第6章主要講的是彩色圖像處理，一些彩色模型如RGB，CMK，CMYK，HSI等色彩模型；彩色模型的變換關系；還包含由灰度圖像怎樣處理成假彩色圖像；使用彩色分割圖像等。本章比較少理論還有變換的描述，主要以代碼為主，如有需要，請自行查看書本。

這里寫目錄標題

• 假彩色圖像處理
• • • 灰度分層（灰度分割）和彩色編碼
    • 灰度值到彩色變換
    • Gray -> RGB

假彩色圖像處理

灰度分層（灰度分割）和彩色編碼

def gray_slice(img_gray):img_ori = img_gray / 255.rows,cols = img_ori.shape[:2]labels = np.zeros([rows,cols])for i in range(rows):for j in range(cols):if(img_ori[i,j] < 0.125):labels[i,j] = 0elif(img_ori[i,j] < 0.25):labels[i,j] = 0.2elif(img_ori[i,j] < 0.375):labels[i,j] = 0.4elif(img_ori[i,j] < 0.5):labels[i,j] = 0.5elif(img_ori[i,j] < 0.625):labels[i,j] = 0.6elif(img_ori[i,j] < 0.75):labels[i,j] = 0.8elif(img_ori[i,j] < 0.875):labels[i,j] = 0.9else:labels[i,j] = 1return labels # Gray to RGB from skimage import io, exposure, colorimg_ori = cv2.imread('DIP_Figures/DIP3E_Original_Images_CH06/Fig0620(a)(picker_phantom).tif', 0)labels = gray_slice(img_ori) labels = np.uint8(labels * 255) img_rgb = color.label2rgb(labels)plt.figure(figsize=(20, 5)) plt.subplot(141), plt.imshow(img_ori, 'gray'), plt.title('Original')plt.subplot(142), plt.imshow(img_rgb, ), plt.title('Pseudo RGB') # plt.subplot(143), plt.imshow(img_cmyk, ), plt.title('CMYK') # plt.subplot(144), plt.imshow(img_r, ), plt.title('Red Channel')plt.tight_layout() plt.show()

# Gray to RGB from skimage import io, exposure, color def gray_slice(img_gray):rows,cols = img_gray.shape[:2]labels = np.zeros([rows,cols], np.uint8)for i in range(rows):for j in range(cols):if(img_gray[i,j] < 250):labels[i,j] = 125else:labels[i,j] = 100return labelsimg_ori = cv2.imread('DIP_Figures/DIP3E_Original_Images_CH06/Fig0621(a)(weld-original).tif', 0)labels = gray_slice(img_ori) img_rgb = color.label2rgb(labels)plt.figure(figsize=(20, 5)) plt.subplot(141), plt.imshow(img_ori, 'gray'), plt.title('Original')plt.subplot(142), plt.imshow(img_rgb, ), plt.title('Pseudo RGB') # plt.subplot(143), plt.imshow(img_cmyk, ), plt.title('CMYK') # plt.subplot(144), plt.imshow(img_r, ), plt.title('Red Channel')plt.tight_layout() plt.show()

# Gray to RGB from skimage import io, exposure, color def gray_slice(img_gray):rows,cols = img_gray.shape[:2]labels = np.zeros([rows,cols], np.uint8)for i in range(rows):for j in range(cols):if(img_gray[i,j] < 31):labels[i,j] = 0elif(img_gray[i,j] < 63):labels[i, j] = 10elif(img_gray[i,j] < 95):labels[i, j] = 20elif(img_gray[i,j] < 127):labels[i, j] = 30elif(img_gray[i,j] < 159):labels[i, j] = 40elif(img_gray[i,j] < 191):labels[i, j] = 255elif(img_gray[i,j] < 223):labels[i, j] = 255else:labels[i,j] = 255return labelsimg_ori = cv2.imread('DIP_Figures/DIP3E_Original_Images_CH06/Fig0622(a)(tropical_rain_grayscale.tif', 0)labels = gray_slice(img_ori) img_rgb = color.label2rgb(labels)hist, bins, patches = plt.hist(img_ori.flatten(), bins=256) plt.figure(figsize=(15, 10)) plt.subplot(211), plt.imshow(img_ori, 'gray'), plt.title('Original') plt.subplot(212), plt.imshow(img_rgb, ), plt.title('Pseudo RGB') plt.tight_layout() plt.show()

灰度值到彩色變換

# Gray to RGB from skimage import io, exposure, colorimg_r = cv2.imread('DIP_Figures/DIP3E_Original_Images_CH06/Fig0627(a)(WashingtonDC Band3-RED).TIF', 0) img_g = cv2.imread('DIP_Figures/DIP3E_Original_Images_CH06/Fig0627(b)(WashingtonDC Band2-GREEN).TIF', 0) img_b = cv2.imread('DIP_Figures/DIP3E_Original_Images_CH06/Fig0627(c)(1)(WashingtonDC Band1-BLUE).TIF', 0) img_ir = cv2.imread('DIP_Figures/DIP3E_Original_Images_CH06/Fig0627(d)(WashingtonDC Band4).TIF', 0)# IR G B img_irgb = np.dstack([img_ir, img_g, img_b])# R IR B img_RIRB = np.dstack([img_r, img_ir, img_b])plt.figure(figsize=(15, 10)) plt.subplot(231), plt.imshow(img_r, 'gray'), plt.title('Red Band') plt.subplot(232), plt.imshow(img_g, 'gray'), plt.title('Green Band') plt.subplot(233), plt.imshow(img_b, 'gray'), plt.title('Blue Band') plt.subplot(234), plt.imshow(img_ir, 'gray'), plt.title('IR Band') plt.subplot(235), plt.imshow(img_irgb), plt.title('IR G B ') plt.subplot(236), plt.imshow(img_RIRB), plt.title('R IR B') plt.tight_layout() plt.show()# RGB img_rgb = np.dstack([img_r, img_g, img_b]) plt.figure(figsize=(5, 5)) plt.imshow(img_rgb), plt.title('RGB') plt.tight_layout() plt.show()

# import numpy as np # from skimage import io,exposure,color # import matplotlib.pyplot as plt # import math # import sys# 灰度值到彩色變換 # 定義灰度值到彩色變換 L = 255 def GetR(gray):if gray < L/2:return 0elif gray > L/4*3:return Lelse:return 4*gray-2*L def GetG(gray):if gray < L/4:return 4*grayelif gray > L/4*3:return 4*L-4*grayelse:return L def GetB(gray):if gray < L/4:return Lelif gray > L/2:return 0else:return 2*L-4*graydef gray2rgb(img_gray):height, width = img_gray.shape[:2]dst = np.zeros((height, width, 3), dtype = 'uint8')for h in range(height):for w in range(width):r,g,b = GetR(img_gray[h,w]),GetG(img_gray[h,w]),GetB(img_gray[h,w])dst[h, w, :] = (r,g,b)return dst # Gray to RGB from skimage import io, exposure, colorimg_ori = cv2.imread('DIP_Figures/DIP3E_Original_Images_CH06/Fig0620(a)(picker_phantom).tif', 0)img_rgb = gray2rgb(img_ori)plt.figure(figsize=(20, 5)) plt.subplot(141), plt.imshow(img_ori, 'gray'), plt.title('Original')plt.subplot(142), plt.imshow(img_rgb, ), plt.title('Pseudo RGB') # plt.subplot(143), plt.imshow(img_cmyk, ), plt.title('CMYK') # plt.subplot(144), plt.imshow(img_r, ), plt.title('Red Channel')plt.tight_layout() plt.show()

# Gray to RGB from skimage import io, exposure, colorimg_ori = cv2.imread('DIP_Figures/DIP3E_Original_Images_CH06/Fig0622(a)(tropical_rain_grayscale.tif', 0)img_rgb = gray2rgb(img_ori)plt.figure(figsize=(20, 10)) plt.subplot(141), plt.imshow(img_ori, 'gray'), plt.title('Original')plt.subplot(142), plt.imshow(img_rgb, ), plt.title('Pseudo RGB') # plt.subplot(143), plt.imshow(img_cmyk, ), plt.title('CMYK') # plt.subplot(144), plt.imshow(img_r, ), plt.title('Red Channel')plt.tight_layout() plt.show()

Gray -> RGB

嚴格來說這不是由于Gray轉RGB，因為利用原來的GB通道

我們要將RGB表示轉換為gGB表示，也就是用灰度分量g取代藍色分量R，藍色分量B和綠色分量G不變。我們可以從gGB計算出紅色分量R，因為灰度g=pR+qG+tB（其中p=0.2989,q=0.5870,t=0.1140），于是R=(g-qG-t*B)/p。于是我們只要保留B和G兩個顏色分量，再加上灰度圖g，就可以回復原來的RGB圖像。同樣，我們這里的g是可以隨便取代紅綠藍三種分量中的任一分量的。下面進行演示。

# Gray to RGB img_ori = cv2.imread('DIP_Figures/DIP3E_Original_Images_CH06/Fig0646(a)(lenna_original_RGB).tif')src = img_ori.copy() # src_gray = bgr2gray(img_ori) src_gray = cv2.cvtColor(img_ori, cv2.COLOR_BGR2GRAY)B = src[:,:,0] G = src[:,:,1] R = src[:,:,2]# 灰度g=p*R+q*G+t*B（其中p=0.2989,q=0.5870,t=0.1140），于是B=(g-p*R-q*G)/t。于是我們只要保留R和G兩個顏色分量，再加上灰度圖g，就可以回復原來的RGB圖像。 g = src_gray[:] p = 0.2989; q = 0.5870; t = 0.1140 B_new = (g - p * R - q * G) /t B_new = np.uint8(normalize(B_new) * 255) # 這種方式會有點偏藍 # B_new = np.uint8(B_new / 255) # 這種方式會偏綠 src_new = np.zeros((src.shape)).astype("uint8") src_new[:,:,0] = B_new src_new[:,:,1] = G src_new[:,:,2] = Rplt.figure(figsize=(20, 5)) plt.subplot(141), plt.imshow(img_ori[:, :, ::-1]), plt.title('Original') plt.subplot(142), plt.imshow(src_gray, ), plt.title('GrayScale') plt.subplot(143), plt.imshow(src_new[..., ::-1], ), plt.title('Gray To RGB') # plt.subplot(144), plt.imshow(img_r, ), plt.title('Red Channel')plt.tight_layout() plt.show()

總結

以上是生活随笔為你收集整理的第6章 Python 数字图像处理(DIP) - 彩色图像处理2 - 灰度分层（灰度分割）和彩色编码，灰度值到彩色变换，Gray to RGB的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。