图像彩色空间互转在图像处理中应用非常广泛,而且很多算法只对灰度图有效;另外,相比RGB,其他颜色空间(比如HSV、HSI)更具可分离性和可操作性,所以很多图像算法需要将图像从RGB转为其他颜色空间,所以图像彩色互转是十分重要和关键的。
1 算法理论介绍
1.1 RGB与灰度图互转
RGB(红绿蓝)是依据人眼识别的颜色定义出的空间,可表示大部分颜色。但在科学研究一般不采用RGB颜色空间,因为它的细节难以进行数字化的调整。它将色调,亮度,饱和度三个量放在一起表示,很难分开。它是最通用的面向硬件的彩色模型。该模型用于彩色监视器和一大类彩色视频摄像。
RGB颜色空间 基于颜色的加法混色原理,从黑色不断叠加Red,Green,Blue的颜色,最终可以得到白色,如图:
将R、G、B三个通道作为笛卡尔坐标系中的X、Y、Z轴,就得到了一种对于颜色的空间描述,如图:
对于彩色图转灰度图,有一个很著名的心理学公式:
Gray = R * 0.299 + G * 0.587 + B * 0.114
1.2 RGB与HSV互转
HSV是一种将RGB色彩空间中的点在倒圆锥体中的表示方法。HSV即色相(Hue)、饱和度(Saturation)、明度(Value),又称HSB(B即Brightness)。色相是色彩的基本属性,就是平常说的颜色的名称,如红色、黄色等。饱和度(S)是指色彩的纯度,越高色彩越纯,低则逐渐变灰,取0-100%的数值。明度(V),取0-max(计算机中HSV取值范围和存储的长度有关)。HSV颜色空间可以用一个圆锥空间模型来描述。圆锥的顶点处,V=0,H和S无定义,代表黑色。圆锥的顶面中心处V=max,S=0,H无定义,代表白色。
RGB颜色空间中,三种颜色分量的取值与所生成的颜色之间的联系并不直观。而HSV颜色空间,更类似于人类感觉颜色的方式,封装了关于颜色的信息:“这是什么颜色?深浅如何?明暗如何?
HSV模型
这个模型就是按色彩、深浅、明暗来描述的。
H是色彩;
S是深浅, S = 0时,只有灰度;
V是明暗,表示色彩的明亮程度,但与光强无直接联系。
应用:可以用于偏光矫正、去除阴影、图像分割等
RGB2HSV
HSV2RGB
2 基于OpenCV的实现
函数原型(c++)
void cvtColor(InputArray src, OutputArray dst, int code, int dstCn=0)
- src: 输入图像
- dst: 输出图像
- code: 颜色空间转换标识符
- OpenCV2的CV_前缀宏命名规范被OpenCV3中的COLOR_式的宏命名前缀取代
- 注意RGB色彩空间默认通道顺序为BGR
- 具体可以参考: enum cv::ColorConversionCode部分
- dstCn: 目标图像的通道数,该参数为0时,目标图像根据源图像的通道数和具体操作自动决定
2.1 实现示例(c++)
#include <opencv2/opencv.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <iostream>
// main
int main( int argc, char** argv )
{
// Load image
cv::Mat srcImage = cv::imread("1.jpg"), dstImage;
// RGB2GHSV
cv::cvtColor(srcImage, dstImage, cv::COLOR_BGR2hHSV);
imshow("Lab Space", dstImage);
//RGB2GRAY
cv::cvtColor(srcImage, dstImage, cv::COLOR_BGR2GRAY);
imshow("Gray Scale", dstImage);
cv::waitKey();
return 0;
}
2.2 实现示例(python)
import cv2
from matplotlib import pyplot as plt
#cv2读取图像是BGR顺序,plt显示按照RGB顺序,需要转换,不然导致色彩失真
if __name__ == "__main__":
img = cv2.imread("image/02.jpg",1)
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
#将图片转为灰度图
rgb2grey = cv2.cvtColor(img,cv2.COLOR_RGB2GRAY)
#RGB转为HSV空间
rgb2hsv = cv2.cvtColor(img,cv2.COLOR_RGB2HSV)
plt.rcParams['savefig.dpi'] = 600 #图片像素
plt.rcParams['figure.dpi'] = 600 #分辨率
plt.subplot(131)
plt.imshow(img)
plt.subplot(132)
plt.imshow(rgb2grey,cmap="gray")
plt.subplot(133)
plt.imshow(rgb2hsv)
参考资料
博客:
https://blog.csdn.net/weixin_40647819
opencv文档:https://docs.opencv.org/3.1.0/de/d25/imgproc_color_conversions.html
python版本:https://www.kancloud.cn/aollo/aolloopencv/263731
学习教程:
https://github.com/datawhalechina
关于Datawhale:
Datawhale是一个专注于数据科学与AI领域的开源组织,汇集了众多领域院校和知名企业的优秀学习者,聚合了一群有开源精神和探索精神的团队成员。Datawhale以“for the learner,和学习者一起成长”为愿景,鼓励真实地展现自我、开放包容、互信互助、敢于试错和勇于担当。同时Datawhale 用开源的理念去探索开源内容、开源学习和开源方案,赋能人才培养,助力人才成长,建立起人与人,人与知识,人与企业和人与未来的联结。
扫描二维码关注公众号,回复: 11156014 查看本文章