Opencv 灰度图像颜色转换

有没有办法将灰度图像转换成彩色图像

这里有几个JPG示例

---

ImageMagick功能强大，但似乎无法转换为彩色版本。

不幸的是，这是不可能的。灰度图像包含的信息不足以创建彩色图像。在看到黑白/灰度图像转换为彩色的情况下，这是在photoshop等应用程序中手动完成的

可以使用imagemagick应用过滤器，但不能重新引入颜色。

---

不幸的是，这是不可能的。灰度图像包含的信息不足以创建彩色图像。在看到黑白/灰度图像转换为彩色的情况下，这是在photoshop等应用程序中手动完成的

可以使用imagemagick应用过滤器，但不能重新引入颜色。

---

要将图像转换为灰度，只需取每个像素中RGB值的平均值，然后将RG和b设置为该值。因此，将其转换回颜色几乎是不可能的。关键是，我相信最终会有人发明一些复杂的算法，看看周围的像素，看看它们的平均值，也许会得出一个关于该区域颜色的结论，也许，我不知道。但就目前而言，我认为不幸的是不可能做这样的事情。很抱歉。

要将图像转换为灰度，只需取每个像素的RGB值的平均值，然后将RG和b设置为该值。因此，将其转换回颜色几乎是不可能的。关键是，我相信最终会有人发明一些复杂的算法，看看周围的像素，看看它们的平均值，也许会得出一个关于该区域颜色的结论，也许，我不知道。但就目前而言，我认为不幸的是不可能做这样的事情。很抱歉。

转换为颜色时，将三个通道聚合在一起，无法准确地重新创建丢失的信息。但是，您可以生成假颜色，也可以对某些/许多图片进行一些合理的假设

通常，在执行这些类型的操作时，创建LUT查找表，并使用每个像素位置的灰度值查找替换颜色。因此，如果我们制作一个从红色到绿色再到蓝色的LUT，图像中的暗色调将映射为红色，中间色调映射为绿色，高光映射为蓝色。让我们试试看：

convert -size 1x1! xc:red xc:lime xc:blue +append -resize 255x1! rainbowCLUT.png

如果我们现在将其应用于您的图像：

convert yourImage.jpg rainbowCLUT.png -clut result.png

好的，我们现在有了颜色，但这不是很现实。因此，为了做得更好，我们需要开始做一些假设。一种假设可能是图片中有一些相当黑的东西，即领带、夹克、一些深色头发或某个地方的深阴影，另一种假设可能是图像中某个地方可能有白色突出部分，即白色背景，最后，我们假设中间有一些肉色的声音。所以，让我们做一个看起来像那样的组合，也就是说，它从实心的黑色变成中间的肉色，变成白色的亮点：

convert -size 128x1! gradient:black-"rgb(210,160,140)" gradient:"rgb(210,160,140)"-white +append clut.png

我在它周围放了一个1像素宽的红色边框，这样你就可以在StackOverflow的白色背景上看到它

现在，我们可以将其应用于您的图像：

convert yourImage.jpg -normalize clut.png -clut result.png

请注意，我还使用了-normalize来尝试使图像符合我的假设，即图像中有纯黑色调和纯白高光

这项技术只是试图重新创建图像中不再存在的东西，这样它就不会一直工作。当然，如果你知道关于你的拍摄对象、灯光等的额外信息，你可以将其构建到LUT中。

你无法准确地重新创建在转换为颜色时将三个通道聚合在一起而丢失的信息。但是，您可以生成假颜色，也可以对某些/许多图片进行一些合理的假设

通常，在执行这些类型的操作时，创建LUT查找表，并使用每个像素位置的灰度值查找替换颜色。因此，如果我们制作一个从红色到绿色再到蓝色的LUT，图像中的暗色调将映射为红色，中间色调映射为绿色，高光映射为蓝色。让我们试试看：

convert -size 1x1! xc:red xc:lime xc:blue +append -resize 255x1! rainbowCLUT.png

如果我们现在将其应用于您的图像：

convert yourImage.jpg rainbowCLUT.png -clut result.png

好的，我们现在有了颜色，但这不是很现实。因此，为了做得更好，我们需要开始做一些假设。一种假设可能是图片中有一些相当黑的东西，即领带、夹克、一些深色头发或某个地方的深阴影，另一种假设可能是图像中某个地方可能有白色突出部分，即白色背景，最后，我们假设中间有一些肉色的声音。那么，让我们做一个看起来像那样的CLUT，即 从实心黑色到中间的肉色，到白色的亮点：

convert -size 128x1! gradient:black-"rgb(210,160,140)" gradient:"rgb(210,160,140)"-white +append clut.png

我在它周围放了一个1像素宽的红色边框，这样你就可以在StackOverflow的白色背景上看到它

现在，我们可以将其应用于您的图像：

convert yourImage.jpg -normalize clut.png -clut result.png

请注意，我还使用了-normalize来尝试使图像符合我的假设，即图像中有纯黑色调和纯白高光

这项技术只是试图重新创建图像中不再存在的东西，这样它就不会一直工作。当然，如果你知道关于你的主题、灯光等的额外信息，你可以将其构建到LUT中 我没有试过，但似乎很有趣

他们提出了一种结合全局先验和局部图像特征的灰度图像自动着色的新技术

彩色化架构：

他们的模型由四个主要部分组成：低级特征网络、中级特征网络、全局特征网络和着色网络。所有组件都以端到端的方式紧密耦合和训练。我们模型的输出是图像的色度，该色度与亮度融合形成输出图像

这是样品 看一看 我没有试过，但似乎很有趣

他们提出了一种结合全局先验和局部图像特征的灰度图像自动着色的新技术

彩色化架构：

他们的模型由四个主要部分组成：低级特征网络、中级特征网络、全局特征网络和着色网络。所有组件都以端到端的方式紧密耦合和训练。我们模型的输出是图像的色度，该色度与亮度融合形成输出图像

这是样品

---

是否要使用参数CV_GRAY2BGR转换为3通道cvtColor？还是恢复原色？没错！图像曾经是彩色的，现在是灰色的。至少在某种程度上，可以做些什么来恢复颜色。是否要使用参数CV_GRAY2BGR转换为类似cvtColor的3通道？还是恢复原色？没错！图像曾经是彩色的，现在是灰色的。无论如何都可以恢复颜色，至少在某种程度上是这样。