python opencv实现灰度图和彩色图的互相转换
时间：2022-09-10 09:21:19|栏目：Python代码|点击： 次
opencv灰度图和彩色图互相转换
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()
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：
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：
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)
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。
附：python将灰度图转换为RGB彩色图
from PIL import Image
import os
path = r'图片存储的路径'
newpath = r'转换后存储图片的路径'
def RGBtoGray(path):
files = os.listdir(path)
for file in files:
imgpath = path + '/' + file
#print(imgpath)
#
im = Image.open(imgpath).convert('RGB')
#resize将图像像素转换成自己需要的像素大小
img = im.resize((512, 512))
dirpath = newpath
file_name, file_extend = os.path.splitext(f)
dst = os.path.join(os.path.abspath(dirpath), file_name + '.jpg')
img.save(dst)
if __name__ == "__main__":
RGBtoGray(path)
总结
