matplotlib改变每一层中BRG的颜色

如何解决matplotlib改变每一层中BRG的颜色

我遇到了一个问题。我正在尝试使用OpenCV和matplotlib显示BGR，蓝色层，绿色层和红色层。

我知道OpenCV将图像读取为BGR，而matplotlib将图像读取为RGB，因此我先将RGB转换为BGR并设法打印了原始图片，但是当我尝试打印蓝色层，绿色层和红色层时并发现每一层的颜色仍未转换。

    import cv2 as cv
    from matplotlib import pyplot as plt

    img = cv.imread('baboon.png')

    bgr = cv.cvtColor(img,cv.COLOR_RGB2BGR)

    B = bgr [:,:,0]
    G = bgr [:,1]
    R = bgr [:,2]

   plt.subplot (2,2,1)
   plt.imshow (bgr)
   plt.xticks([]),plt.yticks([])
   plt.title('BGR')

   plt.subplot (2,2)
   plt.imshow (B)
   plt.xticks([]),plt.yticks([])
   plt.title('Blue Layer')

   plt.subplot (2,3)
   plt.imshow (G)
   plt.xticks([]),plt.yticks([])
   plt.title('Green Layer')

   plt.subplot (2,4)
   plt.imshow (R)
   plt.xticks([]),plt.yticks([])
   plt.title('red layer')
   plt.show ()

代码结果

为什么看起来没有转换？

解决方法

您要绘制的不是灰度渐变的单通道数据with a colormap。

为每个cmap=添加合适的.imshow()参数，例如

plt.imshow(G,cmap=plt.get_cmap("Greys"))

示例

如评论中所讨论的，OP希望向每个频道显示与该频道相关的色图。

您可以使用LinearSegmentedColormap来生成它们。我也很乐意用循环替换重复的代码。

import cv2 as cv
from matplotlib import pyplot as plt
from matplotlib.colors import LinearSegmentedColormap

img = cv.imread("lenna.png")

bgr = cv.cvtColor(img,cv.COLOR_RGB2BGR)

B = bgr[:,:,0]
G = bgr[:,1]
R = bgr[:,2]
b_map = LinearSegmentedColormap.from_list("B",["#000","#00f"])
g_map = LinearSegmentedColormap.from_list("G","#0f0"])
r_map = LinearSegmentedColormap.from_list("R","#f00"])

for i,(title,matrix,cmap) in enumerate([
    ("BGR",bgr,None),("Blue",B,b_map),("Green",G,g_map),("Red",R,r_map),],1):
    plt.subplot(2,2,i)
    plt.imshow(matrix,cmap=cmap)
    plt.xticks([])
    plt.yticks([])
    plt.title(title)

plt.show()

输出为

扩展示例

这是一个显示HSV和YCbCr结果的示例。 （获得这些YCbCr色阶是一两件事……）

import cv2 as cv
import numpy as np
from matplotlib import pyplot as plt
from matplotlib.colors import LinearSegmentedColormap
from matplotlib.cm import get_cmap

# Build color ramps in YCbCr space
filler = np.full(255,128)
ramp = np.linspace(0,255,255)
ch0_ramp = np.rot90(np.dstack((ramp,filler,filler))).astype("uint8")
ch1_ramp = np.rot90(np.dstack((filler,ramp,filler))).astype("uint8")
ch2_ramp = np.rot90(np.dstack((filler,ramp))).astype("uint8")
y_ramp = 1 - (cv.cvtColor(ch0_ramp,cv.COLOR_YCrCb2RGB)[:,0] / 255)
cr_ramp = cv.cvtColor(ch1_ramp,0] / 255
cb_ramp = cv.cvtColor(ch2_ramp,0] / 255

# Build color maps
b_map = LinearSegmentedColormap.from_list("B","#f00"])
h_map = get_cmap("hsv")
s_map = LinearSegmentedColormap.from_list("S",["#888","#0f0"])
v_map = LinearSegmentedColormap.from_list("V","#fff"])
y_map = LinearSegmentedColormap.from_list("Y",y_ramp)
cr_map = LinearSegmentedColormap.from_list("Cr",cr_ramp)
cb_map = LinearSegmentedColormap.from_list("Cb",cb_ramp)

# Load material

bgr = cv.imread("lenna.png")
rgb = cv.cvtColor(bgr,cv.COLOR_BGR2RGB)
hsv = cv.cvtColor(bgr,cv.COLOR_BGR2HSV)
ycc = cv.cvtColor(bgr,cv.COLOR_BGR2YCrCb)

# Draw all the things!
for i,cmap) in enumerate(
    [
        ("BGR",rgb,rgb[:,0],1],2],("Hue",hsv[:,h_map),("Sat",s_map),("Val",v_map),("Y",ycc[:,y_map),("Cr",cr_map),("Cb",cb_map),):
    plt.subplot(4,3,1 + i + (2 if i else 0))
    plt.imshow(matrix,cmap=cmap)
    plt.xticks([])
    plt.yticks([])
    plt.title(title)

plt.show()

输出为

,

分离三个B / G / R通道时，会将3通道图像转换为最好用灰度图像表示的单通道图像。

您需要添加cmap='gray'才能显示，使其看起来像真实的灰度图像。

plt.subplot (2,1)
plt.imshow (bgr)
plt.xticks([]),plt.yticks([])
plt.title('BGR')

plt.subplot (2,2)
plt.imshow (B,cmap= 'gray')
plt.xticks([]),plt.yticks([])
plt.title('Blue Layer')

plt.subplot (2,3)
plt.imshow (G,plt.yticks([])
plt.title('Green Layer')

plt.subplot (2,4)
plt.imshow (R,plt.yticks([])
plt.title('red layer')
plt.show ()

查看右两个图像中的鼻子颜色。红色鼻子在红色层中由白色表示，而在蓝色层中则不是这样，因为蓝色层中的鼻子像素值为0，即黑色。 在分离的通道图像中，通道的颜色将在0-1比例上接近1，在0-255比例上接近255。在灰度图像中，此1由WHITE表示。

如果您真的想看到蓝色/红色/绿色，请使用如下所示的cmap：

plt.subplot (2,cmap= 'Blues')
plt.xticks([]),cmap= 'Greens')
plt.xticks([]),cmap= 'Reds')
plt.xticks([]),plt.yticks([])
plt.title('red layer')
plt.show ()