OpenCV：如何在图像上应用彩虹渐变图？
假设我们有一个我们以某种方式通过openCV修改的图像：
现在我们很乐意申请Gradient Map（就像我们可以通过photoshop申请） ：
所以我想知道如何通过openCV应用渐变映射（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：
- 将图像打开为灰度和RGB
- 将RGB图像转换为HSV（色相，饱和度，值/亮度）色彩空间。 这是一个圆柱形空间，其色调由极轴上的单个值表示。
- 将色调通道设置为我们已打开的灰度图像，这是至关重要的一步。
- 将值和饱和度通道设置为最大值。
- 转换回RGB空间（否则显示将不正确）。
虽然有几个渔获量……
- 由于Hue以度为单位且色谱表示为0到180（不是0-256而不是0-360（有时是这种情况）），我们需要通过乘以
180 / 256.0适当地重新缩放灰度图像 - 在opencv情况下，色调色阶从蓝色开始（不是红色，如图像中所示）。 即。 映射如下：
从： 
至： 
如果这对改变很重要，我们可以通过偏移所有色调元素并将它们包裹在180左右（否则它会饱和）来实现。 代码通过在此截止点处屏蔽图像然后适当地偏移来实现此目的。 使用120的偏移量生成您的色阶：
从： 至： 
并且以这种方式处理的图像似乎与你的相匹配（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)
使用offset = 120处理图像：
现在存在名为applyColorMap的openCV函数，这使得这个过程变得微不足道。 以下代码可以解决问题
image_cm = cv2.applyColorMap(image, cv2.COLORMAP_JET))
这就是结果：
图1：原始平面 
图2：应用色彩图后的平面