python 图像处理——关于plt.imshow显示cv2.imread读取的图像有“色差”、“发蓝”问题的解决方法

这篇具有很好参考价值的文章主要介绍了python 图像处理——关于plt.imshow显示cv2.imread读取的图像有“色差”、“发蓝”问题的解决方法。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

一、彩色图像出现色差

使用cv2.imread()读取图像时,默认彩色图像的三通道顺序为B、G、R,这与我们所熟知的RGB中的R通道和B通道正好互换位置了。

而使用plt.imshow()函数却默认显示图像的通道顺序为R、G、B,导致图像出现色差发蓝。

彩色图像出现色差代码:

import cv2
import numpy as np
import matplotlib.pyplot as plt

img = cv2.imread('C:/Users/Administrator/Desktop/picture/Lena.jpg')
plt.xticks([]), plt.yticks([]) 		#隐藏x轴和y轴

plt.imshow(img)
plt.show()

运行结果如图1-1所示,其颜色偏蓝,怪吓人的:
python处理色差问题,OpenCV_图像处理_报错,python,图像处理,计算机视觉
解决办法:重新组合

import cv2
import numpy as np
import matplotlib.pyplot as plt

img = cv2.imread('C:/Users/Administrator/Desktop/picture/Lena.jpg')

b,g,r = cv2.split(img)			#分别提取B、G、R通道
img2 = cv2.merge([r,g,b])	#重新组合为R、G、B

#或者直接 img2 =  cv2.cvtColor(img, cv2.COLOR_BGR2RGB)

plt.xticks([]), plt.yticks([]) # 隐藏x和y轴

plt.imshow(img2)
plt.show()

运行结果如图1-2所示,将BGR调整回RGB后其能正常显示:
python处理色差问题,OpenCV_图像处理_报错,python,图像处理,计算机视觉

二、灰度图像出现色差原因

那么为什么plt.imshow()显示灰度图(只有一个通道)还会出现色差呢?

上一段讲过,这是因为plt.imshow()函数默认显示三通道图像,把灰度图当作彩色图显示出来了,所以出现了发蓝的现象。

灰色图像出现色差代码:

import cv2
import numpy as np
import matplotlib.pyplot as plt

img_gray = cv2.imread('C:/Users/Administrator/Desktop/picture/Lena.jpg',0)

plt.xticks([]), plt.yticks([]) # 隐藏x和y轴

plt.imshow(img_gray)
plt.show()

运行结果如图2-1所示,其图片显示颜色偏绿色:
python处理色差问题,OpenCV_图像处理_报错,python,图像处理,计算机视觉
解决办法:在imshow函数添加cmap=‘gray’

import cv2
import numpy as np
import matplotlib.pyplot as plt

#0为灰度图的方式读取
img_gray = cv2.imread('C:/Users/Administrator/Desktop/picture/Lena.jpg',0)

plt.xticks([]), plt.yticks([]) # 隐藏x和y轴

plt.imshow(img_gray,cmap='gray')
plt.show()

运行结果如图2-2所示,图片正常显示:
python处理色差问题,OpenCV_图像处理_报错,python,图像处理,计算机视觉文章来源地址https://www.toymoban.com/news/detail-789666.html

到了这里,关于python 图像处理——关于plt.imshow显示cv2.imread读取的图像有“色差”、“发蓝”问题的解决方法的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 图像处理:基于cv2.inpaint()图像修补

    今天我们将学习如何通过一种“修复”的方法消除旧照片中的小噪音,笔画等。当然,经过我的测试你也可以将其用于削弱混杂了其他的颜色的图像。 大多数人家都会有一些旧的的旧化照片,上面有黑点,一些笔触等。你是否曾经想过将其还原?我们不能简单地在绘画工具中

    2024年02月04日
    浏览(30)
  • Plt图片不显示,不弹出,Pycharm图片独立显示与imshow()无法显示

    问题一:Pycharm 图片在独立窗口显示(或者是图片压根不显示) pycharm从2017.3版之后,将 matplotlib 的绘图的结果默认显示在 SciView 窗口中, 而不是弹出独立的窗口。可以通过如下方式修改,弹出独立窗口 File | Settings | Tools | Python Scientific | Show plots in tool window 取消勾选 问题二:py

    2024年02月13日
    浏览(44)
  • opencv 31-图像平滑处理-方框滤波cv2.boxFilter()

    方框滤波(Box Filtering)是一种简单的图像平滑处理方法,它主要用于去除图像中的噪声和减少细节,同时保持图像的整体亮度分布。 方框滤波的原理很简单:对于图像中的每个像素,将其周围的一个固定大小的邻域内的像素值取平均,然后将这个平均值赋值给当前像素。这

    2024年02月14日
    浏览(32)
  • opencv-34 图像平滑处理-双边滤波cv2.bilateralFilter()

    双边滤波(BilateralFiltering)是一种图像处理滤波技术,用于平滑图像并同时保留边缘信息。与其他传统的线性滤波方法不同,双边滤波在考虑像素之间的空间距离之外,还考虑了像素之间的灰度值相似性。这使得双边滤波能够有效地去除噪声,同时保持图像的细节和边缘。

    2024年02月14日
    浏览(26)
  • opencv 30 -图像平滑处理01-均值滤波 cv2.blur()

    图像平滑处理(Image Smoothing)是一种图像处理技术,旨在减少图像中的噪声、去除细节并平滑图像的过渡部分。这种处理常用于预处理图像,以便在后续图像处理任务中获得更好的结果。 常用的图像平滑处理方法包括: 均值滤波(Mean Filtering) :用图像中像素周围区域的平

    2024年02月01日
    浏览(28)
  • 我在Vscode学OpenCV 图像处理四(轮廓查找 cv2.findContours() cv2.drawContours())-- 待补充

    在OpenCV中,边缘检测和轮廓查找是两个不同的图像处理任务,它们有不同的目标和应用。 1.1.1 边缘检测: 定义: 边缘检测是指寻找图像中灰度级别变化明显的地方,即图像中物体之间的界限。这些变化通常表示图像中的边缘或轮廓。 方法: 常用的边缘检测算法包括Sobel、

    2024年02月03日
    浏览(38)
  • opencv(15) 图像平滑处理之二:cv2.GaussianBlur()高斯滤波

    高斯滤波是一种线性平滑滤波,适用于消除高斯噪声,广泛应用于图像处理的减噪过程。 高斯模板是通过对二维高斯函数进行采样(高斯模糊的卷积核里的数值满足高斯分布)、量化并归一化得到的,它考虑了邻域像素位置的影响,距离当前被平滑像素越近的点,加权系数越大

    2024年02月10日
    浏览(33)
  • opencv-34 图像平滑处理-2D 卷积 cv2.filter2D()

    2D卷积是一种图像处理和计算机视觉中常用的操作,用于在图像上应用滤波器或卷积核,从而对图像进行特征提取、平滑处理或边缘检测等操作。 在2D卷积中,图像和卷积核都是二维的矩阵或数组。卷积操作将卷积核在图像上滑动,对每个局部区域进行元素级别的乘法和累加

    2024年02月14日
    浏览(32)
  • 【Python plt.imshow函数及其参数详解】

    plt.imshow() 函数是Matplotlib库中的一个函数,主要用于显示图像或矩阵数据。它可以将矩阵数据渲染成图像,并支持许多参数来调整图像的外观和行为。通常情况下将其用于显示图像文件或处理图像数据。 要显示一张图像,我们需要读取图像文件,并使用 plt.imshow() 函数来显示

    2024年03月10日
    浏览(74)
  • 数字图像处理 关于matlab的图像变换

    熟悉及掌握图像的傅里叶变换、离散余弦变化原理及性质,实现图像的频率域变换。 1. 读入一幅图像,分别为图像添加叠加密度为0.04的椒盐噪声,均值为0方差为0.02的高斯噪声,做FFT变换。将原始图像、原始图像频谱图、添加噪声后的图像,以及噪声图像的频谱图同时显示出

    2024年02月05日
    浏览(38)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包