Python-openCV读RGB通道图实例

我就废话不多说了，直接上代码吧！

#coding=utf-8
'''openCV中最核心的的类是Mat，他是matrix的缩写代表矩阵，该类在头文件opencv2\core\core.hpp中，它含有很多基本矩阵运算，C++需引用
Python含有numpy，在Python中不需要使用Mat'''
#openCV中图像存储方式为（h,w,channel）,顺序为BGR
import cv2
import sys
if __name__=='__main__':
  if len(sys.argv)>1:
    img=cv2.imread(sys.argv[1],cv2.CV_LOAD_IMAGE_UNCHANGED)
    b=img[:, :, 0]
    g=img[:, :, 1]
    r=img[:, :, 2]
    cv2.imshow('img', img)
    cv2.imshow('B',b)
    cv2.imshow('G', g)
    cv2.imshow('R', r)
    cv2.waitKey(0)
    cv2.destroyAllWindows()
  else:
    print 'can not open the image'

调用：:~/PycharmProjects/OpenCV$ python show_RGB.py timg.jpeg

以上这篇Python-openCV读RGB通道图实例就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持我们。

赞 (0)

相关推荐

  • python opencv 实现对图像边缘扩充

    原始图像 根据图像的边界的像素值,向外扩充图片,每个方向扩充50个像素. a = cv2.copyMakeBorder(img,50,50,50,50,cv2.BORDER_REPLICATE) 把靠近边界的50个像素翻折出去(轴对称): a = cv2.copyMakeBorder(img,50,50,50,50,cv2.BORDER_REFLECT) 常数填充: a = cv2.copyMakeBorder(img,50,50,50,50, cv2.BORDER_CONSTANT,value

  • 关于初始种子自动选取的区域生长实例（python+opencv)

    算法中,初始种子可自动选择(通过不同的划分可以得到不同的种子,可按照自己需要改进算法),图分别为原图(自己画了两笔为了分割成不同区域).灰度图直方图.初始种子图.区域生长结果图. 另外,不管时初始种子选择还是区域生长,阈值选择很重要. import cv2 import numpy as np import matplotlib.pyplot as plt #初始种子选择 def originalSeed(gray, th): ret, thresh = cv2.cv2.threshold(gr

  • python opencv如何实现图片绘制

    python opencv如何实现图片绘制

    这篇文章主要介绍了python opencv如何实现图片绘制,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下 点和圆 : circle(img,center,radius,color,thickness=None,lineType=None,shift=None).各参数意义及作用如下. img:待画圆所在的图像. center:待画圆的圆心坐标. radius:待画圆的半径. color:待画圆的边框颜色,颜色格式为bgr格式.就是通道值 th

  • python opencv根据颜色进行目标检测的方法示例

    python opencv根据颜色进行目标检测的方法示例

    颜色目标检测就是根据物体的颜色快速进行目标定位.使用cv2.inRange函数设定合适的阈值,即可以选出合适的目标. 建立项目colordetect.py,代码如下: #! /usr/bin/env python # -*- coding: utf-8 -*- import numpy as np import cv2 def colorDetect(): image = cv2.imread('./1.png') # 使用RGB颜色空间检测红 蓝 黄 灰,设置合适的阈值 boundaries

  • opencv python Canny边缘提取实现过程解析

    这篇文章主要介绍了opencv python Canny边缘提取实现过程解析,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下 Canny是边缘提取算法,在1986年提出的是一个很好的边缘检测器Canny算法介绍 非最大信号抑制: 高低阈值连接: example import cv2 as cv import numpy as np # canny运算步骤:5步 # 1. 高斯模糊 - GaussianBlur # 2. 灰度转换 - cvtCol

  • python通过opencv实现图片裁剪原理解析

    python通过opencv实现图片裁剪原理解析

    这篇文章主要介绍了python通过opencv实现图片裁剪原理解析,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下 图像裁剪的基本概念 : 图像裁剪是指将图像中我们想要的研究区以外的区域去除,经常是按照行政区划或研究区域的边界对图像进行裁剪.例如,一张500×400的图像,我们只想要中间的250×200的区域,就可以使用图像裁剪将四周的区域去除. 在实际开发工作中,我们经常需要对图像进行分幅裁剪,按照ERDAS实际图像分幅裁剪的过程,可以将图像分

  • python使用openCV遍历文件夹里所有视频文件并保存成图片

    python使用openCV遍历文件夹里所有视频文件并保存成图片

    如果你在文件夹里有很多视频,并且文件夹里还有文件夹,文件夹里的文件夹也有视频,怎么能逐个读取并且保存..所以我写了个代码用了os,walk,这个可以遍历所有文件夹里的文件和文件夹 import os import cv2 cut_frame = 250 # 多少帧截一次,自己设置就行 save_path = "C:\文献与资料\手持红外\图片" for root, dirs, files in os.walk(r"C:\文献与资料\手持红外"): # 这里就填文件夹

  • Python-opencv 双线性插值实例

    我就废话不多说了,直接上代码吧! #coding=utf-8 import cv2 import numpy as np '''双线性插值''' img = cv2.imread('timg.jpeg', cv2.CV_LOAD_IMAGE_GRAYSCALE) # load the gray image cv2.imwrite('img.jpg', img) h, w = img.shape[:2] # shrink to half of the original a1 = np.array(

  • Python-openCV读RGB通道图实例

    我就废话不多说了,直接上代码吧! #coding=utf-8 '''openCV中最核心的的类是Mat,他是matrix的缩写代表矩阵,该类在头文件opencv2\core\core.hpp中,它含有很多基本矩阵运算,C++需引用 Python含有numpy,在Python中不需要使用Mat''' #openCV中图像存储方式为(h,w,channel),顺序为BGR import cv2 import sys if __name__=='__main__': if len(sys.argv)>

  • python opencv读mp4视频的实例

    如下所示: #获得视频的格式 videoCapture = cv2.VideoCapture('/home/lw/3661.mp4') #获得码率及尺寸 fps = videoCapture.get(cv2.CAP_PROP_FPS) size = (int(videoCapture.get(cv2.CAP_PROP_FRAME_WIDTH)), int(videoCapture.get(cv2.CAP_PROP_FRAME_HEIGHT))) fNUMS = videoCapture.get(

  • python opencv将多个图放在一个窗口的实例详解

    python opencv将多个图放在一个窗口的实例详解

    编程需求:使用python+opencv对图像进行处理,把两张图放在一起显示 方法:使用numpy模块中的水平堆叠或竖直堆叠完成所有图像的堆叠,最后当成一整张图显示. 注意:把不同的尺寸(宽和高)的图片或不同的颜色通道在一起来展示,会发生黑屏,所以要么把两张图的高度设置相同,要么宽度相同.这样才能正常显示. 举个栗子: 1.只设置两张图的高相同,拼接两图,显示:只设置两张图的宽相同,拼接两图,显示. import cv2 import numpy as np #读图1和图2 img1 = cv2

  • python opencv检测目标颜色的实例讲解

    实例如下所示: # -*- coding:utf-8 -*- __author__ = 'kingking' __version__ = '1.0' __date__ = '14/07/2017' import cv2 import numpy as np import time if __name__ == '__main__': Img = cv2.imread('example.png')#读入一幅图像 kernel_2 = np.ones((2,2),np.uint8)#2x2的卷积核

  • Python OpenCV实现3种滤镜效果实例

    Python OpenCV实现3种滤镜效果实例

    目录 前言 浮雕滤镜效果 雕刻滤镜效果 凸透镜滤镜效果 总结 前言 本篇文章要使用OpenCV.Numpy 和Math这3个工具包实现一个简单的滤镜编辑器.在这个滤镜编辑器中,包含了3种滤镜效果,它们分别是浮雕滤镜.雕刻滤镜和凸透镜滤镜.本篇文章将对目标图像(如图1所示)进行处理,使得目标图像分别呈现浮雕滤镜(如图2所示).雕刻滤镜(如图3所示)和凸透镜滤镜(如图4所示)的视觉效果. 浮雕滤镜效果 为了实现浮雕滤镜效果,首先要把实现浮雕滤镜效果的原理搞清楚.弄明白.实现浮雕滤镜效果的原理如下所示

  • python+opencv实现车牌定位功能(实例代码)

    写在前面 HIT大三上学期视听觉信号处理课程中视觉部分的实验三,经过和学长们实验的对比发现每一级实验要求都不一样,因此这里标明了是2019年秋季学期的视觉实验三. 由于时间紧张,代码没有进行任何优化,实验算法仅供参考. 实验要求 对给定的车牌进行车牌识别 实验代码 代码首先贴在这里,仅供参考 源代码 实验代码如下: import cv2 import numpy as np def lpr(filename): img = cv2.imread(filename) # 预处理,包括灰度处理,高斯

  • python opencv通过按键采集图片源码

    python opencv通过按键采集图片源码

    一.python版本 写了个python opencv的小demo,可以通过键盘按下字母s进行采集图像. 功能说明 "N" 新建文件夹 data/ 用来存储图像 "S" 开始采集图像,将采集到的图像放到 data/ 路径下 "Q" 退出窗口 python opencv源码 ''' "N" 新建文件夹 data/ 用来存储图像 "S" 开始采集图像,将采集到的图像放到 data/ 路径下 "Q&qu

  • python用Joypy绘制嵴线图实例

    python用Joypy绘制嵴线图实例

    目录 一.概念介绍 二.数据展示 三.数据读入 四.图像绘制 总结 一.概念介绍 嵴线图(ridgeline plot),用来展示同一维度的几个数据的分布情况,每一层嵴线(峰峦)都是一个直方图或者密度图,层层堆叠形成了最终的嵴线图. · 嵴线图一般用于多类别(>5) 的连续变量数值分布对比,也因此,如果某一个数据的取值区间过小或者分布平均时,波动不易察觉,且影响图形呈现的视觉美观. 图形示例: 我们需要了解的是:嵴线图的横坐标是数值分布区间,更像我们常使用的y轴:而纵坐标是每一个数值序列的类标:

  • python流程图和思维导图实例代码

    python流程图和思维导图实例代码

    目录 1 流程图 2 思维导图 1)飞翔的小龟龟 2)一个好看的登陆界面 3)打飞机 总结 1 流程图   流程图是一种用于表示算法或代码流程的框图组合,它以不同类型的框框代表不同种类的程序步骤,每两个步骤之间以箭头连接起来.   使用流程图,至少有以下几点好处:   (1)是代码编写的指导文档   (2)有助于规划高效的程序结构   (3)便于与他人交流你的程序代码   流程图使用不同的符号(框)来表示代码的特定部分:   接下来看一些例子: name = input("你的名字:"

  • Python Opencv轮廓常用操作代码实例解析

    1.颜色空间转换 使用cv2.cvtColor(input_image ,flag),flag为转换类型 常用的转换类型有: BGR和灰度图的转换使用 cv2.COLOR_BGR2GRAY BGR和HSV的转换使用 cv2.COLOR_BGR2HSV img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) 2.二值化 ret, dst = cv2.threshold(src, thresh, maxval, type) src:表示的是图片源(灰度图)

随机推荐