工欲善其事,必先利其器!起航之前先把环境搭建好:
第一步:安装Python,官网下载,选个python3.x(自己喜欢的版本),同时将Python相关目录添加到环境变量;
第二步:安装python-opencv,cmd命令行执行如下指令等待安装完成
pip install opencv-python
第三步:新建py文件,添加如下代码:
import cv2
# 查看OpenCV版本--》4.1.1
print(cv2.__version__)
colormap(色度图)
假设我们想在地图上显示美国不同地区的温度。我们可以把美国地图上的温度数据叠加为灰度图像——较暗的区域代表较冷的温度,更明亮的区域代表较热的区域。这样的表现不仅令人难以置信,而且代表了两个重要的原因。首先,人类视觉系统没有被优化来测量灰度强度的微小变化。我们能更好地感知颜色的变化。第二,我们用不同的颜色代表不同的意思。用蓝色和较温暖的温度用红色表示较冷的温度更有意义。
温度数据只是一个例子,但还有其他几个数据是单值(灰度)的情况,但将其转换为彩色数据以实现可视化是有意义的。用伪彩色更好地显示数据的其他例子是高度、压力、密度、湿度等等。
在OpenCV中使用applycolormap(伪彩色函数)
OpenCV的定义12种colormap(色度图),可以应用于灰度图像,使用函数applycolormap产生伪彩色图像。让我们很快看到如何将色度图的一种模式colormap_jet应用到一幅图像中。
原图:
图像伪彩色效果代码:
import cv2
# COLORMAP_COOL伪色彩
src = cv2.imread("1.png")
cv2.namedWindow("input", cv2.WINDOW_AUTOSIZE)
cv2.imshow("input", src)
dst = cv2.applyColorMap(src, cv2.COLORMAP_COOL)
cv2.imshow("output", dst)
# COLORMAP_JET伪色彩
image = cv2.imread("1.png")
color_image = cv2.applyColorMap(image, cv2.COLORMAP_JET)
cv2.imshow("image", image)
cv2.imshow("color_image", color_image)
cv2.waitKey(0)
cv2.destroyAllWindows()
效果:
核心是cv2.applyColorMap函数,你还可以尝试其他效果:
关注【OpenCV与AI深度学习】
长按或者扫描下面二维码即可关注