如何用手机拍摄伪log灰度模式拍摄的视频

来源：蜘蛛抓取(WebSpider) 时间：2018-07-14 15:47 标签： 摄像机拍摄灰度
若有恒，何必三更眠五更起；最无益，莫过一日曝十日寒。
Python cv2灰度图转伪彩图
import cv2
import pdb
data_path = './output/density_maps_mcnn_shtechA_660/'
file_name = 'output_IMG_1.png'
out_path = './out-temp/'
im_dir = os.path.join(data_path,file_name)
img = cv2.imread(im_dir)
pdb.set_trace()
ht = img.shape[0]
wd = img.shape[1]
for i in range(0,ht):
for j in range(0,wd):
B = img[i][j][0]
G = img[i][j][1]
R = img[i][j][2]
if B &= 51:
img[i][j][0] = 255
elif B &= 102:
img[i][j][0] = 255 - (B-51)*5
elif B &= 153:
img[i][j][0] = 0
else : img[i][j][0] = 0
if G &= 51:
img[i][j][1] = G*5
elif G &= 102:
img[i][j][1] = 255
elif G &= 153:
img[i][j][1] = 255
elif G &= 204:
img[i][j][1] = 255 - int(128.0*(G-153.0)/51.0 + 0.5)
else : img[i][j][1] = 127 - int(127.0*(G-204.0)/51.0 + 0.5)
if R &= 51:
img[i][j][2] = 0
elif R &= 102:
img[i][j][2] = 0
elif R &= 153:
img[i][j][2] = (R-102)*5
elif G &= 204:
img[i][j][2] = 255
else : img[i][j][2] = 255
cv2.imwrite(os.path.join(out_path,file_name),img)
没有更多推荐了，25 条评论分享收藏感谢收起赞同 12 条评论分享收藏感谢收起写回答灰度图像进行伪彩色处理，若要将黑色调整为红色，白色调整为绿色，其他灰度色不变，如何处理？_百度知道
灰度图像进行伪彩色处理，若要将黑色调整为红色，白色调整为绿色，其他灰度色不变，如何处理？
我有更好的答案
用PS处理啊。先把灰度转成RGB格式，然后用替“换颜来调”，“换颜来调”可以选取你的目标区域（或你要的黑色），再进运调色就可以了。白色调法是一样的。
采纳率：45%
为您推荐：
其他类似问题
灰度图像的相关知识
换一换
回答问题，赢新手礼包
个人、企业类
违法有害信息,请在下方选择后提交
色情、暴力
我们会通过消息、邮箱等方式尽快将举报结果通知您。个人博客迁移至:www.face2ai.com持续更新
彩色图像--伪彩处理 灰度图转伪彩色图像
学习DIP第68天
转载请标明本文出处： ，出于尊重文章作者的劳动，转载请标明出处！文章代码已托管，欢迎共同开发：
观察了一下冈萨雷斯的书，发现彩色图像处理只用了一章进行介绍，原因分析了一下，后来发现，好像别的介绍的也不多，得出一个结论，冈萨雷斯这本书只能作为一部纲领性的介绍，它基本涵盖了图像处理的基础知识，但是如果想使用某种方向作为工作的话，需要继续找更多专业的书和开源项目来学习。还是像我之前抱怨的那样，每次看一本书之前都觉得自己看完了会变得超级厉害，但每次看完一本书以后反而会觉得自己像个傻瓜一样，需要更多的书来学习，如此循环，这一生都不会幸福了。盗图一张，与各位共勉
内容迁移至：
没有更多推荐了，学习DIP第68天
转载请标明本文出处： ，出于尊重文章作者的劳动，转载请标明出处！文章代码已托管，欢迎共同开发：
观察了一下冈萨雷斯的书，发现彩色图像处理仅仅用了一章进行介绍，原因分析了一下，后来发现，好像别的介绍的也不多，得出一个结论。冈萨雷斯这本书仅仅能作为一部纲领性的介绍。它基本涵盖了图像处理的基础知识。可是假设想使用某种方向作为工作的话。须要继续找很多其它专业的书和开源项目来学习。还是像我之前抱怨的那样。每次看一本书之前都认为自己看完了会变得超级厉害，但每次看完一本书以后反而会认为自己像个傻瓜一样。须要很多其它的书来学习，如此循环，这一生都不会幸福了。盗图一张，与各位共勉
说到伪彩色图像，与其相应的是真彩色，以下介绍下其差别和性质。
我们知道可以观察出颜色的光的波长范围是有限的，仅仅有那么一小段，换句话说也就是说有一大段光，仅仅有一小段有颜色。其它都是灰度的，但人类视觉有一个特点就是，仅仅能分辨出二十几种灰度，也就是说採集到的灰度图像分辨率超级高。有一千个灰度级，但非常遗憾。人们仅仅能看出二十几个，也就是说信息损失了五十倍，但人类视觉对彩色的分辨能力相当强，可以分辨出几千种色度。
在从採集的角度说下伪彩和真彩色，伪彩色原始图像是灰度图像
灰度图像的来源：
单通道相机或其它传感器（比方CT用的平板）採集到的都是灰度图，这里包含使用单通道採集的频率高于可见光的频率的电磁波，可见光，低于可见光频率的电磁波。
图中红色框内为不可见光，没有颜色。所以他们一定是灰度图，须要时要进行伪彩色处理。
使用多通道採集设备採集的不可见光，这种图像有时候是单通道的。就是1中所说的，也有可能是多通道，不如卫星就有可能，红外。可见光，还有其它不可见光採集设备。这种多通道灰度图有时候须要进行伪彩处理。
真彩色图的来源：
用多通道採集设备，多为相机来採集可见光，这样得到的是多通道真彩色图像。
对于单通道灰度图转换成伪彩图像的方法是将一种灰度映射为一种颜色。而映射方式不唯一。可以依据须要自行设定，以下的代码使用的算法是我自己想出来的，使用到了HSV色彩空间。并将当中的饱和度和亮度设为1.0，色相使用灰度0到255映射到0°到270°：
void Gray2Color(double *src,RGB* dst,int width,int height,int type){
HSV* temp=(HSV*)malloc(sizeof(HSV)*width*height);
for(int i=0;i&width*height;i++){
double gray_value=src[i];
if(type==HIGHVALUE_EQU_RED)
temp[i].c1=HSVMAX-GRAY2HSV*gray_value;
else if(type==LOWVALUE_EQU_RED)
temp[i].c1=GRAY2HSV*gray_value;
temp[i].c2=1.0;
temp[i].c3=1.0;
HSV2RGB(temp, dst, width, height);
free(temp);
灰度渐进图：
MacBook Pro x光扫描图
卫星地形图：
伪彩色图乡相对灰度图像可以识别很多其它的细节，可分辨性较强。并且转换方式灵活。可以依据须要自行设计转换函数。或者自制映射表。
待续。。。
阅读(...) 评论()

我要回帖

更多关于 摄像机拍摄灰度 的文章

 

随机推荐