原地址:https://blog.csdn.net/viewcode/article/details/8203728
1. RGB模型
2. HSV模型
3. 如何理解RGB与HSV的联系
4. HSV在图像处理中的应用
5. opencv中RGB-->HSV实现
在图像处理中,最常用的颜色空间是RGB模型,常用于颜色显示和图像处理,三维坐标的模型形式,非常容易被理解。
而HSV模型,是针对用户观感的一种颜色模型,侧重于色彩表示,什么颜色、深浅如何、明暗如何。第一次接触HSV,书本里首先抛出的是一个圆锥模型,由于很少使用HSV,所以印象不深刻,但看一些资料时,HSV的概念时不时出来骚扰一些人的神经,所以,弄清楚HSV与RGB的关系,建立直观的印象是很有必要的。
1. RGB模型。
三维坐标:
原点到白色顶点的中轴线是灰度线,r、g、b三分量相等,强度可以由三分量的向量表示。
用RGB来理解色彩、深浅、明暗变化:
色彩变化: 三个坐标轴RGB最大分量顶点与黄紫青YMC色顶点的连线
深浅变化:RGB顶点和CMY顶点到原点和白色顶点的中轴线的距离
明暗变化:中轴线的点的位置,到原点,就偏暗,到白色顶点就偏亮
PS: 光学的分析
三原色RGB混合能形成其他的颜色,并不是说物理上其他颜色的光是由三原色的光混合形成的,每种单色光都有自己独特的光谱,如黄光是一种单色光,但红色与绿色混合能形成黄色,原因是人的感官系统所致,与人的生理系统有关。
只能说“将三原色光以不同的比例复合后,对人的眼睛可以形成与各种频率的可见光等效的色觉。”
2. HSV模型
倒锥形模型:
这个模型就是按色彩、深浅、明暗来描述的。
H是色彩
S是深浅, S = 0时,只有灰度
V是明暗,表示色彩的明亮程度,但与光强无直接联系,(意思是有一点点联系吧)。
3. RGB与HSV的联系
从上面的直观的理解,把RGB三维坐标的中轴线立起来,并扁化,就能形成HSV的锥形模型了。
但V与强度无直接关系,因为它只选取了RGB的一个最大分量。而RGB则能反映光照强度(或灰度)的变化。
v = max(r, g, b)
由RGB到HSV的转换:
" HSV对用户来说是一种直观的颜色模型。我们可以从一种纯色彩开始,即指定色彩角H,并让V=S=1,然后我们可以通过向其中加入黑色和白色来得到我们需要的颜色。增加黑色可以减小V而S不变,同样增加白色可以减小S而V不变。例如,要得到深蓝色,V=0.4 S=1 H=240度。要得到淡蓝色,V=1 S=0.4 H=240度。" --百度百科
4. HSV在图像处理应用
HSV在用于指定颜色分割时,有比较大的作用。
H和S分量代表了色彩信息。
分割应用:
用H和S分量来表示颜色距离,颜色距离指代表两种颜色之间的数值差异。
Androutsos等人通过实验对HSV颜色空间进行了大致划分,亮度大于75%并且饱和度大于20%为亮彩色区域,亮度小于25%为黑色区域,亮度大于75%并且饱和度小于20%为白色区域,其他为彩色区域。
对于不同的彩色区域,混合H与S变量,划定阈值,即可进行简单的分割。
HSV的去阴影算法:
Improving shadow suppression in moving object detection with HSV color information
5. RGB --> HSV中的opencv实现
-
struct RGB2HSV_f
-
{
-
typedef
float channel_type;
-
-
RGB2HSV_f(
int _srccn,
int _blueIdx,
float _hrange)
-
: srccn(_srccn), blueIdx(_blueIdx), hrange(_hrange) {}
-
-
void operator()(const float* src, float* dst, int n) const
-
{
-
int i, bidx = blueIdx, scn = srccn;
-
float hscale = hrange*(
1.f/
360.f);
-
n *=
3;
-
-
for( i =
0; i < n; i +=
3, src += scn )
-
{
-
float b = src[bidx], g = src[
1], r = src[bidx^
2];
-
float h, s, v;
-
-
float vmin, diff;
-
-
v = vmin = r;
-
if( v < g ) v = g;
-
if( v < b ) v = b;
// v = max(b, g, r)
-
if( vmin > g ) vmin = g;
-
if( vmin > b ) vmin = b;
-
-
diff = v - vmin;
-
s = diff/(
float)(
fabs(v) + FLT_EPSILON);
// s = 1 - min/max
-
diff = (
float)(
60./(diff + FLT_EPSILON));
-
if( v == r )
-
h = (g - b)*diff;
-
else
if( v == g )
-
h = (b - r)*diff +
120.f;
-
else
-
h = (r - g)*diff +
240.f;
-
-
if( h <
0 ) h +=
360.f;
// h 求值
-
-
dst[i] = h*hscale;
-
dst[i+
1] = s;
-
dst[i+
2] = v;
-
}
-
}
-
-
int srccn, blueIdx;
-
float hrange;
-
};
RGB --> GRAY的实现 算法:
-
template<
typename _Tp>
struct RGB2Gray
-
{
-
typedef _Tp channel_type;
-
-
RGB2Gray(
int _srccn,
int blueIdx,
const
float* _coeffs) : srccn(_srccn)
-
{
-
static
const
float coeffs0[] = {
0.299f,
0.587f,
0.114f };
// 三分量系数不同,人眼对绿色最敏感,所以G分量系数较大
-
memcpy( coeffs, _coeffs ? _coeffs : coeffs0,
3*
sizeof(coeffs[
0]) );
-
if(blueIdx ==
0)
-
std::swap(coeffs[
0], coeffs[
2]);
-
}
-
-
void operator()(const _Tp* src, _Tp* dst, int n) const // 运算
-
{
-
int scn = srccn;
-
float cb = coeffs[
0], cg = coeffs[
1], cr = coeffs[
2];
-
for(
int i =
0; i < n; i++, src += scn)
-
dst[i] = saturate_cast<_Tp>(src[
0]*cb + src[
1]*cg + src[
2]*cr);
// 结果
-
}
-
int srccn;
-
float coeffs[
3];
-
};