Python-OpenCV学习（三）：图像的表示

转载请注明出处：danscarlett的博客园

参考资料：《给深度学习入门者的Python快速教程 - 番外篇之Python-OpenCV》

---

　　

在Python-OpenCV中，因为有numpy这种强大的基础工具，单通道的灰度图像（一个8位无符号整型的矩阵）就用numpy的array表示。

 

如果是多通道情况，最常见的就是红绿蓝（RGB）三通道，则第一个维度是高度，第二个维度是高度，第三个维度是通道。

 

下图是一幅3×3图像在计算机中表示的例子：

右上角的矩阵里，每个元素都是一个3维数组，分别代表这个像素上的三个通道的值。

最常见的RGB通道中，第一个元素就是红色（Red）的值，第二个元素是绿色（Green）的值，第三个元素是蓝色（Blue），最终得到的图像如下面的（a）所示。

RGB是最常见的情况，然而在OpenCV中，默认的图像的表示确实反过来的，也就是BGR，得到的图像是6-1（b）。可以看到，前两行的颜色顺序都交换了，最后一行是三个通道等值的灰度图，所以没有影响。

OpenCV的这个特殊之处还是需要注意的，比如在Python中，图像都是用numpy的array表示，但是同样的array在OpenCV中的显示效果和matplotlib中的显示效果就会不一样。

 

　　下面的简单代码就可以生成两种表示方式下，图6-1中矩阵的对应的图像，生成图像后，放大看就能体会到区别：

import numpy as np
import cv2
import matplotlib.pyplot as plt

# 图6-1中的矩阵
img = np.array([
    [[255, 0, 0], [0, 255, 0], [0, 0, 255]],
    [[255, 255, 0], [255, 0, 255], [0, 255, 255]],
    [[255, 255, 255], [128, 128, 128], [0, 0, 0]],
], dtype=np.uint8)

# 用matplotlib存储
plt.imsave('img_pyplot.jpg', img)

# 用OpenCV存储
cv2.imwrite('img_cv2.jpg', img)

img_cv2

 

img_pyplot

 

不管是RGB还是BGR，都是高度×宽度×通道数，H×W×C的表达方式，而在深度学习中，因为要对不同通道应用卷积，所以用的是另一种方式：C×H×W，就是把每个通道都单独表达成一个二维矩阵，如图6-1c所示。

 

备注：matplptlib的安装

参考百度经验：https://jingyan.baidu.com/article/a3aad71ae9d5afb1fb0096a3.html

在CMD中运行

python -m pip install matplotlib

就可以顺利安装。