opencv RGB归一化

简述

RGB颜色模型是数字图像中比较常见的一种颜色模型，能够反映此时此刻图像中RGB的分布。但是在实际图像处理中，往往会碰到一个比较头疼的问题，就是图像的RGB容易受光照的影响，也就是说，同一位置，不同光照强度会导致图像的RGB值发生很大变化。

那我们如何消除光照导致的影响呢？其实有两种方式:

1、将RGB转换成HSV中的H，即色调。转换公式：

max=max(R,G,B)；

min=min(R,G,B)；

V=max(R,G,B)；

S=(max-min)/max；

if (R = max) H =(G-B)/(max-min)* 60；

if (G = max) H = 120+(B-R)/(max-min)* 60；

if (B = max) H = 240 +(R-G)/(max-min)* 60；

if (H < 0) H = H+ 360；

2、 对RGB值进行归一化（本文介绍的重点）

归一化公式：

r = R / (R+G+B) ;

g = B / (R+G+B) ;

b = 1 - r - g ;

RGB归一化

为什么使用归一化后，可以消除光照的影响呢？这里举个例子

t1时刻，像素值为（20， 40， 60），而由于受到光照的影响，t2时刻，像素值为（40， 80， 120），这样可以看出，光照对RGB的影响还是蛮大的。

对t1时刻和t2时刻的像素分别做归一化处理，t1时刻，归一化后像素值为（1/6， 2/6， 3/6）;t2时刻，归一化后像素值为（1/6， 2/6， 3/6），可看出，归一化后，t1和t2时刻的像素值是相同的。只是受到光照影响后，RGB像素值同比例放大了。

注意 

RGB归一化处理，只针对光照光源稳定的情况下，只要光源稳定，什么颜色的光源就不重要了。

总结

对于归一化的其他总结，以及归一化的优势，在另一篇博客中介绍的很详细，这里提供一个链接。