python3-opencv库（3）--图片颜色空间转换，利用HSV进行物体跟踪，图像通道分离与合并

版权声明：转载请注明原作者及出处from cv2 import cv2 #或者import cv2
import numpy as np

"""H(hue)色调 0~180；S(saturation)饱和度 0~255；V(value) 0~255
具体参见HSV颜色空间的百度百科"""
def extract_object_demo():
"""通过颜色过滤的方法来跟踪捕获视屏中的物体"""
"""本函数就是一个追踪视频中绿色物体的程序"""
capture = cv2.VideoCapture("D:/movie/星际牛仔BD/星际牛仔Session8ワルツ_フォー_ヴィーナスWaltzForVenus.MP4")
    #选择打开一个视屏
    while True:
ret, frame = capture.read()
#从视频中一帧一帧地读取图像
if ret == False:
break
#判断是否读取正确，读取失败（比如视屏结束）则会终止循环,所以ret是个判断读取是否正确的返回量
hsv = cv2.cvtColor(frame,cv2.COLOR_BGR2HSV)
#将视屏每一帧转换成HSV图像
lower_hsv = np.array([35, 43, 46],dtype=np.uint8)
#设置HSV范围下限（是长度为3的1D数组，三个元素分别表示H,S,V的下限）
upper_hsv = np.array([77, 255, 255],dtype=np.uint8)
#设置HSV范围上限（是长度为3的1D数组，三个元素分别表示H,S,V的上限）
#hsv处于该范围内的就是广义的绿色，我们就是为了把绿色筛选出来，颜色与HSV值得对应见下方的表
mask = cv2.inRange(hsv,lower_hsv,upper_hsv)
#第一参数为待处理的图像，第二参数为HSV范围下限，第三参数为HSV范围上限
'''cv2.inRange()方法对每一帧图像进行处理，凡是HSV值处在范围内的像素，
一律为白色，范围外的一律为黑色，最后返回一张二值化的图，所谓二值化，就
是全图只有黑白两色，即mask'''
cv2.imshow("video_initia",frame)
cv2.imshow("video_hsv",hsv)
cv2.imshow("video_mask",mask)
k = cv2.waitKey(20) #设置成按Esc键退出循环
if k == 27:
break

def color_space_demo(img):
"""颜色空间的转换BGR--->HSV"""
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
#转换成灰度图
cv2.imshow("gray_img",gray)

hsv = cv2.cvtColor(img,cv2.COLOR_BGR2HSV)
#转换成HSV
cv2.imshow("hsv_img",hsv)

yuv = cv2.cvtColor(img,cv2.COLOR_BGR2YUV)
#转换成YUV
cv2.imshow("yuv_img",yuv)

ycrcb = cv2.cvtColor(img,cv2.COLOR_BGR2YCrCb)
#转换成YCrCb
cv2.imshow("ycrcb_img",ycrcb)

print("----------hello python!----------")
src = cv2.imread("Z.PNG")
t1 = cv2.getTickCount()
#=======================================================
color_space_demo(src) #演示各种颜色空间之间的转换
extract_object_demo() #演示通过颜色过滤来跟踪视频中的物体
#=======================================================
t2 = cv2.getTickCount()
time = (t2-t1)*1000/cv2.getTickFrequency()
print("耗时：%s" % time)
cv2.waitKey(0)

cv2.destroyAllWindows()如何知道各种颜色对应的HSV范围？参见下表
由于HSV是基于人类对颜色感觉而定制的标准，所以每种颜色都是用一个范围来表示



三通道图像的通道分离以及三个单通道图像的通道合并

from cv2 import cv2 #或者import cv2
import numpy as np

print("--------------------hello python!--------------------")
src = cv2.imread("Z.PNG")
t1 = cv2.getTickCount()
#====================================================================
b, g, r = cv2.split(src) #通道分离，把一副三通道图像分成3个单通道图像

cv2.imshow("blue",b)    #展示分离后每个通道作为单通道图像的灰度图
cv2.imshow("green",g)
cv2.imshow("red",r)

img = cv2.merge([b,g,r]) #通道合并
cv2.imshow("merge_img",img) #展示合并后的图
#====================================================================
t2 = cv2.getTickCount()
time = (t2-t1)*1000/cv2.getTickFrequency()
print("耗时：%s" % time)
cv2.waitKey(0)
cv2.destroyAllWindows()