小编这次要给大家分享的是如何实现opencv-python的RGB与BGR的互转，文章内容丰富，感兴趣的小伙伴可以来了解一下，希望大家阅读完这篇文章之后能够有所收获。
一、格式转换
opencv读取图片的默认像素排列是BGR，需要转换。PIL库是RGB格式。
caffe底层的图像处理是基于opencv，其使用的颜色通道顺序与也是BGR(Blue-Green-Red)，而日常图片存储时颜色通道顺序是RGB。
在Python中，将RGB顺序的图像转成BGR顺序，需要调整channel dimension的各颜色通道顺序。
方法1：
img = cv2.imread("001.jpg")
img_ = img[:,:,::-1].transpose((2,0,1))
① 在opencv里，图格式HWC，其余都是CHW，故transpose((2,0,1))
② img[:,:,::-1]对应H、W、C，彩图是3通道，即C是3层。opencv里对应BGR，故通过C通道的 ::-1 就是把BGR转为RGB
注： [::-1] 代表顺序相反操作
③ 若不涉及C通道的BGR转RGB，如Img[:,:,0]代表B通道，也就是蓝色分量图像；Img[:,:,1]代表G通道，也就是绿色分量图像；Img[:,:,2]代表R通道，也就是红色分量图像。
方法2：
使用opencv自带函数转换图像的R通道和B通道。
RGB -> BGR
img_bgr = cv2.cvtColor(img_rgb, cv2.COLOR_RGB2BGR)
BGR->RGB
img_rgb = cv2.cvtColor(img_bgr, cv2.COLOR_BGR2RGB)
方法3：
BRG转RGB
rgb = bgr[...,::-1]
RGB转BGR
bgr = rgb[...,::-1]
RGB转GBR
gbr = rgb[...,[2,0,1]]
二、其他
添加Batch项一般是caffe2图像预处理的最后一步，在经过RGB->BGR，图像增强以及HWC->CHW后，还需要在CHW前添加一个第四维N以记录图像样本数量（即batchsize），所以输入caffe的图像格式为(N,C,H,W)，其中颜色通道C的顺序是BGR。
但是对于TensorFlow这个顺序有差别。TensorFlow有两种数据格式NHWC和NCHW，默认的数据格式是NHWC，可以通过参数data_format指定数据格式。设置为 “NHWC” 时，排列顺序为 [batch, height, width, channels]；设置为 “NCHW” 时，排列顺序为 [batch, channels, height, width]。
两种数据格式的转换：
NHWC –> NCHW：
import tensorflow as tf x = tf.reshape(tf.range(24), [1, 3, 4, 2]) out = tf.transpose(x, [0, 3, 1, 2])
另外有需要云服务器可以了解下创新互联scvps.cn，海内外云服务器15元起步，三天无理由+7*72小时售后在线，公司持有idc许可证，提供“云服务器、裸金属服务器、高防服务器、香港服务器、美国服务器、虚拟主机、免备案服务器”等云主机租用服务以及企业上云的综合解决方案，具有“安全稳定、简单易用、服务可用性高、性价比高”等特点与优势，专为企业上云打造定制，能够满足用户丰富、多元化的应用场景需求。
