1 前言
上一篇介绍了用C++如何将一幅彩色图像和灰度图像进行反色处理，本篇接着用python来做同样的事情。
图像反转，其目的就是增强图像的暗区中白色或灰色的细节，特别是原图中的阴影黑色区域。原理就是用值255 减去原来像素点上的像素值，比如用255（白色）-0（黑色）得到的是255（白色）。
2 相关概念
像素：像素是图像的最小单位。每一幅图像都是由M行N列的像素组成的，其中每一个像素都存储一个像素值。
RGB 图像：
每一种颜色在视觉效果上都可以由不同比例的红、绿、蓝三种颜色合成（R-red，G-green，B-blue）。RGB图像存在3个通道，即R通道、G通道和B通道。其中R通道指的是红色通道；G通道指的是绿色通道；B通道指的是蓝色通道；并且每个色彩通道都在区间[0，255]内取值。RGB图像对应的是RGB色彩空间。
灰度图像：
每个像素都是从黑到白，被处理为256个灰度级别的单色图像。这256个灰度级别分别用区间[0，255]中的数值表示。其中，”0″表示纯黑色，”255″表示纯白色，0~255的数值表示不同亮度（即色彩的深浅程度）的深灰色或者浅灰色。灰度图像对应的是GRAY色彩空间。
BGR 色彩空间：
在RGB色彩空间中，彩色图像的通道顺序是R -> G -> B，但是在OpenCV中，RGB色彩空间被BGR色彩空间取代，使得彩色图像的通道顺序变成了B -> G -> R，与RGB刚好相反。
3 创建测试项目
创建测试项目、配置开发环境，具体可参考之前文章，这里就不多说了
Win10+Python3.10+OpenCV4.6.0加载显示图片_来灵的博客-CSDN博客
这次测试项目名称img_invert，VS2022种创建好的项目截图
将下列代码编辑到img_invert.py文件里，代码中有详细的注释
!usr/bin/env python
-*- coding: utf-8 -*-
import cv2
import numpy as np
#color_path：彩色图片路径
#gray_path：灰度图片路径
#dst_color_path：反色后的彩色图片路径
#dst_gray_path：反色后的灰度图片路径
def img_invert(color_path, gray_path, dst_color_path, dst_gray_path):
#打开彩色原始图像
img_color = cv2.imread(color_path)
#获取彩色图像宽、高、通道数
height_color, width_color, channels_color = img_color.shape
#打印彩色图像的宽、高、通道数
print("color:width[%d],height[%d],channels[%d]" % (width_color, height_color, channels_color))
#将彩色图像转换成灰度图像
#注意参数2：OpenCV中彩色色彩空间是BGR，转换成灰度色彩空间GRAY
img_gray = cv2.cvtColor(img_color, cv2.COLOR_BGR2GRAY)
#获取灰度图像宽、高、通道数
#height_gray, width_gray = img_gray.shape
height_gray, width_gray = img_gray.shape[:2]
#打印彩色图像的宽、高、通道数
print("gray:width[%d],height[%d]" % (width_gray, height_gray))
#保存灰度图片
cv2.imwrite(gray_path, img_gray)
#显示转换之前的彩色图像和灰度图像
cv2.imshow('img_color', img_color)
cv2.imshow('img_gray', img_gray)
#先将彩色图像反色
#创建空白数组
for row in range(height_color):
for col in range(width_color):
for chan in range(channels_color):
point = img_color[row, col, chan]
img_color[row, col, chan] = 255 - point
#显示和保存反色后彩色图像
cv2.imshow('dst_color', img_color)
cv2.imwrite(dst_color_path, img_color)
#接着讲灰度图像反色
#创建空白数组
for row in range(height_gray):
for col in range(width_gray):
img_gray[row][col] = 255 - img_gray[row][col]
#显示和保存反色后灰度图像
cv2.imshow('dst_gray', img_gray)
cv2.imwrite(dst_gray_path, img_gray)
#按下任何键盘按键后退出
cv2.waitKey()
#销毁所有窗口
cv2.destroyAllWindows()
print("test end...")
if __name__ == '__main__':
color_path = 'color.jpg'
gray_path = 'gray.jpg'
dst_color_path = 'dst_color.jpg'
dst_gray_path = 'dst_gray.jpg'
img_invert(color_path, gray_path, dst_color_path, dst_gray_path)
编辑好代码的项目截图
测试项目工程当前目录
4 效果截图
控制台运行截图
彩色和灰度原图
反色处理后保存的图片
5 总结
1，不论是对彩色图像还是灰度图像，做反转处理的原理都是一样的，即用255减去像素点上的RGB值。不同点：彩色图像是3通道，灰度图像是单通道。
Value(目标) = 255 – Value(当前)
2，将彩色图像转换成灰度图像，使用了OpenCV的接口函数
gray = cv2.cvtColor (color, cv2.COLOR_BGR2GRAY);
参数说明：
color ：转换前的图像（即彩色图像）
code ：色彩空间转换码（本示例用的是COLOR_BGR2GRAY）
返回值：
gray：转换后的图像（即灰度图像）
Original: https://blog.csdn.net/chexlong/article/details/127335879
Author: 来灵
Title: Python调用OpenCV实现图像反色（反相）处理
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/637367/
转载文章受原作者版权保护。转载请注明原作者出处！