4️⃣ 顏色與影像轉換

🎯 為什麼需要顏色與影像轉換？

在電腦視覺應用中，影像的顏色格式是 關鍵因素，不同的顏色空間適用於不同的任務。

✅ 適用場景：

• 灰階轉換：適合邊緣偵測與影像處理
• RGB 與 BGR 轉換：用於 OpenCV 影像顯示與處理
• HSV 轉換：適用於顏色過濾與物件偵測

---

✅ 轉換為灰階影像（Grayscale）

我們可以使用 cv2.cvtColor() 來將彩色影像轉換為灰階影像。

import cv2

# 讀取影像
image = cv2.imread("image.jpg")

# 轉換為灰階影像
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

# 顯示影像
cv2.imshow("Grayscale Image", gray)
cv2.waitKey(0)
cv2.destroyAllWindows()

✅ 灰階影像可以降低計算成本，適合進行邊緣偵測與影像分析。

---

✅ RGB 與 BGR 轉換

在 OpenCV 中，影像是 BGR 格式，而非 RGB。

# 轉換為 RGB 格式
rgb_image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)

✅ 這在使用 Matplotlib 顯示影像時非常重要，因為 Matplotlib 預設使用 RGB 格式。

---

✅ HSV 顏色空間（Hue, Saturation, Value）

HSV 顏色空間適用於顏色篩選與物件偵測。

# 轉換為 HSV 格式
hsv_image = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)

✅ HSV 可以幫助我們分離顏色，常用於顏色篩選應用。

---

✅ 使用閾值處理（Thresholding）

閾值處理可將灰階影像轉換為黑白二值影像。

# 設定閾值
_, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)

cv2.imshow("Binary Image", binary)
cv2.waitKey(0)
cv2.destroyAllWindows()

✅ 這種方法適用於 OCR、物件偵測等應用。

---

📝 總結

功能	語法
轉換為灰階	cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
BGR 轉換為 RGB	cv2.cvtColor(image, cv2.COLOR_BGR2RGB)
BGR 轉換為 HSV	cv2.cvtColor(image, cv2.COLOR_BGR2HSV)
閾值處理	cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)

🚀 現在你已經學會如何處理顏色與影像轉換！接下來，我們將學習邊緣偵測與形態學操作！ 😊