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

第6章主要讲的是彩色图像处理，一些彩色模型如RGB，CMK，CMYK，HSI等色彩模型；彩色模型的变换关系；还包含由灰度图像怎样处理成假彩色图像；使用彩色分割图像等。本章比较少理论还有变换的描述，主要以代码为主，如有需要，请自行查看书本。

这里写目录标题

  • 假彩色图像处理
      • 灰度分层（灰度分割）和彩色编码
      • 灰度值到彩色变换
      • Gray -> RGB

假彩色图像处理

灰度分层（灰度分割）和彩色编码

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()

在这里插入图片描述

# 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()

在这里插入图片描述

# 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()

在这里插入图片描述
在这里插入图片描述

灰度值到彩色变换

# 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()

在这里插入图片描述

在这里插入图片描述

# import numpy as np
# from skimage import io,exposure,color
# import matplotlib.pyplot as plt
# import math
# import sys# 灰度值到彩色变换
# 定义灰度值到彩色变换
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()

在这里插入图片描述

# 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()

在这里插入图片描述

Gray -> RGB

严格来说这不是由于Gray转RGB，因为利用原来的GB通道

我们要将RGB表示转换为gGB表示，也就是用灰度分量g取代蓝色分量R，蓝色分量B和绿色分量G不变。我们可以从gGB计算出红色分量R，因为灰度g=pR+qG+tB（其中p=0.2989,q=0.5870,t=0.1140），于是R=(g-qG-t*B)/p。于是我们只要保留B和G两个颜色分量，再加上灰度图g，就可以回复原来的RGB图像。同样，我们这里的g是可以随便取代红绿蓝三种分量中的任一分量的。下面进行演示。

# 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。于是我们只要保留R和G两个颜色分量，再加上灰度图g，就可以回复原来的RGB图像。
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) # 这种方式会有点偏蓝
# B_new = np.uint8(B_new / 255)            # 这种方式会偏绿
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()

在这里插入图片描述

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.mzph.cn/news/260540.shtml

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

值重新赋值_JavaScript-赋值运算符

值重新赋值_JavaScript-赋值运算符

好好学习&#xff0c;天天向上赋值运算符赋值运算符必须有变量参与运算&#xff0c;赋值运算符会做两件事情第一&#xff0c;将变量中原始值参与对应数学运算&#xff0c;与右侧的数据第二&#xff0c;将运算结果再重新赋值给变量变量位于操作符的左侧赋值运算符符号&#xff1…
阅读更多...
超声换能器的原理及设计_超声波发生器、变幅杆、焊头的匹配介绍

超声换能器的原理及设计_超声波发生器、变幅杆、焊头的匹配介绍

一.超声波换能器原理与设计(超声波振动系统)匹配摘要&#xff1a;就塑料焊接机的超声波换能器系统进行设计和计算&#xff0c;并用PRO- E 三维软件绘出三维模型&#xff0c;最后进行频率分析&#xff0c;为超声波换能系统提供了有用的设计方法。关键词&#xff1a;超声波换能器…
阅读更多...
位图法

位图法

判断集合中存在重复是常见编程任务之一&#xff0c;当集合中数据量比较大时我们通常希望少进行几次扫描&#xff0c;这时双重循环法就不可取了。位图法比较适合于这种情况&#xff0c;它的做法是按照集合中最大元素max创建一个长度为max1的新数组&#xff0c;然后再次扫描原数组…
阅读更多...
CentOS查看和修改PATH环境变量的方法

CentOS查看和修改PATH环境变量的方法

为什么80%的码农都做不了架构师&#xff1f;>>> 查看PATH&#xff1a;echo $PATH 以添加mongodb server为列 修改方法一&#xff1a; export PATH/usr/local/mongodb/bin:$PATH //配置完后可以通过echo $PATH查看配置结果。 生效方法&#xff1a;立即生效 有效期限…
阅读更多...
IOS简单的登陆界面

IOS简单的登陆界面

主要需要注意的几个问题&#xff1a; 1.导入图片方式最好用文件导入 代码: 在ViewController.m文件中 2.UILable常用属性 property(nonatomic,copy) NSString *text; //设置文本内容 property(nonatomic,retain) UIFont *font; //设置字体 …
阅读更多...
第6章 Python 数字图像处理(DIP) - 彩色图像处理3 -色彩变换、彩色校正、彩色图像平滑和锐化、HSI彩色空间中的分割、RGB空间中的分割、彩色边缘检测

第6章 Python 数字图像处理(DIP) - 彩色图像处理3 -色彩变换、彩色校正、彩色图像平滑和锐化、HSI彩色空间中的分割、RGB空间中的分割、彩色边缘检测

这里写目录标题色彩变换彩色图像平滑和锐化使用彩色分割图像HSI 彩色空间中的分割RGB空间中的分割彩色边缘检测彩色图像中的噪声色彩变换 # 图像颜色分量的显示 from PIL import Imageimg_ori Image.open(DIP_Figures/DIP3E_Original_Images_CH06/Fig0630(01)(strawberries_f…
阅读更多...
javascript 在对象中使用 定时器_如何使用JavaScript 面向对象编程

javascript 在对象中使用 定时器_如何使用JavaScript 面向对象编程

学习目标理解面向对象开发思想掌握 JavaScript 面向对象开发相关模式面向对象介绍什么是对象Everything is object (一切皆对象)我们可以从两个层次来理解对象&#xff1a;(1) 对象是单个事物的抽象。一本书、一辆汽车、一个人都可以是对象&#xff0c;一个数据库、一张网页、一…
阅读更多...
char数组转string_String类和其它数据类型的相互转换

char数组转string_String类和其它数据类型的相互转换

对于上面的这些包装类&#xff0c;除了Character以外&#xff0c;都有可以直接使用字符串参数的构造函数&#xff0c;这也就使得我们将String类转换为这些数据类型变得相当之简单&#xff0c;即&#xff1a;Boolean(String s)、Integer(String s)、Long(String s)、Float(Strin…
阅读更多...
ORACLE 各种闪回操作

ORACLE 各种闪回操作

1、Flashback Database&#xff08;利用闪回日志恢复&#xff09; Oracle Flashback Database特性允许通过SQL语句Flashback Database语句&#xff0c;让数据库前滚到当前的前一个时间点或者SCN&#xff0c;而不需要做时间点的恢复。闪回数据库可以迅速将数据库回到误操作或人为…
阅读更多...
【转】介绍设置Session失效的几种方法

【转】介绍设置Session失效的几种方法

转载地址&#xff1a;http://developer.51cto.com/art/201106/269493.htm Session对象是HttpSessionState的一个实例。该类为当前用户会话提供信息&#xff0c;还提供对可用于存储信息会话范围的缓存的访问&#xff0c;以及控制如何管理会话的方法。下面介绍设置session失效的几…
阅读更多...
mysql导入数据load data infile用法整理

mysql导入数据load data infile用法整理

有时候我们需要将大量数据批量写入数据库&#xff0c;直接使用程序语言和Sql写入往往很耗时间&#xff0c;其中有一种方案就是使用MySql Load data infile导入文件的形式导入数据&#xff0c;这样可大大缩短数据导入时间。 假如是从MySql客户端调用&#xff0c;将客户端的文件导…
阅读更多...
python3循环一直到一个值结束_一步一步学Python3(小学生也适用) 第十七篇:循环语句for in循环...

python3循环一直到一个值结束_一步一步学Python3(小学生也适用) 第十七篇:循环语句for in循环...

一、Python for in循环Python for in 循环&#xff0c;是用来遍历任何数据序列&#xff0c;如一个列表&#xff0c;一个字符串&#xff0c;一个字典&#xff0c;一个元组等。for in 循环的一般语法如下&#xff1a;for item in 序列:语句块else:语句块for in 字符串&#xff1…
阅读更多...
设置Jupyter notebook 默认工作路径，修改Jupyter notebook 默认浏览器为Chrome

设置Jupyter notebook 默认工作路径，修改Jupyter notebook 默认浏览器为Chrome

这里写目录标题一 设置Jupyter notebook 默认工作路径二 修改Jupyter notebook 默认浏览器为Chrome一 设置Jupyter notebook 默认工作路径 安装好anaconda 后&#xff0c;jupyter notebook默认是有安装好的。在windows的菜单栏找到anaconda目录&#xff0c;如下图 鼠标右键点…
阅读更多...
python调用c#注意事项_Python调用C#编写的DLL

python调用c#注意事项_Python调用C#编写的DLL

起因是工作中需要用的开发编写的DLL&#xff0c;但是它是使用C#编写的&#xff0c;本人不想使用C#去写测试代码&#xff0c;所以需要使用Python来掉这个DLL内的方法 就用这个就很好&#xff0c;不要问为啥不用微软的Ironpython和别的啥&#xff0c;好用就行了&#xff0c;解决问…
阅读更多...
jquery实战--定宽

jquery实战--定宽

大家有没有遇到过一个问题&#xff0c;就是一个列表&#xff0c;或是一段文字过多时&#xff0c;截取多余的部分用省略号&#xff0c;好吧&#xff0c;证明你实力的时候到了&#xff0c;我下面先分解一下方法&#xff0c;再用插件写出来,首先我们说的是&#xff0c;用到的第一个…
阅读更多...
struts2 Action获取表单数据

struts2 Action获取表单数据

1.通过属性驱动式 1.首先设置 表单中的数据的name值 如&#xff1a;<input type"text" name"username" value""> 2.你用的是struts2&#xff0c;那么就在java类中写一个变量&#xff1a;变量名和页面上的name值一致 并有这个变量的get 和…
阅读更多...
python 计算器 eval ctf_CTF逆向--.NET与Python篇

python 计算器 eval ctf_CTF逆向--.NET与Python篇

题目(来源&#xff1a;Jarvis-OJ)&#xff1a;Classical CrackmeClassical CrackMe2FindKeyLoginClassical Crackme首先查壳没有壳&#xff0c;不过发现这是一个.net的程序&#xff0c;将其拖进dnSpy中&#xff0c;找到主程序&#xff0c;同时发现关键代码&#xff0c;如下所示…
阅读更多...
2016年秋季个人阅读计划

2016年秋季个人阅读计划

阅读书目&#xff1a;《软件需求十步走》 读后感发表日期&#xff1a;阅读书目&#xff1a;《用户故事与敏捷方法》 读后感发表日期&#xff1a;第一篇&#xff1a;10月1日 第二篇&#xff1a;10月3日 第三篇&#xff1a;10月7日 第四篇&#xff1a;10月15日 第五篇&#xff1a…
阅读更多...
第10章 Python 数字图像处理(DIP) - 图像分割 基础知识 标准差分割法

第10章 Python 数字图像处理(DIP) - 图像分割 基础知识 标准差分割法

This Chapter is all about image segmentation. I still not finished whole chapter, but here try to publish some for reference. 这里写目录标题基础知识import sys import numpy as np import cv2 import matplotlib import matplotlib.pyplot as plt import PIL from …
阅读更多...
OFBiz的探索进阶

OFBiz的探索进阶

主要参照https://cwiki.apache.org/OFBIZ/ofbiz-tutorial-a-beginners-development-guide.html这个教程&#xff0c;实现的过程教程上很详细&#xff0c;故这里不多说 还参考了下http://www.hotwaxmedia.com/apache-ofbiz-blog/ofbiz/ofbiz-tutorials/ofbiz-tutorial-building-…
阅读更多...
最新文章

Copyright @ 2022~2023