文章目录
基本概念
RGB空间
RGB 是最基本、最常用、最接近硬件的色彩空间表示。
但是真实世界中还有光照、遮挡、阴影等多种情况,而且人眼对RGB三种颜色分量的敏感度也是不一样的,如果色彩的相似性直接用欧式距离来度量,结果会与视觉直观有很大差距。
所以,RGB适合与显示系统,但是不适合图像处理。
openCV提取不同通道的颜色
import cv2 as cv
src=cv.imread('rgb.jpg')
cv.namedWindow('first_image', cv.WINDOW_AUTOSIZE)
cv.imshow('first_image', src)
#三通道分离形成单通道图片
b, g, r =cv.split(src)
cv.imshow("second_blue", b)
cv.imshow("second_green", g)
cv.imshow("second_red", r)
HSV空间
- H:Hue,色调,色相
- S:Saturation,饱和度,色彩纯净度
- V:value,明度
HSV更接近人眼的直观感受。具体来说:
H参数表示色彩信息,即所处的光谱颜色的位置。该参数用角度量来表示,红、绿、蓝分别相隔120度。互补色分别相差180度。
纯度S为一比例值,范围从0到1,它表示成所选颜色的纯度和该颜色最大的纯度之间的比率。S=0时,只有灰度。
V表示色彩的明亮程度,范围从0到1。有一点要注意:它和光强度之间并没有直接的联系。
怎么理解HSV呢?
这里引入极坐标系,红蓝绿三个颜色分别位于0度,120度和240度,在色彩极坐标系中,“纯度”与当前色彩的角度位置有关,越接近红-绿-蓝对应的角度,因此,纯度也称为色相,顾名思义,就是用当前色彩与三原色之间的相位关系来描述。
在极坐标系中,矢量除了相位以外,还有“模”的关系,原点是“灰色”,模值越大,色彩就越鲜艳,最大值是255。这里的“模”值就是饱和度。
但是如何形容颜色的亮度呢?我们引入三维直角坐标系,三个坐标轴分别表示RGB的取值。很显然,原点(0,0,0)是黑色,(255,255,255 )是白色,(255,0,0)红色,(0,255,0)绿色,(0,0,255)蓝色。
如果从原点出发,到(255,255,255)白色连一条对角线,这条对角线就是“明度”轴了。越接近原点就越“暗”, 越接近白色的对角点就越“亮”。
如果回到之前的极坐标系,亮度应该如何表示呢?显然,我们需要引入一个纵轴表示明暗关系。
但是上面的图并不是特别“科学”,因为最“暗”的原点处,应该是一个点,整个色彩空间应该是一个圆锥的形状。
- openCV 中HSV色彩空间的转换
跑一下openCV 帮助文档中的经典例子,随手拿起手边的蓝色电脑内胆包被成功捕获了。
#!/usr/bin/env python3
# -*- coding: utf-8 -*-
"""
Created on Sun Sep 15 15:05:19 2019
"""
import cv2
import numpy as np
cap = cv2.VideoCapture(0)
while(1):
# Take each frame
_, frame = cap.read()
# Convert BGR to HSV
hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)
# define range of blue color in HSV
lower_blue = np.array([100,50,50])
upper_blue = np.array([140,255,255])
# Threshold the HSV image to get only blue colors
mask = cv2.inRange(hsv, lower_blue, upper_blue)
# Bitwise-AND mask and original image
res = cv2.bitwise_and(frame,frame, mask= mask)
cv2.imshow('frame',frame)
cv2.imshow('mask',mask)
cv2.imshow('res',res)
k = cv2.waitKey(5) &