如何實現opencv-python的RGB與BGR的互轉

小編這次要給大家分享的是如何實現opencv-python的RGB與BGR的互轉，文章內容豐富，感興趣的小伙伴可以來了解一下，希望大家閱讀完這篇文章之后能夠有所收獲。

一、格式轉換

opencv讀取圖片的默認像素排列是BGR，需要轉換。PIL庫是RGB格式。

caffe底層的圖像處理是基于opencv，其使用的顏色通道順序與也是BGR(Blue-Green-Red)，而日常圖片存儲時顏色通道順序是RGB。

在Python中，將RGB順序的圖像轉成BGR順序，需要調整channel dimension的各顏色通道順序。

方法1：

img = cv2.imread("001.jpg")

img_ = img[:,:,::-1].transpose((2,0,1))

① 在opencv里，圖格式HWC，其余都是CHW，故transpose((2,0,1))

② img[:,:,::-1]對應H、W、C，彩圖是3通道，即C是3層。opencv里對應BGR，故通過C通道的 ::-1 就是把BGR轉為RGB

注： [::-1] 代表順序相反操作

③ 若不涉及C通道的BGR轉RGB，如Img[:,:,0]代表B通道，也就是藍色分量圖像；Img[:,:,1]代表G通道，也就是綠色分量圖像；Img[:,:,2]代表R通道，也就是紅色分量圖像。

方法2：

使用opencv自帶函數轉換圖像的R通道和B通道。

RGB -> BGR

img_bgr = cv2.cvtColor(img_rgb, cv2.COLOR_RGB2BGR)

BGR->RGB

img_rgb = cv2.cvtColor(img_bgr, cv2.COLOR_BGR2RGB)

方法3：

BRG轉RGB

rgb = bgr[...,::-1]

RGB轉BGR

bgr = rgb[...,::-1]

RGB轉GBR

gbr = rgb[...,[2,0,1]]

二、其他

添加Batch項一般是caffe2圖像預處理的最后一步，在經過RGB->BGR，圖像增強以及HWC->CHW后，還需要在CHW前添加一個第四維N以記錄圖像樣本數量（即batchsize），所以輸入caffe的圖像格式為(N,C,H,W)，其中顏色通道C的順序是BGR。

但是對于TensorFlow這個順序有差別。TensorFlow有兩種數據格式NHWC和NCHW，默認的數據格式是NHWC，可以通過參數data_format指定數據格式。設置為 “NHWC” 時，排列順序為 [batch, height, width, channels]；設置為 “NCHW” 時，排列順序為 [batch, channels, height, width]。

兩種數據格式的轉換：

NHWC –> NCHW：

import tensorflow as tf
x = tf.reshape(tf.range(24), [1, 3, 4, 2])
out = tf.transpose(x, [0, 3, 1, 2])

NCHW –> NHWC：

import tensorflow as tf
x = tf.reshape(tf.range(24), [1, 2, 3, 4])
out = tf.transpose(x, [0, 2, 3, 1])

補充知識：淺談opencv使用BGR而非RGB的原因

使用opencv讀取圖片時， 默認的通道順序是BGR而非RGB，在RGB為主流的當下， 這種默認給我們帶來了一點不便。那么， opencv 為什么要使用BGR而非RGB呢？

目前看到的一種解釋說是因為歷史原因：早期BGR也比較流行，opencv一開始選擇了BGR，到后來即使RGB成為主流，但也不好改了。

看完這篇關于如何實現opencv-python的RGB與BGR的互轉的文章，如果覺得文章內容寫得不錯的話，可以把它分享出去給更多人看到。