【OpenCV例程200篇】203.伪彩色图像处理

OpenCV 例程200篇 总目录
201. 图像的颜色空间转换
202. 查表快速替换&＃xff08;cv.LUT&＃xff09;
203. 伪彩色图像处理
204. 图像的色彩风格滤镜
205. 调节色彩平衡/饱和度/明度

【youcans 的 OpenCV 例程200篇】203. 伪彩色图像处理

NASA 公布了蟹状星云 &＃xff08;Crab Nebula &＃xff09;的观测图像。茫茫太空&＃xff0c;距离我们几亿光年的宇宙真是这样绚丽迷人吗&＃xff1f;

NASA 专家撰文指出&＃xff0c;蟹状星云彩色照片实际上人工合成的图像&＃xff0c;这是不是暗示照片中的彩色是伪造的&＃xff1f;

什么是伪彩色图像&＃xff1f;

伪彩色图像是指对单色图像进行处理&＃xff0c;结果转换得到颜色分量&＃xff0c;构造为彩色效果的图像。伪彩色图像在形式和视觉表现为彩色图像&＃xff0c;但其所呈现的颜色并非图像的真实色彩重现&＃xff0c;仅仅是各颜色分量的像素值合成的结果。

• &＃xff08;1&＃xff09;一类伪彩色图像是对灰度图像的增强&＃xff0c;形成彩色效果。

伪彩色图像增强是指按照特定的准则对灰度图像进行处理&＃xff0c;将不同的灰度级按照某种映射关系变换为不同的颜色分量。例如&＃xff0c;天气预报中的气象云图&＃xff0c;红外测温图像&＃xff0c;一般都是伪彩色图像。

人眼的视觉特性&＃xff0c;只能分辨 20 级左右的灰度&＃xff0c;但可以分辨几千种色调和亮度。通过伪彩色图像增强&＃xff0c;可以让灰度图像看起来更清楚&＃xff0c;更容易分辨。

将灰度图像进行伪彩色增强&＃xff0c;通常是基于一个设定的颜色查找表&＃xff0c;将图像像素的灰度值替换为颜色查找表中对应的颜色值。这显然是典型的 LUT 应用场景。

• &＃xff08;2&＃xff09;另一类伪彩色图像&＃xff0c;是多光谱图像的编码合成图像。

光谱图像可以是可见光谱&＃xff0c;也可以是红外、紫外、X光或其它信号。这些非可见光谱图像实际上既不是彩色图像&＃xff0c;也不是灰度图像&＃xff0c;“像素值”往往反映某种检测信号的强度。合成为彩色图像进行显示&＃xff0c;只是为了便于观察和分析。

这在天文学观测中十分常用。NASA 公布的绚烂迷人的太空照片&＃xff0c;并不是真实世界的色彩还原&＃xff0c;而是将多种光谱信号图像进行编码组合和特效处理后&＃xff0c;构造出的彩色图像。

函数原型

函数 cv.applyColorMap() 根据色彩映射表&＃xff0c;将灰度图像变换为伪彩色图像。

cv.applyColorMap(src, colormap[, dst]) → dst
cv.applyColorMap(src, userColor[, dst]) → dst


参数说明&＃xff1a;

• src&＃xff1a;输入图像&＃xff0c;8 位灰度图像或彩色图像&＃xff0c;cv_8U
• dst&＃xff1a;输出图像&＃xff0c;大小和通道数与 src 相同
• colormap&＃xff1a;色彩映射表&＃xff0c;OpenCV 自带色彩风格类型的颜色查找表
• userColor&＃xff1a;用户自定义的色彩映射表&＃xff0c; 256个元素

注意事项&＃xff1a;

1. 输入图像可以是彩色图像。根据作者的测试&＃xff0c;先将输入彩色图像转换为灰度图像&＃xff0c;再按色彩映射表进行变换。
2. 用户自定义的色彩映射表&＃xff0c;是 256*3 数组。系统提供的 22种色彩映射表一般已经够用&＃xff0c;就别折腾了。
3. 例程中没有出现 cv.LUT 查表替换&＃xff0c;在 cv.applyColorMap 内核中已经应用了查表替换方法。

色彩映射表&＃xff1a;

• OpenCV 提供了 22 种色彩风格类型&＃xff0c;类型描述关键字与色彩效果如下图所示。

• OpenCV 提供的色彩风格类型与 Matlab、Matplotlib 热图的颜色映射是类似的&＃xff0c;描述关键字也是一致的。
  参见&＃xff1a;http://matplotlib.org/examples/color/colormaps_reference.html

例程 14.5&＃xff1a;灰度图像转换为伪彩色图像

# 14.5 灰度图像转换为伪彩色图像 gray &＃61; cv.imread("../images/Fig0525a.tif", flags&＃61;0) # 读取灰度图像h, w &＃61; gray.shape[:2] # 图片的高度, 宽度# 伪彩色处理pseudo1 &＃61; cv.applyColorMap(gray, colormap&＃61;cv.COLORMAP_HOT)pseudo2 &＃61; cv.applyColorMap(gray, colormap&＃61;cv.COLORMAP_PINK)pseudo3 &＃61; cv.applyColorMap(gray, colormap&＃61;cv.COLORMAP_RAINBOW)pseudo4 &＃61; cv.applyColorMap(gray, colormap&＃61;cv.COLORMAP_HSV)pseudo5 &＃61; cv.applyColorMap(gray, colormap&＃61;cv.COLORMAP_TURBO)plt.figure(figsize&＃61;(9, 6))plt.subplot(231), plt.axis(&＃39;off&＃39;), plt.title("GRAY"), plt.imshow(gray, cmap&＃61;&＃39;gray&＃39;)plt.subplot(232), plt.axis(&＃39;off&＃39;), plt.title("cv.COLORMAP_HOT")plt.imshow(cv.cvtColor(pseudo1, cv.COLOR_BGR2RGB))plt.subplot(233), plt.axis(&＃39;off&＃39;), plt.title("cv.COLORMAP_PINK")plt.imshow(cv.cvtColor(pseudo2, cv.COLOR_BGR2RGB))plt.subplot(234), plt.axis(&＃39;off&＃39;), plt.title("cv.COLORMAP_RAINBOW")plt.imshow(cv.cvtColor(pseudo3, cv.COLOR_BGR2RGB))plt.subplot(235), plt.axis(&＃39;off&＃39;), plt.title("cv.COLORMAP_HSV")plt.imshow(cv.cvtColor(pseudo4, cv.COLOR_BGR2RGB))plt.subplot(236), plt.axis(&＃39;off&＃39;), plt.title("cv.COLORMAP_TURBO")plt.imshow(cv.cvtColor(pseudo5, cv.COLOR_BGR2RGB))plt.tight_layout()plt.show()


例程 14.7&＃xff1a;多光谱合成的伪彩色图像

蟹状星云 &＃xff08;Crab Nebula &＃xff09;的观测图像&＃xff0c;是由钱德拉 X 射线天文台数据所形成的X射线图、哈勃太空望远镜拍摄的光学图像&＃xff0c;和斯必泽空间望远镜拍摄的红外图像合成得到的。

例程结果图中&＃xff0c;第一行是 3 种天文观测图像的观测数据图像&＃xff0c;图像中的灰度都只是观测的信号强度&＃xff0c;而不是实际的物理世界的亮度或灰度。

第二行是分别对 3 种观测图像进行伪彩色变换的结果&＃xff0c;如果选择不同的色彩风格可以获得不同的效果。

第三行是将 3 种观测信号合成得到的伪彩色图像&＃xff0c;其中左图、中图是简单地将 3 种观测信号分别作为 RGB 的一个色彩通道得到的伪彩色图像&＃xff0c;右图是 NASA 公布的多光谱合成伪彩色图像。

虽然 NASA 图像的视觉效果更好&＃xff0c;但仍然可以明显地看出&＃xff0c;该图也是由第一行 3 种观测数据图像合成的。

# 14.7 多光谱编码合成的伪彩色图像# 蟹状星云 (Crab Nebula), 图片来源&＃xff1a;# https://www.nasa.gov/mission_pages/chandra/multimedia/photo09-096.htmlcomposite &＃61; cv.imread("../images/CrabNebula.png", flags&＃61;1) # 读取多光谱合成图像nebulaOpti &＃61; cv.imread("../images/CrabNebula_Optical.jpg", flags&＃61;1) # 读取 OpticalnebulaXray &＃61; cv.imread("../images/CrabNebula_Xray.jpg", flags&＃61;1) # 读取 XraynebulaInfr &＃61; cv.imread("../images/CrabNebula_Infrared.jpg", flags&＃61;1) # 读取 Infraredh, w &＃61; nebulaOpti.shape[:2] # 图片的高度, 宽度grayOpti &＃61; cv.cvtColor(nebulaOpti, cv.COLOR_BGR2GRAY)grayXray &＃61; cv.cvtColor(nebulaXray, cv.COLOR_BGR2GRAY)grayInfr &＃61; cv.cvtColor(nebulaInfr, cv.COLOR_BGR2GRAY)# 伪彩色处理pseudoXray &＃61; cv.applyColorMap(nebulaXray, colormap&＃61;cv.COLORMAP_TURBO)pseudoOpti &＃61; cv.applyColorMap(nebulaOpti, colormap&＃61;cv.COLORMAP_MAGMA)pseudoInfr &＃61; cv.applyColorMap(nebulaInfr, colormap&＃61;cv.COLORMAP_HOT)# 多光谱编码合成compose1 &＃61; np.zeros((h, w, 3), np.uint8) # 创建黑色图像 BGR&＃61;0compose1[:, :, 0] &＃61; grayOpti # Optical -> Bcompose1[:, :, 1] &＃61; grayXray # Xray -> Gcompose1[:, :, 2] &＃61; grayInfr # Infrared -> Rcompose2 &＃61; np.zeros((h, w, 3), np.uint8) # 创建黑色图像 BGR&＃61;0compose2[:, :, 0] &＃61; grayXray # Xray -> Bcompose2[:, :, 1] &＃61; grayOpti # Optical -> Gcompose2[:, :, 2] &＃61; grayInfr # Infrared -> R# composite &＃61; cv.normalize(nebulaInfr &＃43; nebulaOpti, None, 0, 255, cv.NORM_MINMAX) # 归一化为 [0,255]plt.figure(figsize&＃61;(9, 9))plt.subplot(331), plt.axis(&＃39;off&＃39;), plt.title("CrabNebula-Xray")plt.imshow(grayXray, cmap&＃61;&＃39;gray&＃39;)plt.subplot(332), plt.axis(&＃39;off&＃39;), plt.title("CrabNebula-Optical")plt.imshow(grayOpti, cmap&＃61;&＃39;gray&＃39;)plt.subplot(333), plt.axis(&＃39;off&＃39;), plt.title("CrabNebula-Infrared")plt.imshow(grayInfr, cmap&＃61;&＃39;gray&＃39;)plt.subplot(334), plt.axis(&＃39;off&＃39;), plt.title("Xray Pseudo")plt.imshow(cv.cvtColor(pseudoXray, cv.COLOR_BGR2RGB))plt.subplot(335), plt.axis(&＃39;off&＃39;), plt.title("Optical Pseudo")plt.imshow(cv.cvtColor(pseudoOpti, cv.COLOR_BGR2RGB))plt.subplot(336), plt.axis(&＃39;off&＃39;), plt.title("Infrared Pseudo")plt.imshow(cv.cvtColor(pseudoInfr, cv.COLOR_BGR2RGB))plt.subplot(337), plt.axis(&＃39;off&＃39;), plt.title("Spectral composited")plt.imshow(cv.cvtColor(compose1, cv.COLOR_BGR2RGB))plt.subplot(338), plt.axis(&＃39;off&＃39;), plt.title("Spectral composited")plt.imshow(cv.cvtColor(compose2, cv.COLOR_BGR2RGB))plt.subplot(339), plt.axis(&＃39;off&＃39;), plt.title("Composite image")plt.imshow(cv.cvtColor(composite, cv.COLOR_BGR2RGB))plt.tight_layout()plt.show()


【本节完】

版权声明&＃xff1a;
youcans&＃64;xupt 原创作品&＃xff0c;转载必须标注原文链接&＃xff1a;(https://blog.csdn.net/youcans/article/details/125298385)
Copyright 2022 youcans, XUPT
Crated&＃xff1a;2022-6-14
欢迎关注 『youcans 的 OpenCV 例程 200 篇』 系列&＃xff0c;持续更新中
欢迎关注 『youcans 的 OpenCV学习课』 系列&＃xff0c;持续更新中