计算机视觉 / 系统课时
转换 RGB 与 BGR
转换 RGB 与 BGR
OpenCV 默认把三通道彩色图像按 BGR 顺序处理,而不少绘图库和深度学习工具习惯使用 RGB。只要明确“当前数组是什么顺序、目标接口要求什么顺序”,就能避免颜色整体偏蓝、偏红这类常见问题。
学习目标
- 说清 RGB 与 BGR 的差异发生在通道顺序,而不是颜色模型本身
- 使用
cv2.cvtColor在 BGR 与 RGB 之间安全转换 - 通过像素值验证转换结果,避免重复转换
为什么会出现颜色错位
RGB 与 BGR 都用三个通道表示红、绿、蓝,区别只是排列顺序。RGB 的一个像素写成 [R, G, B],而 OpenCV 常见的 BGR 像素写成 [B, G, R]。如果把 OpenCV 读取到的数组直接交给按 RGB 解释的库,红蓝两个通道就会互换。
| 场景 | 常见通道顺序 |
|---|---|
cv2.imread 读取的彩色图像 |
BGR |
cv2.imshow 显示的三通道图像 |
BGR |
Matplotlib imshow |
RGB |
| Pillow 的普通 RGB 图像 | RGB |
正确转换通道顺序
推荐使用 cv2.cvtColor,这样代码意图清晰,也不会依赖手写切片的细节。下面用一个只有一个像素的图像验证转换:BGR 中该像素为 [10, 20, 30],转换后 RGB 应为 [30, 20, 10]。
import cv2
import numpy as np
bgr = np.array([[[10, 20, 30]]], dtype=np.uint8)
rgb = cv2.cvtColor(bgr, cv2.COLOR_BGR2RGB)
print("BGR:", bgr[0, 0].tolist())
print("RGB:", rgb[0, 0].tolist())预期输出
BGR: [10, 20, 30]
RGB: [30, 20, 10]反向转换使用 cv2.COLOR_RGB2BGR。对于三通道 8 位图像,两次互逆转换会恢复原始通道顺序;像素数值本身不会因为这次转换发生色彩计算,只是位置被交换。
在库之间传递图像
从 OpenCV 交给 Matplotlib 显示时,通常先执行 BGR→RGB;从 Pillow、Matplotlib 或某些模型输出拿到 RGB 数组,再交给依赖 BGR 的 OpenCV 流程时,则做 RGB→BGR。关键不是记住某个库“永远是什么”,而是确认当前接口文档对数组通道的约定。
如果只是临时查看数组,也可以用 image[:, :, ::-1] 交换首尾通道,但 cv2.cvtColor 更适合正式代码:名称直接表达转换方向,后续维护时更不容易把四通道 BGRA、RGBA 等情况混在一起。
验证与边界
判断转换是否正确,最可靠的方法是检查已知颜色或固定像素。例如纯红色在 RGB 中是 [255, 0, 0],在 BGR 中应是 [0, 0, 255]。若图像带 Alpha 通道,则应使用 COLOR_BGRA2RGBA 等匹配的转换代码,而不是把四通道数组当成普通三通道处理。
把“来源通道顺序”和“目标接口通道顺序”作为每次图像传递的检查项,就能避免多数 RGB/BGR 错色问题。