import cv2 import numpy as np import matplotlib.pyplot as plt # 1. 读取图像 (请把 'spectrum.jpg' 替换成你第一张图的文件名) img_path = r"C:\Users\peng0\Downloads\DownloadsIMG_0438(1).JPG" img = cv2.imread(img_path) if img is None: print("找不到图像,请检查路径!") else: # OpenCV 默认读取是 BGR 格式,转换为 RGB 用于显示 img_rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB) # 2. 转换到 HSV 色彩空间,并提取亮度 (Value) 通道 hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV) v_channel = hsv[:, :, 2] # 亮度通道,0-255 # 3. 提取光谱的垂直剖面 # 因为光带基本水平,我们选取图像中间的一列(或者中间几列求平均)作为剖面 height, width = v_channel.shape mid_col_start = int(width * 0.4) mid_col_end = int(width * 0.6) # 对中间这段区域按行求平均,得到一维的亮度分布 # 这样能减少单列像素的噪点影响 brightness_profile = np.mean( v_channel[:, mid_col_start:mid_col_end], axis=1) # 同时也把 RGB 三个通道的剖面提取出来 r_profile = np.mean(img_rgb[:, mid_col_start:mid_col_end, 0], axis=1) g_profile = np.mean(img_rgb[:, mid_col_start:mid_col_end, 1], axis=1) b_profile = np.mean(img_rgb[:, mid_col_start:mid_col_end, 2], axis=1) # 4. 绘图 plt.figure(figsize=(10, 6)) # 画总亮度曲线 plt.plot(brightness_profile, np.arange(height), label='Overall Brightness', color='black', linewidth=2) # 画出 RGB 三条通道的强度,展示不同颜色的分布 plt.plot(b_profile, np.arange(height), label='Blue Channel', color='blue', alpha=0.7) plt.plot(g_profile, np.arange(height), label='Green Channel', color='green', alpha=0.7) plt.plot(r_profile, np.arange(height), label='Red Channel', color='red', alpha=0.7) # 5. 图表设置 plt.gca().invert_yaxis() # 图像坐标系 y 轴是向下的,反转一下与图片对应 plt.title('Pseudo-Spectrum Analysis of the Captured Image') plt.xlabel('Pixel Intensity (0-255)') plt.ylabel('Vertical Position (Y-axis)') plt.legend() plt.grid(True, alpha=0.3) plt.show()