CV：图像色彩空间及色彩处理

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) &