计算机视觉基础（三）——彩色空间互转

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。