OpenCV：如何在圖像上應用彩虹漸變圖？

Question

說我們有我們通過OpenCV的某種方式修改圖像：

現在，我們很樂意對其適用Gradient Map (like one we can apply via photoshop)：

所以我不知道如何應用漸變映射（彩虹色）通過openCV？

Answer 1

以下是使用Python創建假/僞彩色圖像的方法，轉換爲C++應該非常簡單。概述：

1. 打開圖像爲灰度和RGB
2. 轉換RGB圖像到HSV（色調，飽和度，值/亮度）色彩空間。這是一個圓柱形空間，色度由極軸上的單個值表示。
3. 將色調通道設置爲我們已經打開的灰度圖像，這是至關重要的一步。
4. 將值和飽和度通道設置爲最大值。
5. 轉換回RGB空間（否則顯示將不正確）。

有幾個漁獲雖然的...

1. 作爲色相以度保持和顏色頻譜從表示0到180（未0-256和0-360不（有時），我們需要通過乘以​​
2. 來適當地重新調整灰度圖像。即。映射是這樣的：

來源：到：

如果這個改變，我們可以通過補償色調的元素和包裝他們周圍180（否則會飽和），這樣做是很重要的。該代碼通過在該截斷點掩蓋圖像然後適當地抵消來實現這一點。使用120偏移，產生你的colorscale：

來源：到：

和圖像處理方式似乎與您的匹配非常好（在末尾）。

import cv 

image_bw = cv.LoadImage("TfBmw.jpg", cv.CV_LOAD_IMAGE_GRAYSCALE) 
image_rgb = cv.LoadImage("TfBmw.jpg") 

#create the image arrays we require for the processing 
hue=cv.CreateImage((image_rgb.width,image_rgb.height), cv.IPL_DEPTH_8U, 1) 
sat=cv.CreateImage((image_rgb.width,image_rgb.height), cv.IPL_DEPTH_8U, 1) 
val=cv.CreateImage((image_rgb.width,image_rgb.height), cv.IPL_DEPTH_8U, 1) 
mask_1=cv.CreateImage((image_rgb.width,image_rgb.height), cv.IPL_DEPTH_8U, 1) 
mask_2=cv.CreateImage((image_rgb.width,image_rgb.height), cv.IPL_DEPTH_8U, 1) 

#convert to cylindrical HSV color space 
cv.CvtColor(image_rgb,image_rgb,cv.CV_RGB2HSV) 
#split image into component channels 
cv.Split(image_rgb,hue,sat,val,None) 
#rescale image_bw to degrees 
cv.ConvertScale(image_bw, image_bw, 180/256.0) 
#set the hue channel to the greyscale image 
cv.Copy(image_bw,hue) 
#set sat and val to maximum 
cv.Set(sat, 255) 
cv.Set(val, 255) 

#adjust the pseudo color scaling offset, 120 matches the image you displayed 
offset=120 
cv.CmpS(hue,180-offset, mask_1, cv.CV_CMP_GE) 
cv.CmpS(hue,180-offset, mask_2, cv.CV_CMP_LT) 
cv.AddS(hue,offset-180,hue,mask_1) 
cv.AddS(hue,offset,hue,mask_2) 

#merge the channels back 
cv.Merge(hue,sat,val,None,image_rgb) 
#convert back to RGB color space, for correct display 
cv.CvtColor(image_rgb,image_rgb,cv.CV_HSV2RGB) 

cv.ShowImage('image', image_rgb) 
# cv.SaveImage('TfBmw_120.jpg',image_rgb) 
cv.WaitKey(0) 

你的形象與offset = 120處理：

Answer 2

現在存在一個稱爲applyColorMap OpenCV的功能，這使得這個過程瑣碎。下面的代碼將這樣的伎倆

image_cm = cv2.applyColorMap(image, cv2.COLORMAP_JET)) 

這是結果：

圖1：原始平面 Figure2：應用顏色表