OpenCV：如何在图像上应用彩虹渐变图？

假设我们有一个通过 openCV 以某种方式修改的图像：

现在我们很乐意申请它渐变贴图（就像我们可以通过 Photoshop 应用的那样）:

所以我想知道如何通过 openCV 应用渐变图（彩虹色）？

这是一种使用 Python 创建假/伪彩色图像的方法，转换为 C++ 应该非常简单。概述：

1. 以灰度和 RGB 格式打开图像
2. 将 RGB 图像转换为 HSV（色调、饱和度、值/亮度）颜色空间。这是一个圆柱形空间，色调由极轴上的单个值表示。
3. 将色调通道设置为我们已经打开的灰度图像，这是关键的一步。
4. 将值和饱和通道均设置为最大值。
5. 转换回RGB空间（否则显示不正确）。

不过，有几个问题......

1. 由于色调以度为单位，并且色谱表示从 0 到 180（不是 0-256 也不是 0-360（有时是这种情况）），因此我们需要通过乘以适当地重新缩放灰度图像180 / 256.0
2. 在 opencv 的情况下，色调色阶从蓝色开始（而不是红色，如图所示）。 IE。映射是这样的：

from: to:

如果改变这一点很重要，我们可以通过偏移所有色调元素并将它们包裹在 180 左右（否则会饱和）来实现。该代码通过在该截止点屏蔽图像然后适当偏移来实现此目的。使用 120 的偏移量生成色阶：

from: to:

并且以这种方式处理的图像似乎与您的图像非常匹配（最后）。

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)

您的图像经过处理offset = 120: