day3 - 图像在不同色彩空间间的转换

本期将了解三种不同的颜色空间，RGB，HSV，GRAY。会使用OpenCV来读取三种颜色空间，并且操作不同空间的转换，观察不同颜色空间的特点。

完成本期内容，你可以：

• 了解RGB，HSV，GRAY三种颜色空间的定义

• 掌握读取图片到不同的颜色空间

• 掌握三种颜色空间的转换

• 掌握如何拆分、合并图像通道

若要运行案例代码，你需要有：

• 操作系统：Ubuntu 16 以上 或者 Windows10

• 工具软件：VScode 或者其他源码编辑器

• 硬件环境：无特殊要求

• 核心库：python 3.6.13， opencv-contrib-python 3.4.11.39，opencv-python 3.4.2.16

点击下载源码

---

RGB色彩空间

• RGB色彩空间包含3个通道，R通道，G通道，B通道。

• R 通道指的是红色(Red) 通道； G 通道指的是绿色通道； B 通道指的是蓝色(Blue) 通道, 并且每个色彩通道都在区间[ 0 ， 25 5 ] 内进行取值。

• 图像在计算机中是以矩阵的形式保存的，对于RGB图像模式，一张图像保存了三个矩阵，每个矩阵用于表示其中的一种颜色。由于矩阵的顺序不同，会有RGB模式，RBG模式，BRG模式等。但无论是RGB模式，RBG模式，还是BRG模式，本质上都是一种模式，只不过颜色矩阵的存储顺序不同。

HSV色彩空间

• HSV 色彩空间是基于色调、饱和度和亮度而言的。

• 色调（H）是指光的颜色，例如彩虹中的赤、橙、黄、绿、青、蓝、紫分别表示不同的色调，在OpenCV中， 色调在区间[ 0 ， 180 ] 内取值。

• 饱和度(S) 是指色彩的深浅。在OpenCV 中， 饱和度在区间[ 0 ， 255 ] 内取值。当饱和度为0 时，图像将变为灰度图像。

• 亮度(V) 是指光的明暗。与饱和度相同， 在OpenCV中， 亮度在区间[ 0 ， 255 ]内取值。亮度值越大， 图像越亮； 当亮度值为0 时， 图像呈纯黑色。

GRAY色彩空间

• GRAY 色彩空间通常指的是灰度图像， 灰度图像是一种每个像素都是从黑到白， 被处理为256 个灰度级别的单色图像。

• 这256 个灰度级别分别用区间[ 0 ， 255 ] 中的数值表示。其中，”0 ”表示纯黑色，“ 255 ” 表示纯白色， 0 ~255 之间的数值表示不同亮度（ 即色彩的深浅程度） 的深灰色或者浅灰色。

不同色彩空间的转换

OpenCV中提供的不同空间转换的函数是 cv2.cvtColor( )。

函数原型： dst = cv2.cvtColor(src, code);

dst 为转换后的图像。

参数描述如下：

参数	描述
src	转换前的初始图像
code	色彩空间转换码

色彩空间转换码，如下：

色彩空间转换码	含义
cv2.COLOR_BGR2GRAY	从BGR色彩空间转换到GRAY色彩空间
cv2.COLOR_RGB2GRAY	从RGB色彩空间转换到GRAY色彩空间
cv2.COLOR_BGR2HSV	从BGR色彩空间转换到HSV色彩空间
cv2.COLOR_RGB2HSV	从RGB色彩空间转换到HSV色彩空间
cv2.COLOR_BGR2BGRA	从BGR色彩空间转换到BGRA色彩空间

拆分图像通道

OpenCV 中提供的用于拆分图像通道的函数是 cv2.split()。

函数原型： b,g,r = cv2.split(bgr_image) ; h,s,v = cv2.split(hsv_image) .

b,g,r为查分后对应的B G R通道；h,s,v为拆分后的H S V通道。

参数描述如下：

参数	描述
bgr_image	一幅BGR图像
hsv_image	一幅HSV图像

合并图像通道

OpenCV 中提供的用于合并图像通道的函数是 cv2.merge()。

函数原型： rgb = cv2.merge([r,g,b]) ; hsv = cv2.merge([h,s,v]) .

rgb 为按照 R -> G -> B 的顺序合并通道得到的图像；hsv 为按照 H -> S -> V 的顺序合并通道得到的图像。

参数描述如下：

参数	描述
[r,g,b]	[R通道图像，G通道图像，B通道图像]
[h,s,v]	[H通道图像，S通道图像，V通道图像]

---

具体步骤

1. 创建项目结构

创建项目名为图像在不同色彩空间间的转换，项目根目录下新建code文件夹储存代码，新建dataset文件夹储存数据，项目结构如下：

图像在不同色彩空间间的转换                 # 项目名称
├── code                               # 储存代码文件
├── dataset                            # 储存数据文件

注：如项目结构已存在，无需再创建。

2. 将图像由BGR色彩空间转换到HSV色彩空间

1. 在 code文件夹下创建bgr2hsv.py文件；
2. 读取dataset文件夹下的daisy.png图片，并进行展示,标题为daisy_bgr ；
3. 将图片由BGR色彩空间转换到HSV色彩空间，并进行展示,标题为daisy_hsv
4. 无限等待用户输入按键，按下按键后销毁所有窗口。

代码实现

# 导入OpenCV
import cv2
# 读取图像
img = cv2.imread('../dataset/daisy.png')
# 展示图像
cv2.imshow("daisy_bgr",img)
# 将图片由BGR色彩空间转换到HSV色彩空间
hsv_img = cv2.cvtColor(img,cv2.COLOR_BGR2HSV)
# 展示图像
cv2.imshow("daisy_hsv",hsv_img)
# 等待用户输入
cv2.waitKey(0)
# 销毁所有窗口
cv2.destroyAllWindows()

实验效果

3. 将图像由BGR色彩空间转换到GRAY色彩空间

1. 在 code文件夹下创建bgr2gray.py文件；
2. 读取dataset文件夹下的daisy.png图片，并进行展示,标题为daisy_bgr ；
3. 将图片由BGR色彩空间转换到GRAY色彩空间，并进行展示,标题为daisy_gray
4. 无限等待用户输入按键，按下按键后销毁所有窗口。

代码实现

# 导入OpenCV
import cv2
# 读取图像
img = cv2.imread('../dataset/daisy.png')
# 展示图像
cv2.imshow("daisy_bgr",img)
# 将图片由BGR色彩空间转换到gray色彩空间
gray_img = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
# 展示图像
cv2.imshow("daisy_gray",gray_img)
# 等待用户输入
cv2.waitKey(0)
# 销毁所有窗口
cv2.destroyAllWindows()

实验效果

4. 拆分图像通道

1. 在 code文件夹下创建img_split.py文件；
2. 读取dataset文件夹下的daisy.png图片;
3. 将图片拆分为3个通道，并以此展示3个通道的图片；
4. 无限等待用户输入按键，按下按键后销毁所有窗口。
5. 无限等待用户输入按键，按下按键后销毁所有窗口。

代码实现

# 导入OpenCV
import cv2
# 读取图像
img = cv2.imread('../dataset/daisy.png')
# 将图片拆分为3个通道
b,g,r = cv2.split(img)
# 展示图像
cv2.imshow("B",b)
cv2.imshow("G",g)
cv2.imshow("R",r)
# 等待用户输入
cv2.waitKey(0)
# 销毁所有窗口
cv2.destroyAllWindows()

实验效果

OpenCV的 RGB，HSV，GRAY三种颜色空间的操作非常简单，在实际应用的过程中，需要我们知道，每种色彩空间的含义和用途，才能够正确处理图像，得到我们想要的效果。

点击下载源码