4.3 类型转换实例
本节介绍几种常用的色彩空间转换实例，以帮助大家更好地理解应该如何使用函数cv2.cvtColor()。
4.3.1 通过数组观察转换效果
本节通过使用函数cv2.cvtColor()的实例来观察它的色彩空间转换功能。为了方便观察，本节通过一个小尺寸的数组来模拟图像，作为cv2.cvtColor()函数要处理的对象。
【例4.1】将BGR图像转换为灰度图像。
根据题目要求，设计程序如下：
import cv2
import numpy as np
img=np.random.randint(0,256, size=[2,4,3], dtype=np.uint8)
rst=cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
print("img=\n", img)
print("rst=\n", rst)
print("像素点(1,0)直接计算得到的值=",
img[1,0,0]*0.114+img[1,0,1]*0.587+img[1,0,2]*0.299)
print("像素点(1,0)使用公式cv2.cvtColor()转换值=", rst[1,0])
在本例中，通过函数cv2.cvtColor()对图像img进行色彩空间的转换，并使用公式计算的方式对其中的像素点进行计算。最后，分别打印该点的函数转换结果和公式计算结果。
运行程序，结果如下所示：
img=
[[[166 97102]
[ 73 31 51]
[221 94158]
[143101172]]
[[ 96140 92]
[ 19156 34]
[ 16113202]
[116236238]]]
rst=
[[106 42128127]
[121104129223]]
像素点(1,0)直接计算得到的值= 120.63199999999999
像素点(1,0)使用公式cv2.cvtColor()转换值= 121
在OpenCV中，灰度图像是按照行列直接存储的。而BGR模式的图像会依次将它的B通道、G通道、R通道中的像素点，以行为单位按照顺序存储在ndarray的列中。例如，有大小为R行×C列的BGR图像，其存储方式如图4-2所示。
图4-2 BGR图像的存储方式
当图像由RGB色彩空间转换到GRAY色彩空间时，其处理方式如下：
Gray=0.299·R+0.587·G+0.114·B
这里以rst[1,0]为例，看看它是如何通过计算得到的。像素rst[1,0]表示目标灰度图像内的第1行第0列上的像素点。它需要通过对原始图像BGR图像内第1行第0列上的B通道像素点、G通道像素点、R通道像素点的计算得到。
在本例中，各个像素点的像素值如下：
● 原始图像BGR图像内第1行第0列上的B通道像素点的值为img[1,0,0]=96。
● 原始图像BGR图像内第1行第0列上的G通道像素点的值为img[1,0,1]=140。
● 原始图像BGR图像内第1行第0列上的R通道像素点的值为img[1,0,2]=92。
转换为灰度像素点时，使用的公式为：
img[1,0,0]×0.114+img[1,0,1]×0.587+img[1,0,2]×0.299=96×0.114+140×0.587+92×0.299=120.632
计算结果为120.632。目标图像是灰度图像，是8位图像，值是位于[0,255]之间的无符号整数。所以，要将上述小数结果进行四舍五入，得到121，并将它作为目标灰度图像内rst[1,0]的像素值。
当然，在一般情况下，我们并不需要关心这么细节的问题，只要能够熟练地使用函数cv2.cvtColor()就可以了。
【例4.2】将灰度图像转换为BGR图像。
根据题目要求，设计程序如下：
import cv2
import numpy as np
img=np.random.randint(0,256, size=[2,4], dtype=np.uint8)
rst=cv2.cvtColor(img, cv2.COLOR_GRAY2BGR)
print("img=\n", img)
print("rst=\n", rst)
运行程序，结果如下所示：
img=
[[ 58254137123]
[100150 7 42]]
rst=
[[[ 58 58 58]
[254254254]
[137137137]
[123123123]]
[[100100100]
[150150150]
[ 7 7 7]
[ 42 42 42]]]
上述程序进一步印证了，当图像由GRAY色彩空间转换到RGB/BGR色彩空间时，最终所有通道的值都是相同的。其处理方式如下：
R=Gray
G=Gray
B=Gray
同时，以上例题也进一步印证了BGR图像在OpenCV内的像素点的存储方式。
【例4.3】将图像在BGR和RGB模式之间相互转换。
根据题目要求，设计程序如下：
import cv2
import numpy as np
img=np.random.randint(0,256, size=[2,4,3], dtype=np.uint8)
rgb=cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
bgr=cv2.cvtColor(rgb, cv2.COLOR_RGB2BGR)
print("img=\n", img)
print("rgb=\n", rgb)
print("bgr=\n", bgr)
运行程序，结果如下所示：
img=
[[[ 12173157]
[216 2220]
[ 49145157]
[124203 44]]
[[140196171]
[ 90195187]
[158199113]
[213 78164]]]
rgb=
[[[157173 12]
[220 2216]
[157145 49]
[ 44203124]]
[[171196140]
[187195 90]
[113199158]
[164 78213]]]
bgr=
[[[ 12173157]
[216 2220]
[ 49145157]
[124203 44]]
[[140196171]
[ 90195187]
[158199113]
[213 78164]]]
从程序可以看到，在RGB和BGR模式之间相互转换时，R通道和B通道的位置发生了交换。
4.3.2 图像处理实例
本节将通过具体实例介绍如何使用函数cv2.cvtcolor()来处理图像类型的转换。
【例4.4】将图像在BGR模式和灰度图像之间相互转换。
根据题目要求，设计程序如下：
import cv2
lena=cv2.imread("lenacolor.png")
gray=cv2.cvtColor(lena, cv2.COLOR_BGR2GRAY)
rgb=cv2.cvtColor(gray, cv2.COLOR_GRAY2BGR)
#==========打印shape============
print("lena.shape=", lena.shape)
print("gray.shape=", gray.shape)
print("rgb.shape=", rgb.shape)
#==========显示效果============
cv2.imshow("lena", lena)
cv2.imshow("gray", gray)
cv2.imshow("rgb", rgb)
cv2.waitKey()
cv2.destroyAllWindows()
运行程序，会显示各个图像的shape属性：
lena.shape= (512, 512, 3)
gray.shape= (512, 512)
rgb.shape= (512, 512, 3)
通过其shape属性，可以看到图像在转换前后的色彩空间变化情况。
同时，程序会分别显示原始彩色图像、灰度图像、RGB图像。需要注意，在通过“rgb=cv2.cvtColor(gray, cv2.COLOR_GRAY2BGR)”得到的RGB图像中，B通道、G通道、R通道的值都是一样的，所以其看起来仍是灰度图像。由于本书是黑白（灰度）印刷，无法观察彩色效果，所以，这里省略了运行结果中图像的展示。请大家在Python内运行上述程序，观察实际效果。
【例4.5】将图像从BGR模式转换为RGB模式。
根据题目要求，设计程序如下：
import cv2
lena=cv2.imread("lenacolor.png")
rgb = cv2.cvtColor(lena, cv2.COLOR_BGR2RGB)
cv2.imshow("lena", lena)
cv2.imshow("rgb", rgb)
cv2.waitKey()
cv2.destroyAllWindows()
运行程序，会显示如图4-3所示的运行结果。
图4-3 【例4.5】程序的运行结果
在图4-3中，左图是BGR通道顺序的图像，右图是RGB通道顺序的图像。可以看到，读取的lena图像在BGR模式下正常显示，将其调整为RGB通道顺序后，显示的图像呈现浅蓝色。由于本书为黑白印刷，所以为了更好地观察运行效果，请大家亲自上机运行程序。