OpenCV实现RGB颜色空间和HSI颜色空间的相互转换

最新推荐文章于 2023-09-13 16:51:16 发布
AI视觉网奇
最新推荐文章于 2023-09-13 16:51:16 发布
阅读量2.7k
点赞数 1
核心的转换公式：
RGB-->HSI
截图来自中科院刘定生老师的《数字图像处理与分析》课件。
HSI-->RGB
具体的数学公式参照冈萨雷斯版《数字图像处理(第三版)》432-434页，中译版的260-261页。
下面贴代码：
  1 #include "opencv_libs.h"
  2 #include <highgui.h>
  3 #include <cv.h>
  4 #include <math.h>
  5 
  6 /*
  7  * 描述：实现RGB颜色模型到HSI颜色模型之间的相互转换
  8  * 作者：qdsclove(qdsclove@gmail.com)
  9  * 时间：16:01 4/17 星期三 2013
 10  */
 11 
 12 // 将HSI颜色空间的三个分量组合起来，便于显示
 13 IplImage* catHSImage(CvMat* HSI_H, CvMat* HSI_S, CvMat* HSI_I)
 14 {
 15     IplImage* HSI_Image = cvCreateImage( cvGetSize( HSI_H ), IPL_DEPTH_8U, 3 );
 16 
 17     for(int i = 0; i < HSI_Image->height; i++)
 18     {
 19         for(int j = 0; j < HSI_Image->width; j++)
 20         {
 21             double d = cvmGet( HSI_H, i, j );
 22             int b = (int)(d * 255/360);
 23             d = cvmGet( HSI_S, i, j );
 24             int g = (int)( d * 255 );
 25             d = cvmGet( HSI_I, i, j );
 26             int r = (int)( d * 255 );
 27 
 28             cvSet2D( HSI_Image, i, j, cvScalar( b, g, r ) );
 29         }
 30     }
 31 
 32     return HSI_Image;
 33 }
 34 
 35 // 将HSI颜色模型的数据转换为RGB颜色模型的图像
 36 IplImage* HSI2RGBImage(CvMat* HSI_H, CvMat* HSI_S, CvMat* HSI_I)
 37 {
 38     IplImage * RGB_Image = cvCreateImage(cvGetSize(HSI_H), IPL_DEPTH_8U, 3 );
 39 
 40     int iB, iG, iR;
 41     for(int i = 0; i < RGB_Image->height; i++)
 42     {
 43         for(int j = 0; j < RGB_Image->width; j++)
 44         {
 45             // 该点的色度H
 46             double dH = cvmGet( HSI_H, i, j );
 47             // 该点的色饱和度S
 48             double dS = cvmGet( HSI_S, i, j );
 49             // 该点的亮度
 50             double dI = cvmGet( HSI_I, i, j );
 51 
 52             double dTempB, dTempG, dTempR;
 53             // RG扇区
 54             if(dH < 120 && dH >= 0)
 55             {
 56                 // 将H转为弧度表示
 57                 dH = dH * 3.1415926 / 180;
 58                 dTempB = dI * (1 - dS);
 59                 dTempR = dI * ( 1 + (dS * cos(dH))/cos(3.1415926/3 - dH) );
 60                 dTempG = (3 * dI - (dTempR + dTempB)); 
 61             }
 62             // GB扇区
 63             else if(dH < 240 && dH >= 120)
 64             {
 65                 dH -= 120;
 66                                 
 67                 // 将H转为弧度表示
 68                 dH = dH * 3.1415926 / 180;
 69 
 70                 dTempR = dI * (1 - dS);
 71                 dTempG = dI * (1 + dS * cos(dH)/cos(3.1415926/3 - dH));
 72                 dTempB = (3 * dI - (dTempR + dTempG));
 73             }
 74             // BR扇区
 75             else 
 76             {
 77                 dH -= 240;
 78 
 79                 // 将H转为弧度表示
 80                 dH = dH * 3.1415926 / 180;
 81 
 82                 dTempG = dI * (1 - dS);
 83                 dTempB = dI * (1 + (dS * cos(dH))/cos(3.1415926/3 - dH));
 84                 dTempR = (3* dI - (dTempG + dTempB));
 85             }
 86 
 87             iB = dTempB * 255;
 88             iG = dTempG * 255;
 89             iR = dTempR * 255;
 90 
 91             cvSet2D( RGB_Image, i, j, cvScalar( iB, iG, iR ) );
 92         }
 93     }
 94 
 95     return RGB_Image;
 96 }
 97 
 98 
 99 int main()
100 {
101     IplImage* img = cvLoadImage("lena.bmp");
102 
103     // 三个HSI空间数据矩阵
104     CvMat* HSI_H = cvCreateMat( img->height, img->width, CV_32FC1 );
105     CvMat* HSI_S = cvCreateMat( img->height, img->width, CV_32FC1 );
106     CvMat* HSI_I = cvCreateMat( img->height, img->width, CV_32FC1 );
107 
108     // 原始图像数据指针, HSI矩阵数据指针
109     uchar* data;
110 
111     // rgb分量
112     byte img_r, img_g, img_b;
113     byte min_rgb;  // rgb分量中的最小值
114     // HSI分量
115     float fHue, fSaturation, fIntensity; 
116 
117     for(int i = 0; i < img->height; i++)
118     {
119         for(int j = 0; j < img->width; j++)
120         {
121              data = cvPtr2D(img, i, j, 0);  
122              img_b = *data;
123              data++;
124              img_g = *data;
125              data++;
126              img_r = *data;
127 
128              // Intensity分量[0, 1]
129              fIntensity = (float)((img_b + img_g + img_r)/3)/255;
130 
131              // 得到RGB分量中的最小值
132              float fTemp = img_r < img_g ? img_r : img_g;
133              min_rgb = fTemp < img_b ? fTemp : img_b;
134              // Saturation分量[0, 1]
135              fSaturation = 1 - (float)(3 * min_rgb)/(img_r + img_g + img_b);
136 
137              // 计算theta角
138              float numerator = (img_r - img_g + img_r - img_b ) / 2;
139              float denominator = sqrt( 
140                  pow( (img_r - img_g), 2 ) + (img_r - img_b)*(img_g - img_b) );
141 
142              // 计算Hue分量
143              if(denominator != 0)
144              {
145                  float theta = acos( numerator/denominator) * 180/3.14;
146                  
147                  if(img_b <= img_g)
148                  {
149                      fHue = theta ;
150                  }
151                  else
152                  {
153                      fHue = 360 - theta;
154                  }
155              }
156              else
157              {
158                  fHue = 0;
159              }
160 
161              // 赋值
162              cvmSet( HSI_H, i, j, fHue );
163              cvmSet( HSI_S, i, j, fSaturation);
164              cvmSet( HSI_I, i, j, fIntensity );
165         }
166     }
167 
168     IplImage* HSI_Image = catHSImage( HSI_H, HSI_S, HSI_I );
169     IplImage* RGB_Image = HSI2RGBImage( HSI_H, HSI_S, HSI_I );
170 
171     cvShowImage("img", img);
172     cvShowImage("HSI Color Model", HSI_Image);
173     cvShowImage("RGB Color Model", RGB_Image);
174 
175     cvWaitKey(0);
176 
177     cvReleaseImage( &img );
178     cvReleaseImage( &HSI_Image );
179     cvReleaseImage( &RGB_Image );
180     cvReleaseMat( &HSI_H);
181     cvReleaseMat( &HSI_S);
182     cvReleaseMat( &HSI_I);
183 
184     cvDestroyAllWindows();
185 
186     return 0;
187 }


另一种方法：
 对彩色图像处理的时候，一般都是基于颜色空间来做的，比如要检测一片连续的蓝色，就可以基于颜色空间来实现分割。大家首先想到的是RGB，但是这里有个问题。RGB关联太大，每个通道都编入了亮度信息，容易受周围环境的处理，比如说光照不足。而HSI空间就不会。HSI空间是从人的视觉系统出发用色调(Hue), 色饱和度（Situration）和亮度（Intensity）来描述颜色，一旦用HSI空间就可以从色调通道中分离出蓝色色调，蓝色色调差不多在220左右。
  
  

  
  
  
  
   
       下面要说的RGB到HSI空间的转换。我是用OPENCV来实现图像处理的，OPENCV读入图像是存储在IplImage结构中。对于彩色图像可以分开成三个通道存储 cvLoadImage(imageName, 1);三个通道依次是blue, green, red. 在OPENCV中并没有实现转化成HSI空间，这个我们得针对每个像素点自己手动写，公式在上面那个链接里。
  
  
  
  
   
       上代码
  
  
  
  

  
  
  
  
   
       
  
  
// HSI.cpp : RGB  TO  HSI并显示出来

//


#include <stdio.h>
#include <math.h>
#include <cv.h>
#include <highgui.h>
#include <cxcore.h>
#include <cvaux.h>

int min(int a, int b, int c);

int main(int argc, char ** argv)
{
    IplImage * Img  = cvLoadImage(argv[1], 1);
    IplImage * HImg = cvCreateImage(cvGetSize(Img), IPL_DEPTH_8U, 1);
    IplImage * SImg = cvCreateImage(cvGetSize(Img), IPL_DEPTH_8U, 1);
    IplImage * IImg = cvCreateImage(cvGetSize(Img), IPL_DEPTH_8U, 1);    

    if( Rgb2Hsi(Img, HImg, SImg, IImg) == 0)
    {
        printf("Convert Error!\n");
        exit(-1);
    }
    
    //高斯滤波先，以平滑图像

    cvSmooth(SImg, SImg, CV_GAUSSIAN, 3, 0, 0, 0);
//    cvThreshold(SImg, SImg, 100, 255, CV_THRESH_BINARY);

    
    IplImage *pImgCanny = cvCreateImage(cvGetSize(SImg), IPL_DEPTH_8U, 1);
    cvCanny(SImg, pImgCanny, 50, 150, 3);
    
    cvNamedWindow("Img", 1);    
    cvNamedWindow("HImg", 1);
    cvNamedWindow("SImg", 1);
    cvNamedWindow("IImg", 1);

    cvShowImage("Img", Img);
    cvShowImage("HImg", HImg);
    cvShowImage("SImg", SImg);
    cvShowImage("IImg", IImg);

    cvWaitKey(0);
    return 0;
}


int Rgb2Hsi(const IplImage* src, IplImage* dataH, IplImage* dataS, IplImage* dataI)
{
    //返回0：成功，1：失败

    //输入为彩色图像src, 输出dataH,dataS,dataI,分别为HSI模型的H、S、I分量

    int  y,x,offsetSrc,offsetHsi;
    int step,channels,step1;
    int r,g,b,minRgb;
    double cosThita,num,den,S,H;
    uchar *dataImg;
    uchar *dataS1;
    uchar *dataI1;
    uchar *dataH1;


    channels = src->nChannels;
    dataImg = (uchar *)src->imageData;

    dataI1 = (uchar *)dataI->imageData;
    dataH1=(uchar *)dataH->imageData;
    dataS1=(uchar *)dataS->imageData;


    if (channels!=3)
    {
        printf("The input image is not 3-channels!\n");
        return 0;
    }

    step=src->widthStep;
    step1=dataI->widthStep;

    for (y=0; y<src->height; y++)
       for (x=0; x<src->width; x++)
        {
            offsetSrc = y*step + x*channels;
            offsetHsi=y*step1+x;

            b = dataImg[offsetSrc]; 
            g=dataImg[offsetSrc+1]; 
            r=dataImg[offsetSrc+2];

            dataI1[offsetHsi] = (int)((r+g+b)/3+0.5);
            num=(2*r-g-b)/2;
            den=sqrt((r-g)*(r-g)+(r-b)*(g-b));
            if (den==0)
                den=0.01;
            cosThita=acos(num/den);
            minRgb = min(r, g, b);

            den=r+g+b;
            if (den==0)
                den=0.01;
            S=1-3*minRgb/den;

            dataS1[offsetHsi]=(int) (S*255+0.5);//将S分量和H分量都扩充到[0,255]区间以便于显示

                                       //一般H分量在[0,2pi]之间，S在[0,1]之间

        
            if (b<=g)
                H=cosThita/(2*3.14);
            else
                H=(2*3.14-cosThita)/(2*3.14);
            dataH1[offsetHsi] = (int)(H*255+0.5);
            if (S==0)
                dataH1[offsetHsi]=0;

        }


    return 1;

}

int min(int a, int b, int c)
{
    int m = a;
    if(m > b)
        m = b;
    if( m > c)
        m = c;

    return m;
}