将文件夹下的所有图片从RGB空间转换到HSI空间

RGB转HSI，python实现

RGB为图片最基本的特征，但很多时候RGB颜色空间并不能很好的作为图片聚类的聚簇依据，通常不符合人们对颜色相似性的主观判断。
HSI色彩空间是从人的视觉系统出发，用色调(Hue)、色饱和度(Saturation或Chroma)和亮度 (Intensity或Brightness)来描述色彩。HSI色彩空间可以用一个圆锥空间模型来描述。用这种 描述HIS色彩空间的圆锥模型相当复杂，但确能把色调、亮度和色饱和度的变化情形表现得很清楚。通常把色调和饱和度通称为色度，用来表示颜色的类别与深浅程度。由于人的视觉对亮度的敏感程度远强于对颜色浓淡的敏感程度，为了便于色彩处理和识别，人的视觉系统经常采用HSI色彩空间， 它比RGB色彩空间更符合人的视觉特性。在图像处理和计算机视觉中大量算法都可在HSI色彩空间中 方便地使用，它们可以分开处理而且是相互独立的。因此，在HSI色彩空间可以大大简化图像分析 和处理的工作量。HSI色彩空间和RGB色彩空间只是同一物理量的不同表示法，因而它们之间存在着 转换关系。

import cv2
import numpy as np
import scipy.misc
import os


def rgbtohsi(rgb_lwpImg):
    rows = int(rgb_lwpImg.shape[0])
    cols = int(rgb_lwpImg.shape[1])
    b, g, r = cv2.split(rgb_lwpImg)
    # 归一化到[0,1]
    b = b / 255.0
    g = g / 255.0
    r = r / 255.0
    hsi_lwpImg = rgb_lwpImg.copy()
    H, S, I = cv2.split(hsi_lwpImg)
    for i in range(rows):
        for j in range(cols):
            num = 0.5 * ((r[i, j] - g[i, j]) + (r[i, j] - b[i, j]))
            den = np.sqrt((r[i, j] - g[i, j]) ** 2 + (r[i, j] - b[i, j]) * (g[i, j] - b[i, j]))
            if den != 0:
                theta = float(np.arccos(num / den))

            if den == 0:
                H = 0
            elif b[i, j] <= g[i, j]:
                H = theta
            else:
                H = 2 * 3.14169265 - theta

            min_RGB = min(min(b[i, j], g[i, j]), r[i, j])
            sum = b[i, j] + g[i, j] + r[i, j]
            if sum == 0:
                S = 0
            else:
                S = 1 - 3 * min_RGB / sum

            H = H / (2 * 3.14159265)
            I = sum / 3.0
            # 输出HSI图像，扩充到255以方便显示，一般H分量在[0,2pi]之间，S和I在[0,1]之间
            hsi_lwpImg[i, j, 0] = H * 255
            hsi_lwpImg[i, j, 1] = S * 255
            hsi_lwpImg[i, j, 2] = I * 255
    return hsi_lwpImg


if __name__ == '__main__':
    imgDir = "./"
    imgFoldName = "RGBtoHSI"
    imgs = os.listdir(imgDir + imgFoldName)
    imgNum = len(imgs)  # 图像的个数
    for i in range(imgNum):  # 遍历每张图片
        # img = Image.open(imgDir + imgFoldName + "/" + imgs[i])
        rgb_lwpImg = cv2.imread(imgDir + imgFoldName + "/" + imgs[i])
        hsi_Img = rgbtohsi(rgb_lwpImg)
        scipy.misc.imsave('hsi_Img'+str(i)+'.jpg', hsi_Img)
    # 显示RGB图像及转换的HSI图像
    # rgb_lwpImg = cv2.imread("v2_0140.jpg")
    # hsi_Img = rgbtohsi(rgb_lwpImg)
    # cv2.imshow('rgb_lwpImg', rgb_lwpImg)
    # cv2.imshow('hsi_lwpImg', hsi_lwpImg)
    # key = cv2.waitKey(0) & 0xFF
    # if key == ord('q'):
    #     cv2.destroyAllWindows()

RGB转HSI对比：