如何将基于cv2的超快速颜色迁移Python算法改写为Julia语言实现

你需要的两个OpenCV功能在Julia生态中都有成熟替代方案，依赖Images、Colors、ImageCore三个常用图像处理包即可实现，安装方式为在Julia REPL中按]进入包管理模式后执行：
add Images Colors ImageCore

1. 替代cv2.cvtColor颜色空间转换 #

cv2.cvtColor的核心功能可通过Colors.jl的convert方法实现，常见转换的对应写法如下：

• 若你处理的是OpenCV默认返回的BGR格式数组，转RGB格式的写法：

  # img_bgr维度为(高, 宽, 3)，BGR通道顺序
  img_rgb = img_bgr[:, :, end:-1:1]
  

• RGB转LAB颜色空间（对应cv2.COLOR_RGB2LAB）：

  using Colors
  img_lab = convert.(Lab, img_rgb)
  

• 其他常用颜色空间转换同理，比如RGB转HSV写为convert.(HSV, img_rgb)，RGB转灰度图写为convert.(Gray, img_rgb)即可。

2. 替代cv2.split拆分图像通道 #

cv2.split将多通道图像拆分为独立单通道矩阵的功能，可通过ImageCore.jl的channelview方法实现：

using ImageCore

# 输入img为多通道图像，比如上一步得到的LAB图像
channels = channelview(img_lab)
# 输出channels维度为(通道数, 高度, 宽度)，按顺序取对应通道即可
l_channel = channels[1, :, :]
a_channel = channels[2, :, :]
b_channel = channels[3, :, :]

完成上述两步转换后，你就可以直接对应原Python版本的超快速颜色迁移算法逻辑，完成均值、标准差匹配的后续计算即可。

内容的提问来源于stack exchange，提问作者Thiago Alexandre