OpenCV 圖形API(54)顏色空間轉換-----將圖像從 RGB 色彩空間轉換到 HSV色彩空間RGB2HSV()

  • 操作系統:ubuntu22.04
  • OpenCV版本:OpenCV4.9
  • IDE:Visual Studio Code
  • 編程語言:C++11

算法描述

將圖像從 RGB 色彩空間轉換為 HSV。該函數將輸入圖像從 RGB 色彩空間轉換到 HSV。R、G 和 B 通道值的常規范圍是 0 到 255。
輸出圖像必須是 8 位無符號三通道圖像 CV_8UC3。

注意:
函數的文字 ID 是 “org.opencv.imgproc.colorconvert.rgb2hsv”

函數原型

GMat cv::gapi::RGB2HSV 
(const GMat &  	src
) 	

參數

  • 參數 src: 輸入圖像,8 位無符號三通道圖像 CV_8UC3

代碼示例

#include <opencv2/opencv.hpp>
#include <opencv2/gapi.hpp>
#include <opencv2/gapi/core.hpp> // 包含核心功能
#include <opencv2/gapi/imgproc.hpp> // 包含圖像處理功能int main() {// 讀取一個BGR圖像cv::Mat bgr_img = cv::imread("/media/dingxin/data/study/OpenCV/sources/images/Lenna.png");if (bgr_img.empty()) {std::cerr << "Error: Image not found!" << std::endl;return -1;}// 定義G-API圖cv::GMat src;auto hsv = cv::gapi::RGB2HSV(src); // 盡管名為RGB2HSV,實際上處理的是BGR輸入cv::GComputation comp(cv::GIn(src), cv::GOut(hsv));// 創建輸出矩陣cv::Mat out_hsv;// 應用計算圖并執行轉換,指定使用默認的CPU后端comp.apply(cv::gin(bgr_img), cv::gout(out_hsv),cv::compile_args(cv::gapi::kernels()));// 顯示原始圖像cv::imshow("Original BGR Image", bgr_img);// 將HSV圖像拆分為單獨的通道以便于顯示std::vector<cv::Mat> hsv_channels;cv::split(out_hsv, hsv_channels);// 顯示HSV圖像的不同通道(注意:這些顯示可能需要調整以更好地可視化)cv::imshow("Hue Channel", hsv_channels[0]);cv::imshow("Saturation Channel", hsv_channels[1]);cv::imshow("Value Channel", hsv_channels[2]);cv::waitKey(0);return 0;
}

運行結果

在這里插入圖片描述

本文來自互聯網用戶投稿,該文觀點僅代表作者本人,不代表本站立場。本站僅提供信息存儲空間服務,不擁有所有權,不承擔相關法律責任。
如若轉載,請注明出處:http://www.pswp.cn/web/77329.shtml
繁體地址,請注明出處:http://hk.pswp.cn/web/77329.shtml
英文地址,請注明出處:http://en.pswp.cn/web/77329.shtml

如若內容造成侵權/違法違規/事實不符,請聯系多彩編程網進行投訴反饋email:809451989@qq.com,一經查實,立即刪除!

相關文章

Spring Boot的優點:賦能現代Java開發的利器

Spring Boot 是基于 Spring 框架的快速開發框架&#xff0c;自 2014 年發布以來&#xff0c;憑借其簡潔性、靈活性和強大的生態系統&#xff0c;成為 Java 后端開發的首選工具。尤其在 2025 年&#xff0c;隨著微服務、云原生和 DevOps 的普及&#xff0c;Spring Boot 的優勢更…

基于強化學習的智能交通控制系統設計

標題:基于強化學習的智能交通控制系統設計 內容:1.摘要 隨著城市交通流量的不斷增長&#xff0c;傳統交通控制方法在應對復雜多變的交通狀況時逐漸顯現出局限性。本文旨在設計一種基于強化學習的智能交通控制系統&#xff0c;以提高交通運行效率、減少擁堵。通過構建強化學習模…

數據挖掘技術與應用課程論文——數據挖掘中的聚類分析方法及其應用研究

數據挖掘中的聚類分析方法及其應用研究 摘要 聚類分析是數據挖掘技術中的一個重要組成部分,它通過將數據集中的對象劃分為多個組或簇,使得同一簇內的對象具有較高的相似性,而不同簇之間的對象具有較低的相似性。 本文系統地研究了數據挖掘中的多種聚類分析方法及其應用。首先…

Java基礎語法10分鐘速成

Java基礎語法10分鐘速成&#xff0c;記筆記版 JDKhello world變量字符串 類&#xff0c;繼承&#xff0c;多態&#xff0c;重載 JDK JDK即Java development key&#xff0c;Java環境依賴包 在jdk中 編譯器javac將代碼的Java源文件編譯為字節碼文件&#xff08;.class&#xff…

在WSL2+Ubuntu22.04中通過conda pack導出一個conda環境包,然后嘗試導入該環境包

如何導出一個離線conda環境&#xff1f;有兩種方式&#xff0c;一種是導出env.yml即環境配置&#xff0c;一種是通過conda pack導出為一個環境包&#xff0c;前者只是導出配置&#xff08;包括包名、版本等&#xff09;&#xff0c;而后者是直接將環境中所有的內容打包&#xf…

盈達科技:登頂GEO優化全球制高點,以AICC定義AI時代內容智能優化新標桿

一、技術制高點——全球獨創AICC系統架構&#xff0c;構建AI內容優化新范式 作為全球首個實現AI內容全鏈路優化的技術供應商&#xff0c;盈達科技憑借AICC智能協同中心&#xff08;自適應內容改造、智能數據投喂、認知權重博弈、風險動態響應四大引擎&#xff09;&#…

設計看似完美卻測不過? Intra-Pair Skew 是「訊號完整性(Signal Integrity)」里最隱形的殺手

各位不知道有沒有遇過&#xff0c;一對很長的差分走線&#xff0c;看起來很正常&#xff0c;但是測試結果偶爾會fail偶爾會pass&#xff0c;不像是軟件問題&#xff0c;也不像是制程問題。 看了一下Layout&#xff0c;發現阻抗匹配控制的非常好&#xff0c;TDR測試也顯示阻抗好…

介紹常用的退燒與消炎藥

每年春夏交替之季&#xff0c;是感冒發燒、咳嗽、咽喉腫痛、支氣管炎、扁桃體炎的高發期。在家里或公司&#xff0c;常備幾種預防感冒發燒、咳嗽、流鼻涕、咽喉發炎的藥品&#xff0c;是非常必要的。下面介紹幾款效果非常明顯的中成藥、西藥&#xff0c;具體如下。 1 蓮芝消炎…

Redis為什么不直接使用C語言中的字符串?

因為C語言字符串存在問題&#xff1a; 獲取字符串長度需要進行運算(獲取字符串長度需要遍歷整個字符串&#xff0c;直到遇到終止符 \0&#xff0c;時間復雜度為 O(n))非二進制安全&#xff08;結束標識符\0可能在一些二進制格式的數據處理時字符串時產生錯誤&#xff09;不可修…

直線模組精度測試的標準是什么?

直線模組的精度測試是確保其性能和穩定性的重要環節。那么&#xff0c;大家知道直線模組精度測試的標準是什么嗎&#xff1f; 1、定位精度&#xff1a;以最大行程為基準長度&#xff0c;用從基準位置開始實際移動的距離與指令值之間的最大誤差的絕對值來表示。一般來說&#xf…

開源AI視頻FramePack發布:6GB顯卡本地運行

您現在可以在自己的筆記本電腦上免費生成完整的離線AI視頻。 只有GPU和純粹的創造力。 這到底是什么? 一個名為FramePack的新型離線AI視頻生成器幾天前在GitHub上發布 — 幾乎沒人在談論它。這很奇怪,因為這個工具真的很厲害。 它允許您從靜態圖像和提示詞在自己的機器上…

Tailwind CSS 實戰:基于 Kooboo 構建個人博客頁面

在現代 web 開發中&#xff0c;Tailwind CSS 作為一款實用優先的 CSS 框架&#xff0c;能讓開發者迅速搭建出具有良好視覺效果的頁面&#xff1b;Kooboo 則是一個強大的快速開發平臺&#xff0c;提供了便捷的頁面管理和數據處理功能。本文將詳細介紹如何結合 Tailwind CSS 和 K…

嵌入式面試核心考點:從 C 語言基礎到芯片資源深度剖析

嵌入式系統開發涉及知識面廣&#xff0c;面試題常涵蓋 C 語言基礎、Linux 操作、內存管理、通信協議等。本文針對常見面試題&#xff0c;逐題解析&#xff0c;助力新手系統掌握核心知識點。 1. 用預處理指令交換兩個參數的值 在 C 語言中&#xff0c;我們可以利用預處理指令 …

Java 程序運行和類路徑處理

PS D:\java_test> java .\java\Dog 錯誤: 找不到或無法加載主類 .\java\Dog 原因: java.lang.ClassNotFoundException: /\java\DogJava 程序運行和類路徑處理 問題描述 在運行 Java 程序時&#xff0c;可能會遇到 ClassNotFoundException 錯誤&#xff0c;這是因為 Java 虛…

測試OMS(訂單管理系統)時,對Elasticsearch(ES)數據和算法數據進行測試(如何測試幾百萬條數據)

1. 測試目標 在測試OMS中的ES數據和算法數據時&#xff0c;主要目標包括&#xff1a; 數據完整性 數據完整性&#xff1a;確保所有需要的數據都被正確采集、存儲和索引。 數據準確性&#xff1a;確保數據內容正確無誤&#xff0c;符合業務邏輯。 性能&#xff1a;確保系統在處…

19.【.NET 8 實戰--孢子記賬--從單體到微服務--轉向微服務】--單體轉微服務--當前項目拆分規劃

隨著業務規模的不斷擴大和系統復雜度的提升&#xff0c;孢子記賬系統需要進行微服務架構的轉型。本文將詳細規劃從單體應用向微服務架構遷移的具體方案&#xff0c;包括功能模塊分析、服務拆分、技術選型以及實施步驟等內容。通過合理的服務拆分和架構設計&#xff0c;未來我們…

Eigen稀疏矩陣類 (SparseMatrix)

1. SparseMatrix 核心屬性與初始化 模板參數 cpp SparseMatrix<Scalar, Options, StorageIndex> Scalar&#xff1a;數據類型&#xff08;如 double, float&#xff09;。 Options&#xff1a;存儲格式&#xff08;默認 ColMajor&#xff0c;可選 RowMajor&#xff0…

如何監控和分析MySQL數據庫的性能?

文章目錄 前言1.環境配置2. 使用 MySQL 自帶工具SHOW STATUS 命令SHOW PROCESSLIST 命令EXPLAIN 命令 3. 開啟慢查詢日志操作步驟 4. 使用第三方監控工具MySQL Enterprise MonitorPercona ToolkitNagiosZabbix 5. 分析系統資源使用情況工具及方法 前言 要監控和分析 MySQL 數據…

高中數學聯賽模擬試題精選第17套幾何題

在四邊形 A B C D ABCD ABCD 中, A B A D AB AD ABAD, B C ⊥ A B BC \perp AB BC⊥AB, ∠ D C B \angle DCB ∠DCB 的平分線與 A B AB AB 交于 E E E, 過點 A A A 且垂直于 C D CD CD 的直線與 D E DE DE 交于 F F F, M M M 是 B D BD BD 的中點. 求證: F M ∥…

ZYNQ筆記(十三):雙核 AMP 通信實驗

版本&#xff1a;Vivado2020.2&#xff08;Vitis&#xff09; ZYNQ 裸機雙核 AMP 實驗&#xff1a; CPU0 接收串口的數據&#xff0c;并寫入 OCM 中&#xff0c;然后利用軟件產生中斷觸發 CPU1&#xff1b;CPU1 接收到中斷后&#xff0c;根據從 OCM 中讀出的數據控制呼吸燈的頻…