OpenCV Python-替换图像中的通道

我现在在x轴和y轴上使用Sobel过滤器，并计算出一个角度。输出图像是HSV颜色空间中两个方向的加权平均值

我试图用计算的角度（范围[0，pi]中的1d列表）替换H通道，然后如果H为非零，则将S和V通道设置为255

我用来计算角度的代码是：

 Sx = cv2.Sobel(gray, -1, 1, 0, ksize=3)
 Sy = cv2.Sobel(gray, -1, 0, 1, ksize=3)
 theta = np.arctan2(Sy, Sx)

以及交换频道：

color[:,:,0] = np.rad2deg(theta)
color[color[:, :, 0] > 0, 1] = 255
color[color[:, :, 0] > 0, 2] = 255

在交换频道之前，我有： 但在交换之后，我得到：

我预期的结果类似于：

---

如果输入图像是带有黑色圆圈的白色背景

则存在与颜色空间（HSV和BGR、阵列数据类型和范围）相关的两个问题。在很大程度上，OpenCV希望用户注意这些事情

您将numpy数组视为在HSV颜色空间中，但

cv2.imshow

将图像解释为BGR。

color

数组需要显式转换为BGR，如下所示：

cv2.imshow（“image”，cv2.cvtColor（color，cv2.color_HSV2BGR））

如果

gray

是uint8图像，则Sx/Sy将仅包含非负值。这基本上将所有负导数都设为零，这是错误的。建议将Sobel ddepth参数更改为CV_32F（以确保输出为浮点）：

Sx=cv2.Sobel（灰色，cv2.CV_32F，1，0，ksize=3）

（类似地，对于

Sy

）。或者您可以明确地确保

gray.dtype

是

np.float32

np.rad2deg

的输出（理论上）在[0360]范围内，但表示图像的numpy数组的值应在[0255]范围内。以下是一种处理这种情况的可能方法：

θ=np.arctan2（Sy，Sx） #不是将[-pi，pi]范围转换为度，而是线性转换 #使用cv2.normalize将数组设置为[0255]范围。 色调值=cv2.规格化（θ，dst=无，α=255.0，标准类型=cv2.标准最小值） #选择非零值作为掩码。 掩码=np.逻辑或（θ>0.01，θ<-0.01） 颜色[：，：，0]=色调值 颜色[遮罩，1]=255 颜色[遮罩，2]=255

---

有两个与颜色空间相关的问题（HSV和BGR、阵列数据类型和范围）。在很大程度上，OpenCV希望用户注意这些事情

您将numpy数组视为在HSV颜色空间中，但

cv2.imshow

将图像解释为BGR。

color

数组需要显式转换为BGR，如下所示：

cv2.imshow（“image”，cv2.cvtColor（color，cv2.color_HSV2BGR））

如果

gray

是uint8图像，则Sx/Sy将仅包含非负值。这基本上将所有负导数都设为零，这是错误的。建议将Sobel ddepth参数更改为CV_32F（以确保输出为浮点）：

Sx=cv2.Sobel（灰色，cv2.CV_32F，1，0，ksize=3）

（类似地，对于

Sy

）。或者您可以明确地确保

gray.dtype

是

np.float32

np.rad2deg

的输出（理论上）在[0360]范围内，但表示图像的numpy数组的值应在[0255]范围内。以下是一种处理这种情况的可能方法：

θ=np.arctan2（Sy，Sx） #不是将[-pi，pi]范围转换为度，而是线性转换 #使用cv2.normalize将数组设置为[0255]范围。 色调值=cv2.规格化（θ，dst=无，α=255.0，标准类型=cv2.标准最小值） #选择非零值作为掩码。 掩码=np.逻辑或（θ>0.01，θ<-0.01） 颜色[：，：，0]=色调值 颜色[遮罩，1]=255 颜色[遮罩，2]=255

---

尝试将以下内容的输出添加到您的问题

color.dtype

，

np.min（color[…，0]）

，

np.max（color[…，0]）

尝试将以下内容的输出添加到您的问题

color.dtype

，

np min（color[…，0]），
np max（color[…，0]）
theta = np.arctan2(Sy, Sx)
# Instead of converting [-pi, pi] range to degrees, linearly convert
# the array to [0, 255] range using cv2.normalize.
hue_value = cv2.normalize(theta, dst=None, alpha=255.0, norm_type=cv2.NORM_MINMAX)
# Select nonzero values as a mask.
mask = np.logical_or(theta > 0.01, theta < -0.01)
color[:,:,0] = hue_value
color[mask, 1] = 255
color[mask, 2] = 255