_mode有像素点不一样
 
cv2.waitKey()

二、对cvtColor()的讲解

cvtColor()不仅可以将三通道转成灰度单通道，也可将BGR的三通道转成其他类型的三通道，比如HSV。

以下摘录于官网cvtColor()文档。

  cv::COLOR_BGR2BGRA = 0,
  cv::COLOR_RGB2RGBA = COLOR_BGR2BGRA,
  cv::COLOR_BGRA2BGR = 1,
  cv::COLOR_RGBA2RGB = COLOR_BGRA2BGR,
  cv::COLOR_BGR2RGBA = 2,
  cv::COLOR_RGB2BGRA = COLOR_BGR2RGBA,
  cv::COLOR_RGBA2BGR = 3,
  cv::COLOR_BGRA2RGB = COLOR_RGBA2BGR,
  cv::COLOR_BGR2RGB = 4,
  cv::COLOR_RGB2BGR = COLOR_BGR2RGB,
  cv::COLOR_BGRA2RGBA = 5,
  cv::COLOR_RGBA2BGRA = COLOR_BGRA2RGBA,
  cv::COLOR_BGR2GRAY = 6,
  cv::COLOR_RGB2GRAY = 7,
  cv::COLOR_GRAY2BGR = 8,
  cv::COLOR_GRAY2RGB = COLOR_GRAY2BGR,
  cv::COLOR_GRAY2BGRA = 9,
  cv::COLOR_GRAY2RGBA = COLOR_GRAY2BGRA,
  cv::COLOR_BGRA2GRAY = 10,
  cv::COLOR_RGBA2GRAY = 11,
  cv::COLOR_BGR2BGR565 = 12,
  cv::COLOR_RGB2BGR565 = 13,
  cv::COLOR_BGR5652BGR = 14,
  cv::COLOR_BGR5652RGB = 15,
  cv::COLOR_BGRA2BGR565 = 16,
  cv::COLOR_RGBA2BGR565 = 17,
  cv::COLOR_BGR5652BGRA = 18,
  cv::COLOR_BGR5652RGBA = 19,
  cv::COLOR_GRAY2BGR565 = 20,
  cv::COLOR_BGR5652GRAY = 21,
  cv::COLOR_BGR2BGR555 = 22,
  cv::COLOR_RGB2BGR555 = 23,
  cv::COLOR_BGR5552BGR = 24,
  cv::COLOR_BGR5552RGB = 25,
  cv::COLOR_BGRA2BGR555 = 26,
  cv::COLOR_RGBA2BGR555 = 27,
  cv::COLOR_BGR5552BGRA = 28,
  cv::COLOR_BGR5552RGBA = 29,
  cv::COLOR_GRAY2BGR555 = 30,
  cv::COLOR_BGR5552GRAY = 31,
  cv::COLOR_BGR2XYZ = 32,
  cv::COLOR_RGB2XYZ = 33,
  cv::COLOR_XYZ2BGR = 34,
  cv::COLOR_XYZ2RGB = 35,
  cv::COLOR_BGR2YCrCb = 36,
  cv::COLOR_RGB2YCrCb = 37,
  cv::COLOR_YCrCb2BGR = 38,
  cv::COLOR_YCrCb2RGB = 39,
  cv::COLOR_BGR2HSV = 40,
  cv::COLOR_RGB2HSV = 41,
  cv::COLOR_BGR2Lab = 44,
  cv::COLOR_RGB2Lab = 45,
  cv::COLOR_BGR2Luv = 50,

最常见的是COLOR_BGR2GRAY=6、COLOR_GRAY2BGR=8、COLOR_BGR2HLS=52、COLOR_RGB2HLS=53、COLOR_BGR2HSV=40、COLOR_RGB2HSV=41。

语法很简单，就是cv2.cvtColor(src, code[, dst[, dstCn]])。

参数src用来指定图片路径。

参数code就是用来指定颜色空间转换规则。

三、通道的分离与转换（split、merge）

本章节讨论cv中的split，而不是numpy中的。

cv中的split是分离图像通道，而numpy中的split是分割数组。

OpenCV3.3深度神经网络(DNN)模块-应用视频教程.txt

txt 0星 超过10%的资源 364.0B

下载

假设img是一个BGR颜色图，使用split()分离通道后，由b, g, r接收。

import cv2 as cv
 
img = cv.imread('Snipaste_5.png')
 
print(img.shape)
b, g, r = cv.split(img)
print(b.shape)
print(g.shape)
print(r.shape)
cv.imshow("b", b)
cv.imshow("g", g)
cv.imshow("r", r)
cv.waitKey(0)
cv.destroyAllWindows()

输出如下

(769, 188, 3)
(769, 188)
(769, 188)
(769, 188)
(769, 188)

 原图如下

输出的三个通道图片，是灰度图；这是因为b、g、r这三个图片变量的维度只有2维，而imshow()只所以能够顺利执行，就是因为会给三个图片变量额外扩充一维，第三维的大小为1，这时候各个通道的对应蓝、绿、红的数值自然就被视作灰度值了（或者看成第三维大小为3，拷贝性填充3个同样的值，同样也是灰度图）。

比如假如通道b的某点取值为255，那么单独imshow()这个通道，这一点和（255, 255, 255）的显示相同，得以验证上面的结论。

分离之后，我们可以对各个通道进行单独操作（加减乘除等），单独操作完成了就可以合并成一个完整的三色图。

比如下面的代码，进一步对各个通道同时加上100（饱和运算），可以提高整体的亮度水平（虽然可能用不到），然后再用merge()融合在一起。

import cv2 as cv
 
img = cv.imread('Snipaste_5.png')
print(img)
print(img.shape)
b, g, r = cv.split(img)
b = cv.add(b, 100)
g = cv.add(g, 100)
r = cv.add(r, 100)
cv.merge([b, g, r], img)
print(b.shape)
print(g.shape)
print(r.shape)
cv.imshow("b", b)
cv.imshow("g", g)
cv.imshow("r", r)
cv.imshow("img", img)
cv.waitKey(0)
cv.destroyAllWindows()

rgb转换his

m 5星 超过95%的资源 3KB

下载

四、numpy式通道分离和合并

如果您学过Numpy的数组切片、索引方面的知识，应该能够很简单地看出下面这两条语句等价，都是用来进行通道的分离。

b, g, r = img[:, :, 0], img[:, :, 1], img[:, :, 2]

b, g, r = cv2.split(img)

同理，下面两条都是用来进行通道的合并。

img[:, :, 0], img[:, :, 1], img[:, :, 2] = b, g, r

cv2.merge([b, g, r], img)

因此，我们执行下面的代码

import cv2 as cv
 
img = cv.imread('Snipaste_5.png')
copy = img.copy()
 
b, g, r = cv.split(img)
b1, g1, r1 = copy[:, :, 0], copy[:, :, 1], copy[:, :, 2]
print((b == b1).all())
print((g == g1).all())
print((r == r1).all())
b = cv.add(b, 100)
g = cv.add(g, 100)
r = cv.add(r, 100)
b1 = cv.add(b1, 100)
g1 = cv.add(g1, 100)
r1 = cv.add(r1, 100)
cv.merge([b, g, r], img)
copy[:, :, 0], copy[:, :, 1], copy[:, :, 2] = b1, g1, r1
cv.imshow("img", img)
cv.imshow("copy", copy)
cv.waitKey(0)
cv.destroyAllWindows()

最后输出的两张图片，完全一模一样！