计算机视觉 / 系统课时

理解 BGR 与 RGB

理解 BGR 与 RGB

OpenCV 读入彩色图像时默认按 B、G、R 排列通道,而很多显示与图像库按 R、G、B 解释数据。本课通过真实像素值和转换代码说明两者差异,并给出跨库传递图像时避免红蓝互换的检查方法。

学习目标

  • 说明 BGR 与 RGB 的通道顺序差异,并能根据像素值判断实际颜色。
  • 使用 cv2.cvtColor 在 BGR 与 RGB 之间正确转换。
  • 在 OpenCV 与 Matplotlib 等工具之间传图时识别并修复颜色异常。

同一个像素只改变通道解释顺序

三通道 uint8 图像中的每个像素通常包含 3 个 0~255 的数值。OpenCV 把 [255, 0, 0] 按 BGR 解释为纯蓝,而 RGB 规则会把同一组数值解释为纯红,图像尺寸和数值本身都没有变化。

数组值 按 BGR 解释 按 RGB 解释
[255, 0, 0] 蓝色 红色
[0, 255, 0] 绿色 绿色
[0, 0, 255] 红色 蓝色

cv2.imread 默认返回 BGR,因此一张正常读入的红色区域,其像素会接近 [0, 0, 255]。排查颜色问题时,先抽查一个已知颜色像素,比反复修改显示参数更快。

用 cvtColor 明确转换通道顺序

cv2.cvtColor 会按指定转换规则重新排列通道。下面构造两个像素:第一个在 BGR 中是蓝色,第二个在 BGR 中是红色,然后转换为 RGB 并打印结果。

python
import cv2
import numpy as np

bgr = np.array([[[255, 0, 0], [0, 0, 255]]], dtype=np.uint8)
rgb = cv2.cvtColor(bgr, cv2.COLOR_BGR2RGB)

print("BGR:", bgr.tolist())
print("RGB:", rgb.tolist())

预期输出

text
BGR: [[[255, 0, 0], [0, 0, 255]]]
RGB: [[[0, 0, 255], [255, 0, 0]]]

转换后,每个像素的第 1 与第 3 个分量互换。反向转换使用 cv2.COLOR_RGB2BGR;不要仅凭变量名判断颜色空间,真实项目里最好在读取、模型输入和显示边界处明确转换。

在不同图像库之间传递数据

OpenCV 的 cv2.imshow、cv2.imwrite 以及默认 cv2.imread 都以 BGR 数据工作;Matplotlib 的 imshow 通常按 RGB 显示。把 OpenCV 图像直接交给 Matplotlib 时,典型现象就是红色和蓝色互换。

实际项目可采用固定边界:文件读入后内部统一保留 BGR,需要交给 RGB 接口时执行 cv2.cvtColor(image, cv2.COLOR_BGR2RGB),从 RGB 接口取回后再转换。这样比在多处临时交换通道更容易检查。

不要把通道倒序当成通用颜色转换

三通道数组写成 image[:, :, ::-1] 确实能把 BGR 顺序倒成 RGB,但它只是数组切片,不表达颜色转换语义,而且可能产生带负步长的视图。后续库要求连续内存时,还可能出现兼容问题。

对于明确的 BGR 与 RGB 转换,优先使用 cv2.cvtColor。验证时可准备一个纯红测试像素:BGR 输入应为 [0, 0, 255],转换后的 RGB 必须是 [255, 0, 0];这项检查能快速定位大多数红蓝颠倒问题。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

理解 BGR 与 RGB

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通