內容目錄
先來看看今天的結果圖
還是繼續請我們的貓貓助教來幫忙XDDDD
-> 此篇文章的程式碼 github
Day14_分離合併RGB直方圖_histogram_split_merge.ipynb
前言
基本修圖技能學習完之後，
再來我們要來學一些比較進階會使用的修圖技巧囉！
運用 OpenCV 顯示圖片RGB直方圖、分離與合併RGB三通道
運用 OpenCV 分離RGB三通道
def split_RGBThreeChannel(img):
(B, G, R) = cv2.split(img) # 3 channel
# make all zeros channel
zeros = np.zeros(img.shape[:2], dtype = np.uint8)
print("R channel:")
show_img(merge_RGBThreeChannel(R=R, G=zeros, B=zeros))
print("G channel:")
show_img(merge_RGBThreeChannel(R=zeros, G=G, B=zeros))
print("B channel:")
show_img(merge_RGBThreeChannel(R=zeros, G=zeros, B=B))
return R, G, B
分離RGB三通道使用 cv2.split 的方式，
有些時候我們在進階修圖會針對單一通道的顏色進行調整，
此時分離GRB三個通道就是非常重要的技術了！
運用 OpenCV 合併RGB三通道
def merge_RGBThreeChannel(R, G, B):
img = cv2.merge([B, G, R])
return img
使用 cv2.merge 這個函數，
通常我們在進階修圖中，會先分離RGB三通道，
進行各自顏色通道的調整後，
最後合併RGB三通道，完成我們的修圖。
運用 OpenCV 顯示圖片RGB直方圖
def show_histogram(img):
# 畫出 RGB 三種顏色的分佈圖
color = ('b','g','r')
plt.style.use('dark_background')
plt.figure(figsize=(10,5))
for idx, color in enumerate(color):
histogram = cv2.calcHist([img],[idx],None,[256],[0, 256])
plt.plot(histogram, color = color)
plt.xlim([0, 256])
plt.show()
運用前面分離RGB三通道的技術，
我們可以針對RGB各通道各自畫出他們的直方圖。
在之後的進階修圖中，我們會觀察各顏色通道分佈的直方圖，
更細部的調整各顏色通道的數值。
本文同步發佈在: 第 12 屆 iT 邦幫忙鐵人賽
【沒錢ps,我用OpenCV!】Day 14 – 進階修圖1，運用 OpenCV 顯示圖片直方圖、分離與合併RGB通道 show histogram, split, merge RGB channel
Reference
https://blog.csdn.net/sunny2038/article/details/9080047
https://www.jianshu.com/p/9fd339f806a7
★留個言吧！內容有誤或想要補充也歡迎與我討論！