2024年最新OpenCV4机器学习（三）：颜色空间（RGB，大数据开发面试基础问题

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上大数据知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

需要这份系统化资料的朋友，可以戳这里获取

• 亮度L，反映光线强度；取值0~100；
• 颜色通道a，a包括的颜色是从深绿色（低亮度值）到灰色（中亮度值）再到亮粉红色（高亮度值）；取值-128~127；
• 颜色通道b，是从亮蓝色（低亮度值）到灰色（中亮度值）再到黄色（高亮度值）；取值-128~127。

这样规定是根据人类的视觉原理，灵长类动物的视觉都有两条通道：红绿通道和蓝黄通道，大多数动物最多只有一条通道，如果有人缺失其中一条，就是我们所说的色盲。

Lab模式对于PS极为重要，它是PS从一种颜色模式转换到另一种颜色模式的内部转化方式，PS从一种颜色模式转换到另一种颜色模式时，总是先转换到Lab模式。Lab色域是所有颜色模式中最宽广的，它囊括了RGB和CMYK的色域。

七、灰度颜色空间

很多类型的图像都没有色彩信息，只有亮度信息，通常使用灰度图表示，例如红外图像。灰度空间也是视觉机器学习任务中最基本的颜色空间。RGB空间转换为灰度空间的公式如下：

Y

=

0.299

×

R

0.587

×

G

0.114

×

B

Y = 0.299 \times R + 0.587 \times G + 0.114 \times B

Y=0.299×R+0.587×G+0.114×B

灰度空间转换为RGB空间的公式如下：

R

=

Y

,

G

=

Y

,

B

=

Y

R=Y, G=Y, B=Y

R=Y,G=Y,B=Y

八、颜色空间转换实战

cvtColor函数将输入的源图从某个颜色空间转换至另一个颜色空间。OpenCV的默认颜色空间为BGR，因此对于一个标准的3字节彩色图，第一个字节为8bit蓝色分量，第二个字节是8bit绿色分量，第三个字节是8bit红色分量。

cvtColor函数定义如下：

void cv::cvtColor(InputArray src, OutputArray dst, int code, int dstCn = 0)

各参数含义：

• src：输入图像，可以是8位无符号整型（CV_8U）、16位无符号整型（CV_16U）或单精度浮点型数据
• dst：输出图像，与输入图像的类型、大小和位深度均相等
• code：颜色空间转换码，指定颜色空间转换的类型
• dstCn：目标图像的通道数。当dstCn=0时，通道数将根据code与源图通道数自动确定

指定颜色空间转换的类型，将原图转换到不同的颜色空间，代码如下所示：

#include <iostream>
#include<opencv.hpp>

using namespace std;
using namespace cv;

int main()
{
	Mat img = imread("D:\\VSProject\\OpenCV4\\chap02\\lena.jpg", 1);
	imshow("Original", img);
	//imwrite("Original", img);

	Mat img_gray,  img_hsv, img_hsl, img_lab, img_rgb;
	cvtColor(img, img_rgb, COLOR_BGR2RGB);   //BGR转RGB
	cvtColor(img, img_gray, COLOR_BGR2GRAY); //BGR转灰度图
	cvtColor(img, img_hsv, COLOR_BGR2HSV);   //BGR转HSV
	cvtColor(img, img_lab, COLOR_BGR2Lab);   //BGR转Lab
	cvtColor(img, img_hsl, COLOR_BGR2HLS);   //BGR转HSL

	imshow("rgb", img_rgb);
	imshow("gray", img_gray);
	imshow("hsv", img_hsv);
	imshow("lab", img_lab);
	imshow("hsl", img_hsl);

	waitKey(0);
	return 0;
}

原图、RGB三通道图、灰度图如下所示：

HSV、HSL、Lab颜色空间下的图如下所示：

---

本专栏所有完整的代码将在我的GitHub仓库上更新，欢迎大家前往学习：

• https://github.com/Keyird/OpenCV4-Machine-Learning

进入GitHub仓库，点击 star (红色箭头所示)，第一时间获取干货：

最好的关系是互相成就，各位的「三连」就是【AI 菌】创作的最大动力，我们下期见！

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上大数据知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

需要这份系统化资料的朋友，可以戳这里获取

7-1715650500980)]

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上大数据知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

需要这份系统化资料的朋友，可以戳这里获取