OpenCV-Python快速入门（四）：色彩空间

前言

• 本文是个人快速入门OpenCV-Python的电子笔记，由于水平有限，难免出现错漏，敬请批评改正。
• 更多精彩内容，可点击进入
  OpenCV-Python快速入门专栏或我的个人主页查看

前提条件

• 熟悉Python

实验环境

• Python 3.x （面向对象的高级语言）
• OpenCV 4.0（python第三方库）pip3 install opencv-python

色彩空间

• 色彩空间也称为颜色空间、彩色空间、颜色模型、彩色系统、彩色模型、色彩模型等。
• RGB 图像是一种比较常见的色彩空间类型。
• 比较常见的包括 GRAY 色彩空间（灰度图像）、XYZ 色彩空间、YCrCb 色彩空间、HSV 色彩空间、HLS色彩空间、CIEL*a*b*色彩空间、CIEL*u*v*色彩空间、Bayer 色彩空间、RGBA 色彩空间等。
• 每个色彩空间都有自己擅长的处理问题的领域，因此，为了更方便地处理某个具体问题，就要用到色彩空间类型转换。

GRAY色彩空间

• GRAY（灰度图像）通常指 8 位灰度图，其具有 256 个灰度级，像素值的范围是[0,255]。
• RGB 色彩空间转换为 GRAY 色彩空间的公式：$Gray=0.299\cdot R+0.587\cdot G+0.114\cdot B$

import cv2
img1=cv2.imread("1.jpg")
img1_resize=cv2.resize(img1,(400,400))
img_gray=cv2.cvtColor(img1_resize,cv2.COLOR_BGR2GRAY)
gray_img=cv2.cvtColor(img_gray,cv2.COLOR_GRAY2BGR)
cv2.imshow("origin",img1_resize)
cv2.imshow("cv2.COLOR_BGR2GRA",img_gray)
cv2.imshow("cv2.COLOR_GRAY2BGR",gray_img)
cv2.waitKey()
cv2.destroyAllWindows()

XYZ 色彩空间

• XYZ 色彩空间是由 CIE（International Commission on Illumination）定义的，是一种更便于计算的色彩空间，它可以与 RGB 色彩空间相互转换。
• RGB 色彩空间转换为 XYZ 色彩空间的公式：$$\left[\begin{array}{c}X\\ Y\\ Z\end{array}\right]=\left[\begin{array}{ccc}0.412453& 0.357580& 0.180423\\ 0.212671& 0.715160& 0.072169\\ 0.019334& 0.119193& 0.950227\end{array}\right]\left[\begin{array}{c}R\\ G\\ B\end{array}\right]$$
• XYZ 色彩空间转换为 RGB 色彩空间的公式：$$\left[\begin{array}{c}R\\ G\\ B\end{array}\right]=\left[\begin{array}{ccc}3.240479& -1.53715& -0.498535\\ -0.9692561& 1.875991& 0.041556\\ 0.055648& -0.204043& 1.057311\end{array}\right]\left[\begin{array}{c}X\\ Y\\ Z\end{array}\right]$$

import cv2
img1=cv2.imread("1.jpg")
img1_resize=cv2.resize(img1,(400,400))
XYZ = cv2.cvtColor(img1_resize, cv2.COLOR_BGR2XYZ)
cv2.imshow("origin",img1_resize)
cv2.imshow("cv2.COLOR_BGR2XYZ",XYZ)
cv2.waitKey()
cv2.destroyAllWindows()

YCrCb色彩空间

• 人眼视觉系统（HVS，Human Visual System）对颜色的敏感度要低于对亮度的敏感度。
• 在传统的 RGB 色彩空间内，RGB 三原色具有相同的重要性，但是忽略了亮度信息。
• 在 YCrCb 色彩空间中，Y 代表光源的亮度，色度信息保存在 Cr 和 Cb 中，其中，Cr 表示红色分量信息，Cb 表示蓝色分量信息。
• 亮度给出了颜色亮或暗的程度信息，该信息可以通过照明中强度成分的加权和来计算。在RGB 光源中，绿色分量的影响最大，蓝色分量的影响最小。
• RGB 色彩空间转换到 YCrCb 色彩空间的公式：$$Y=0.299\cdot R+0.587\cdot G+0.114\cdot B$$$$Cr=(R-Y)\times 0.713+\delta$$$$Cb=(B-Y)\times 0.564+\delta$$其中，$$\delta =\{\begin{array}{l}128，8位图像\\ 32768，16位图像\\ 0.5，单精度图像\end{array}$$
• YCrCb 色彩空间转换到 RGB 色彩空间的公式：
  $$R=Y+1.403\cdot (Cr-\delta )$$$$G=Y-0.714\cdot (Cr-\delta )-0.344\cdot (Cb-\delta )$$$$B=Y+1.773\cdot (Cb-\delta )$$
  其中，$\delta$同上

import cv2
img1=cv2.imread("1.jpg")
img1_resize=cv2.resize(img1,(400,400))
YCrCb = cv2.cvtColor(img1_resize, cv2.COLOR_BGR2YCrCb)
cv2.imshow("origin",img1_resize)
cv2.imshow("cv2.COLOR_BGR2YCrCb",YCrCb)
cv2.waitKey()
cv2.destroyAllWindows()

HSV色彩空间

• RGB 是从硬件的角度提出的颜色模型，在与人眼匹配的过程中可能存在一定的差异
• HSV色彩空间是一种面向视觉感知的颜色模型。HSV 色彩空间从心理学和视觉的角度出发，指出人眼的色彩知觉主要包含三要素：色调（Hue，也称为色相）、饱和度（Saturation）、亮度（Value），色调指光的颜色，饱和度是指色彩的深浅程度，亮度指人眼感受到的光的明暗程度。
  • 色调：色调与混合光谱中的主要光波长相关，例如“赤橙黄绿青蓝紫”分别表示不同的色调。如果从波长的角度考虑，不同波长的光表现为不同的颜色，实际上它们体现的是色调的差异。
  • 饱和度：指相对纯净度，或一种颜色混合白光的数量。纯谱色是全饱和的，像深红色（红加白）和淡紫色（紫加白）这样的彩色是欠饱和的，饱和度与所加白光的数量成反比。
  • 亮度：反映的是人眼感受到的光的明暗程度，该指标与物体的反射度有关。对于色彩来讲，如果在其中掺入的白色越多，则其亮度越高；如果在其中掺入的黑色越多，则其亮度越低。
• 在具体实现上，我们将物理空间的颜色分布在圆周上，不同的角度代表不同的颜色。因此，通过调整色调值就能选取不同的颜色，色调的取值区间为[0,360]。色调取不同值时，所代表的颜色如表所示，两个角度之间的角度对应两个颜色之间的过渡色。

色调值（度）	颜色
0	红色
60	黄色
120	绿色
180	青色
240	蓝色
300	品红色

• 饱和度为一比例值，范围是[0, 1]，具体为所选颜色的纯度值和该颜色最大纯度值之间的比值。饱和度的值为 0时，只有灰度。亮度表示色彩的明亮程度，取值范围也是[0, 1]。
• 在 HSV 色彩模型中，取色变得更加直观。例如，取值“色调=0，饱和度=1，亮度=1”，则当前色彩为深红色，而且颜色较亮；取值“色调=120，饱和度=0.3，亮度=0.4”，则当前色彩为浅绿色，而且颜色较暗。
• 从 RGB 色彩空间转换到 HSV 色彩空间之前，需要先将 RGB 色彩空间的值转换到[0, 1]之间，然后再进行处理。具体处理方法：
  $$V=max(R,G,B)$$$$S=\{\begin{array}{l}V-min(R,G,B),V\ne 0\\ 0,else\end{array}$$$$H=\{\begin{array}{l}\frac{60(G-B)}{V-min(R,G,B)},V=R\\ 120+\frac{60(B-R)}{V-min(R,G,B)},V=G\\ 240+\frac{60(R-G)}{V-min(R,G,B)},V=B\end{array}$$
• 由于可能存在 H<0 的情况，如果出现这种情况，则需要对 H 进行进一步计算：$$H=\{\begin{array}{l}H+360,H<0\\ H,else\end{array}$$其中，$S\in [0,1],V\in [0,1],H\in [0,360]$

import cv2
img1=cv2.imread("1.jpg")
img1_resize=cv2.resize(img1,(400,400))
HSV = cv2.cvtColor(img1_resize, cv2.COLOR_BGR2HSV)
cv2.imshow("origin",img1_resize)
cv2.imshow("cv2.COLOR_BGR2HSV",HSV)
cv2.waitKey()
cv2.destroyAllWindows()

HLS色彩空间

• HLS 色彩空间包含的三要素是色调 H（Hue）、光亮度/明度 L（Lightness）、饱和度 S（Saturation）。
• 与 HSV 色彩空间类似，只是 HLS 色彩空间用“光亮度/明度 L（lightness）”替换了“亮度（Value）”。
  • 色调：表示人眼所能感知的颜色，在 HLS 模型中，所有的颜色分布在一个平面的色调环上，整个色调环为 360 度的圆心角，不同的角度代表不同的颜色。
  • 光亮度/明度：用来控制色彩的明暗变化，它的取值范围也是[0, 1]。我们通过光亮度/明度的大小来衡量有多少光线从物体表面反射出来。光亮度/明度对于眼睛感知颜色很重要，因为当一个具有色彩的物体处于光线太强或者光线太暗的地方时，眼睛是无法准确感知物体颜色的。
  • 饱和度：使用[0, 1]的值描述相同色调、相同光亮度/明度下的色彩纯度变化。饱和度的值越大，表示颜色的纯度越高，颜色越鲜艳；反之，饱和度的值越小，色彩的纯度越低，颜色越暗沉。通常用该属性表示颜色的深浅，比如深绿色、浅绿色。

import cv2
img1=cv2.imread("1.jpg")
img1_resize=cv2.resize(img1,(400,400))
HLS = cv2.cvtColor(img1_resize, cv2.COLOR_BGR2HLS)
cv2.imshow("origin",img1_resize)
cv2.imshow("cv2.COLOR_BGR2HLS",HLS)
cv2.waitKey()
cv2.destroyAllWindows()

CIEL*a*b*色彩空间

• CIEL*a*b*色彩空间是均匀色彩空间模型，它是面向视觉感知的颜色模型。从视觉感知均匀的角度来讲，人所感知到的两种颜色的区别程度，应该与这两种颜色在色彩空间中的距离成正比。
• 在某个色彩空间中，如果人所观察到的两种颜色的区别程度，与这两种颜色在该色彩空间中对应的点之间的欧式距离成正比，则称该色彩空间为均匀色彩空间。
• CIEL*a*b*色彩空间中的 L*分量用于表示像素的亮度，取值范围是[0,100]，表示从纯黑到纯白；a*分量表示从红色到绿色的范围，取值范围是[-127,127]；b*分量表示从黄色到蓝色的范围，取值范围是[-127,127]。
• 在从 RGB 色彩空间转换到 CIEL*a*b*色彩空间之前，需要先将 RGB 色彩空间的值转换到[0, 1]之间，然后再进行处理。
• 由于CIEL*a*b*色彩空间是在CIE的XYZ色彩空间的基础上发展起来的，在具体处理时，需要先将 RGB 转换为 XYZ 色彩空间，再将其转换到 CIEL*a*b*色彩空间。具体实现方法为：$$\left[\begin{array}{c}X\\ Y\\ Z\end{array}\right]=\left[\begin{array}{ccc}0.412453& 0.357580& 0.180423\\ 0.212671& 0.715160& 0.072169\\ 0.019334& 0.119193& 0.950227\end{array}\right]\left[\begin{array}{c}R\\ G\\ B\end{array}\right]$$$$X=\frac{X}{X_n},X_n=0.950456$$$$Y=\frac{Z}{Z_n},Z_n=1.088754$$$$L=\{\begin{array}{l}116\cdot Y^{\frac{1}{3}}-16,Y>0.008856\\ 903.3\cdot Y,else\end{array}$$$$a=500\cdot f(X)-f(Y)+\delta$$$$b=200\cdot f(Y)-f(Z)+\delta$$其中，$$f(t)=\{\begin{array}{l}{t}^{\frac{1}{3}},t>0.008856\\ 7.787t+\frac{16}{},else\end{array}$$$$\delta =\{\begin{array}{l}128，8位图像\\ 0,单精度图像\end{array}$$取值范围：$L\in [0,100]，a\in [-127,127]，b\in [-127,127]$

import cv2
img1=cv2.imread("1.jpg")
img1_resize=cv2.resize(img1,(400,400))
Lab = cv2.cvtColor(img1_resize, cv2.COLOR_BGR2Lab)
cv2.imshow("origin",img1_resize)
cv2.imshow("cv2.COLOR_BGR2Lab",Lab)
cv2.waitKey()
cv2.destroyAllWindows()

CIEL*u*v*色彩空间

• CIEL*u*v*色彩空间同 CIEL*a*b*色彩空间一样，都是均匀的颜色模型。CIEL*u*v*色彩空间与设备无关，适用于显示器显示和根据加色原理进行组合的场合，该模型中比较强调对红色的表示，即对红色的变化比较敏感，但对蓝色的变化不太敏感。
• RGB 色彩空间转换到 CIEL*u*v*色彩空间的公式：
  • 先从 RGB 色彩空间到 XYZ 色彩空间的转换：
    $$\left[\begin{array}{c}X\\ Y\\ Z\end{array}\right]=\left[\begin{array}{ccc}0.412453& 0.357580& 0.180423\\ 0.212671& 0.715160& 0.072169\\ 0.019334& 0.119193& 0.950227\end{array}\right]\left[\begin{array}{c}R\\ G\\ B\end{array}\right]$$
  • 再从 XYZ 色彩空间到 CIELuv*色彩空间的转换：
    $$L=\{\begin{array}{l}116\cdot Y^{\frac{1}{3}}-16,Y>0.008856\\ 903.3\cdot Y,else\end{array}$$$$u^{\prime }=\frac{4X}{X+15Y+3Z}$$$$v^{\prime }=\frac{9Y}{X+15Y+3Z}$$$$u=13\cdot L\cdot (u^{\prime }-u_n)，u_n=0.19793943$$$$v=13\cdot L\cdot (v^{\prime }-v_n)，v_n=0.46831096$$其中，$L\in [0,100]，u\in [-134,220]，v\in [-140,122]$

import cv2
img1=cv2.imread("1.jpg")
img1_resize=cv2.resize(img1,(400,400))
Luv = cv2.cvtColor(img1_resize, cv2.COLOR_BGR2Luv)
cv2.imshow("origin",img1_resize)
cv2.imshow("cv2.COLOR_BGR2Luv",Luv)
cv2.waitKey()
cv2.destroyAllWindows()

Bayer色彩空间

• Bayer 色彩空间（Bayer 模型）被广泛地应用在 CCD 和 CMOS 相机中。它能够从单平面 R、G、B 交错表内获取彩色图像。
  
• 输出的 RGB 图像的像素点值，是根据当前点的 1 个、2 个或 4 个邻域像素点的相同颜色的像素值获得的。上述模式能够通过移动一个左边的像素或者上方的像素来完成修改。在函数cv2.cvtColor()的色彩空间转换参数中，通常使用两个特定的参数 x 和 y 来表示特定的模式。该模式组成通过上图第二行中的第 2 列与第 3 列的值来指定。
• 可能到这里，有人还是不太明白Bayer色彩空间的原理，在此先略过，后续想到更通俗易懂的解释，再举例说明。

RGBA 色彩空间

• 在 RGB 色彩空间三个通道的基础上，还可以加上一个 A 通道，也叫 alpha 通道，表示透明度。
• 这种 4 个通道的色彩空间被称为 RGBA 色彩空间，PNG 图像是一种典型的 4 通道图像。
• alpha 通道的赋值范围是[0, 1]，或者[0, 255]，表示从透明到不透明。

import cv2
img1=cv2.imread("1.jpg")
img1_resize=cv2.resize(img1,(400,400))
bgra = cv2.cvtColor(img1_resize, cv2.COLOR_BGR2BGRA)
print('img1_resize.shape:',img1_resize.shape)
print('bgra.shape:',bgra.shape)
cv2.imshow("origin",img1_resize)
cv2.imshow("cv2.COLOR_BGR2BGRA",bgra)
cv2.waitKey()
cv2.destroyAllWindows()

参考文献

[1] https://opencv.org/
[2] 李立宗. Open CV轻松入门：面向Python. 北京： 电子工业出版社，2019

• 更多精彩内容，可点击进入
  OpenCV-Python快速入门专栏或我的个人主页查看