使用Python和 OpenCV 对图像进行负变换

图像也称为一组像素。当我们将图像存储在计算机中或以数字方式存储时，会存储相应的像素值。因此，当我们在Python中使用 OpenCV 将图像读取到变量时，该变量会存储图像的像素值。当我们尝试对图像进行负转换时，最亮的区域会被转换为最暗的区域，而最暗的区域会被转换为最亮的区域。

众所周知，彩色图像存储 3 个不同的通道。它们是红色、绿色和蓝色。这就是为什么彩色图像也被称为 RGB 图像的原因。因此，如果我们需要对图像进行负变换，则需要反转这 3 个通道。

让我们通过在直方图中绘制彩色图像来查看它的 3 个通道。

输入图像 -

# We need cv2 module for image 
# reading and matplotlib module
# for plotting
import cv2
import matplotlib.pyplot as plt
   
img_bgr = cv2.imread('scenary.jpg', 1)
   
color = ('b', 'g', 'r')
  
for i, col in enumerate(color):
    histr = cv2.calcHist([img_bgr], [i], None, [256], [0, 256])
    plt.plot(histr, color = col)
    plt.xlim([0, 256])
      
plt.show()

输出：

在这里，3 个通道（红色、绿色、蓝色）重叠并创建一个直方图。如果您之前研究过像素和 RGB，您可能知道每种颜色包含 256 个值。如果颜色的 RGB 值为 (255, 255, 255)，则该颜色显示为白色，如果颜色的 RGB 值为 (0, 0, 0)，则该颜色显示为黑色。像这样，上面的 3 个通道也包含 256 个像素。

因此，X 轴显示总共 256 个值 (0 – 255)，Y 轴显示每个通道的总频率。正如您在直方图中看到的那样，蓝色通道的频率最高，您可以通过查看它轻松标记图像中存在的蓝色量。

图像的负变换

让我们创建图像的负变换。使用 OpenCV 模块有两种不同的方法可以将图像转换为负片。第一种方法逐步解释负变换，第二种方法解释单行图像的负变换。

第一种方法：负转换的步骤

1. 读取图像
2. 获取图像的高度和宽度
3. 每个像素包含 3 个通道。因此，取一个像素值并收集 3 个不同变量中的 3 个通道。
4. 从 255 中取反 3 个像素值并将它们再次存储在之前使用的像素中。
5. 对图像中存在的所有像素值执行此操作。

第一种方法的Python代码：-

import cv2
import matplotlib.pyplot as plt
  
  
# Read an image
img_bgr = cv2.imread('scenary.jpg', 1)
plt.imshow(img_bgr)
plt.show()
  
# Histogram plotting of the image
color = ('b', 'g', 'r')
  
for i, col in enumerate(color):
      
    histr = cv2.calcHist([img_bgr], 
                         [i], None,
                         [256], 
                         [0, 256])
      
    plt.plot(histr, color = col)
      
    # Limit X - axis to 256
    plt.xlim([0, 256])
      
plt.show()
  
# get height and width of the image
height, width, _ = img_bgr.shape
  
for i in range(0, height - 1):
    for j in range(0, width - 1):
          
        # Get the pixel value
        pixel = img_bgr[i, j]
          
        # Negate each channel by 
        # subtracting it from 255
          
        # 1st index contains red pixel
        pixel[0] = 255 - pixel[0]
          
        # 2nd index contains green pixel
        pixel[1] = 255 - pixel[1]
          
        # 3rd index contains blue pixel
        pixel[2] = 255 - pixel[2]
          
        # Store new values in the pixel
        img_bgr[i, j] = pixel
  
# Display the negative transformed image
plt.imshow(img_bgr)
plt.show()
  
# Histogram plotting of the
# negative transformed image
color = ('b', 'g', 'r')
  
for i, col in enumerate(color):
      
    histr = cv2.calcHist([img_bgr], 
                         [i], None,
                         [256],
                         [0, 256])
      
    plt.plot(histr, color = col)
    plt.xlim([0, 256])
      
plt.show()

输出 ：

（原始图像和直方图）

（负像和直方图）

方法二：负变换步骤

1. 读取图像并将其存储在变量中。
2. 从 1 中减去变量并将值存储在另一个变量中。
3. 全部做完。你成功地完成了负转换。

第二种方法的Python代码：-

import cv2
import matplotlib.pyplot as plt
  
  
# Read an image
img_bgr = cv2.imread('scenary.jpg', 1)
  
plt.imshow(img_bgr)
plt.show()
  
# Histogram plotting of original image
color = ('b', 'g', 'r')
  
for i, col in enumerate(color):
      
    histr = cv2.calcHist([img_bgr],
                         [i], None,
                         [256],
                         [0, 256])
      
    plt.plot(histr, color = col)
      
    # Limit X - axis to 256
    plt.xlim([0, 256])
      
plt.show()
  
# Negate the original image
img_neg = 1 - img_bgr
  
plt.imshow(img_neg)
plt.show()
  
# Histogram plotting of
# negative transformed image
color = ('b', 'g', 'r')
  
for i, col in enumerate(color):
      
    histr = cv2.calcHist([img_neg],
                         [i], None, 
                         [256],
                         [0, 256])
      
    plt.plot(histr, color = col)
    plt.xlim([0, 256])
      
plt.show()

输出 ：

（原始图像和直方图）

（负像和直方图）