matplotlib 改变每一层 BRG 的颜色

Question

我遇到了问题。我正在尝试使用 OpenCV 和 matplotlib 显示 BGR、蓝色层、绿色层和红色层。

我知道 OpenCV 将图像读取为 BGR，matplotlib 将图像读取为 RGB，因此我先将 RGB 转换为 BGR 并设法打印原始图片，但是当我尝试打印蓝色层、绿色层和红色层时结果发现每一层的颜色仍然没有转换。`

    import cv2 as cv
    from matplotlib import pyplot as plt

    img = cv.imread('baboon.png')

    bgr = cv.cvtColor(img, cv.COLOR_RGB2BGR)

    B = bgr [: ,: ,0]
    G = bgr [: ,: ,1]
    R = bgr [: ,: ,2]

   plt.subplot (2, 2, 1)
   plt.imshow (bgr)
   plt.xticks([]), plt.yticks([])
   plt.title('BGR')

   plt.subplot (2 , 2, 2)
   plt.imshow (B)
   plt.xticks([]), plt.yticks([])
   plt.title('Blue Layer')

   plt.subplot (2 , 2, 3)
   plt.imshow (G)
   plt.xticks([]), plt.yticks([])
   plt.title('Green Layer')

   plt.subplot (2 , 2, 4)
   plt.imshow (R)
   plt.xticks([]), plt.yticks([])
   plt.title('red layer')
   plt.show ()

代码的结果

为什么它看起来没有转换？

Answer 1

您正在绘制不是灰度渐变的单通道数据with a colormap。

为每个.imshow()添加一个合适的cmap=参数，例如

plt.imshow(G, cmap=plt.get_cmap("Greys"))

示例

正如 cmets 中所讨论的，OP 希望使用与通道相关的颜色图来显示每个通道。

您可以使用LinearSegmentedColormap 来生成这些。我还冒昧地用循环替换了重复的代码。

import cv2 as cv
from matplotlib import pyplot as plt
from matplotlib.colors import LinearSegmentedColormap

img = cv.imread("lenna.png")

bgr = cv.cvtColor(img, cv.COLOR_RGB2BGR)

B = bgr[:, :, 0]
G = bgr[:, :, 1]
R = bgr[:, :, 2]
b_map = LinearSegmentedColormap.from_list("B", ["#000", "#00f"])
g_map = LinearSegmentedColormap.from_list("G", ["#000", "#0f0"])
r_map = LinearSegmentedColormap.from_list("R", ["#000", "#f00"])

for i, (title, matrix, cmap) in enumerate([
    ("BGR", bgr, None),
    ("Blue", B, b_map),
    ("Green", G, g_map),
    ("Red", R, r_map),
], 1):
    plt.subplot(2, 2, i)
    plt.imshow(matrix, cmap=cmap)
    plt.xticks([])
    plt.yticks([])
    plt.title(title)

plt.show()

输出是

扩展示例

这是一个显示 HSV 和 YCbCr 结果的示例。 （获得那些 YCbCr 色带是一两件事......）

import cv2 as cv
import numpy as np
from matplotlib import pyplot as plt
from matplotlib.colors import LinearSegmentedColormap
from matplotlib.cm import get_cmap

# Build color ramps in YCbCr space
filler = np.full(255, 128)
ramp = np.linspace(0, 255, 255)
ch0_ramp = np.rot90(np.dstack((ramp, filler, filler))).astype("uint8")
ch1_ramp = np.rot90(np.dstack((filler, ramp, filler))).astype("uint8")
ch2_ramp = np.rot90(np.dstack((filler, filler, ramp))).astype("uint8")
y_ramp = 1 - (cv.cvtColor(ch0_ramp, cv.COLOR_YCrCb2RGB)[:, 0] / 255)
cr_ramp = cv.cvtColor(ch1_ramp, cv.COLOR_YCrCb2RGB)[:, 0] / 255
cb_ramp = cv.cvtColor(ch2_ramp, cv.COLOR_YCrCb2RGB)[:, 0] / 255

# Build color maps
b_map = LinearSegmentedColormap.from_list("B", ["#000", "#00f"])
g_map = LinearSegmentedColormap.from_list("G", ["#000", "#0f0"])
r_map = LinearSegmentedColormap.from_list("R", ["#000", "#f00"])
h_map = get_cmap("hsv")
s_map = LinearSegmentedColormap.from_list("S", ["#888", "#0f0"])
v_map = LinearSegmentedColormap.from_list("V", ["#000", "#fff"])
y_map = LinearSegmentedColormap.from_list("Y", y_ramp)
cr_map = LinearSegmentedColormap.from_list("Cr", cr_ramp)
cb_map = LinearSegmentedColormap.from_list("Cb", cb_ramp)

# Load material

bgr = cv.imread("lenna.png")
rgb = cv.cvtColor(bgr, cv.COLOR_BGR2RGB)
hsv = cv.cvtColor(bgr, cv.COLOR_BGR2HSV)
ycc = cv.cvtColor(bgr, cv.COLOR_BGR2YCrCb)

# Draw all the things!
for i, (title, matrix, cmap) in enumerate(
    [
        ("BGR", rgb, None),
        ("Red", rgb[:, :, 0], r_map),
        ("Green", rgb[:, :, 1], g_map),
        ("Blue", rgb[:, :, 2], b_map),
        ("Hue", hsv[:, :, 0], h_map),
        ("Sat", hsv[:, :, 1], s_map),
        ("Val", hsv[:, :, 2], v_map),
        ("Y", ycc[:, :, 0], y_map),
        ("Cr", ycc[:, :, 1], cr_map),
        ("Cb", ycc[:, :, 2], cb_map),
    ],
    0,
):
    plt.subplot(4, 3, 1 + i + (2 if i else 0))
    plt.imshow(matrix, cmap=cmap)
    plt.xticks([])
    plt.yticks([])
    plt.title(title)

plt.show()

输出是

Answer 2

当您分离三个 B/G/R 通道时，您正在将 3 通道图像转换为最能以灰度图像表示的单通道图像。

你需要在imshow中添加cmap='gray'，使它看起来像真正的灰度图像。

plt.subplot (2, 2, 1)
plt.imshow (bgr)
plt.xticks([]), plt.yticks([])
plt.title('BGR')

plt.subplot (2 , 2, 2)
plt.imshow (B, cmap= 'gray')
plt.xticks([]), plt.yticks([])
plt.title('Blue Layer')

plt.subplot (2 , 2, 3)
plt.imshow (G, cmap= 'gray')
plt.xticks([]), plt.yticks([])
plt.title('Green Layer')

plt.subplot (2 , 2, 4)
plt.imshow (R, cmap= 'gray')
plt.xticks([]), plt.yticks([])
plt.title('red layer')
plt.show ()

看右边两张图片中鼻子的颜色。红鼻子在红色层中由白色表示，但在蓝色层中不是这样，因为鼻子像素值在蓝色层中为 0，即黑色。 在分离的通道图像中，通道的颜色将在 0-1 尺度上取 1 附近的值，在 0-255 尺度上取 255 附近的值。这个 1 在灰度图像中用 WHITE 表示。

如果您真的想看到蓝色/红色/绿色 - 使用 cmap，如下所示：

plt.subplot (2, 2, 1)
plt.imshow (bgr)
plt.xticks([]), plt.yticks([])
plt.title('BGR')

plt.subplot (2 , 2, 2)
plt.imshow (B, cmap= 'Blues')
plt.xticks([]), plt.yticks([])
plt.title('Blue Layer')

plt.subplot (2 , 2, 3)
plt.imshow (G, cmap= 'Greens')
plt.xticks([]), plt.yticks([])
plt.title('Green Layer')

plt.subplot (2 , 2, 4)
plt.imshow (R, cmap= 'Reds')
plt.xticks([]), plt.yticks([])
plt.title('red layer')
plt.show ()