照明与图像_灰度摄像头和rgb摄像头哪一个受环境影响小-CSDN博客

本文链接：https://blog.csdn.net/chupengfei_hust/article/details/104407751

光通量：

人眼所能感受到的辐射功率，等于单位时间内某一波段的辐射能量和该波段的相对视见率的乘积。
单位是lm(流明)
1流明 = 0.00146瓦

辐照度

投射到一平表面上的辐射通量密度。指到达一表面上，单位时间，单位面积上的辐射能。
以符号E表示，常用单位lux(勒克斯)
1 lux = 1 lm/m²

图像传感器基本原理：

在这里插入图片描述
感光面中每一个小格对应图片的一个像素。

对于彩色图像传感器，相比灰度传感器在感光面上多了一层颜色薄膜层，由RGB三种小孔组成，最上面是微透镜层，它保证光能集中在带颜色的孔上。

彩色图片有3个通道。

颜色空间

颜色模型：

RGB颜色模型（三原色）
CMYK颜色模型（RGB的补色，三补色，K代表黑色，常用于印刷服装业，因为我们看到的是颜料吸收某种颜色之后的补色）
HSI颜色模型（色调H是描述纯色的属性，如红色，黄色；饱和度S表示的是一种纯色被白光稀释的程度的度量；亮度I体现了无色的光强度概念，是一个主观的描述）

颜色空间的分解

相关函数：

颜色空间转换：
Python：

dst = cv2.cvtColor(src, code[, dst[, dstCn]])
# src表示要转换的原始图像
# code表示要转换的具体颜色空间类型
# []里的参数可以省略

通道分离
Python：
形如 bgr[:, :, 0]表示第0个通道(blue)

颜色空间：

Opencv中，彩色图像缺省为BGR格式，颜色三通道顺序为B，G，R，分别对应索引0，1，2（这点和windows不同，后者缺省是RGB）
Opencv中，HSI/HSV颜色空间中H的取值范围是0-180，其他两个是0-255.
两个相似的概念：HSI和HSV空间。HSV里面的v指的是RGB里面的最大的值，v = max(r,g,b)；而HSI的I是平均值，I = (r+g+b)/3；另外两个分量应该是一样的。

OpenCV实现程序实例：

import cv2 as cv

filename = 'C:/python/img/lena.jpg'
img = cv.imread(filename)
gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)

cv.imshow("source image", img)
cv.imshow("gray", gray)
cv.waitKey()  #等候鼠标操作，关闭窗口

hsv = cv.cvtColor(img, cv.COLOR_BGR2HSV)

cv.imshow("Hue", hsv[:, :, 0])
cv.imshow("Saturation", hsv[:, :, 1])
cv.imshow("Value", hsv[:, :, 2])
cv.waitKey()

cv.imshow("Blue", img[:, :, 0])
cv.imshow("Green", img[:, :, 1])
cv.imshow("Red", img[:, :, 2])

cv.waitKey()
cv.destroyAllWindows()

彩色图像的各通道都是二维矩阵，分别显示为灰度图像。

c++版：

#include <iostream>
#include <opencv2/core.hpp>
#include <opencv2/highgui.hpp>
#include <opencv2/imgproc.hpp>

//using namespace std;
using namespace cv;

int main()
{
	Mat srcImage = imread("lena.jpg");

	//判断图像是否加载成功
	if (!srcImage.data)
	{
		std::cout << "图像加载失败!" << std::endl;
		return false;
	}
	else
		std::cout << "图像加载成功!" << std::endl << std::endl;

	//显示原图像
	namedWindow("原图像", WINDOW_AUTOSIZE);
	imshow("原图像", srcImage);

	//将图像转换为灰度图，采用CV_前缀
	Mat grayImage;
	cvtColor(srcImage, grayImage, COLOR_BGR2GRAY);     //将图像转换为灰度图
	namedWindow("灰度图", WINDOW_AUTOSIZE);
	imshow("灰度图", grayImage);

	//将图像转换为HSV，采用COLOR_前缀
	Mat HSVImage;
	cvtColor(srcImage, HSVImage, COLOR_BGR2HSV);    //将图像转换为HSV图
	namedWindow("HSV", WINDOW_AUTOSIZE);
	imshow("HSV", HSVImage);
	//分离HSV三通道
	std::vector<Mat> hsvChannels;
	split(HSVImage, hsvChannels);
	imshow("image_H", hsvChannels[0]);
	imshow("image_S", hsvChannels[1]);
	imshow("image_V", hsvChannels[2]);

	waitKey(0);

	return 0;
}