挑战图像处理100问（5）——HSV变换及色相反转

读取图像，使用$\text{HSV}$表示色彩的图像的色相反转。
Author: Tian YJ
原图如下：

关于HSV

$\text{HSV}$即使用色相（Hue）、饱和度（Saturation）、明度（Value）来表示色彩的一种方式。

• 色相：将颜色使用$0^{\circ }$到$360^{\circ }$表示，就是平常所说的颜色名称，如红色、蓝色。色相与数值按下表对应：

  红	黄	绿	青色	蓝色	品红	红
  $0^{\circ }$	$60^{\circ }$	$120^{\circ }$	$180^{\circ }$	$240^{\circ }$	$300^{\circ }$	$360^{\circ }$

• 饱和度：是指色彩的纯度，饱和度越低则颜色越黯淡（$0\le S<1$）；

• 明度：即颜色的明暗程度。数值越高越接近白色，数值越低越接近黑色（$0\le V<1$）；

从$\text{RGB}$色彩表示转换到$\text{HSV}$色彩表示通过以下方式计算：

$\text{RGB}$的取值范围为$[0,1]$，令：
$$\begin{gathered} \text{Max}=\max (R,G,B) \\ \text{Min}=\min (R,G,B) \end{gathered}$$
色相：
$$H=\{\begin{array}{ll}0& (\text{if}\text{Min}=\text{Max})\\ 60\frac{G-R}{\text{Max}-\text{Min}}+60& (\text{if}\text{Min}=B)\\ 60\frac{B-G}{\text{Max}-\text{Min}}+180& (\text{if}\text{Min}=R)\\ 60\frac{R-B}{\text{Max}-\text{Min}}+300& (\text{if}\text{Min}=G)\end{array}$$
饱和度：
$$S=\text{Max}-\text{Min}$$
明度：
$$V=\text{Max}$$
从$\text{HSV}$色彩表示转换到$\text{RGB}$色彩表示通过以下方式计算：
$$\begin{gathered} C=S \\ {H}^{\prime }=\frac{H}{60} \\ X=C(1-|H^{\prime }\mathrm{m}\mathrm{o}\mathrm{d}2-1|) \\ (R,G,B)=(V-C)(1,1,1)+\{\begin{array}{ll}(C,X,0)& (\text{if}0\le H^{\prime }<1)\\ (X,C,0)& (\text{if}1\le H^{\prime }<2)\\ (0,C,X)& (\text{if}2\le H^{\prime }<3)\\ (0,X,C)& (\text{if}3\le H^{\prime }<4)\\ (X,0,C)& (\text{if}4\le H^{\prime }<5)\\ (C,0,X)& (\text{if}5\le H^{\prime }<6)\end{array} \end{gathered}$$
这里将实现将色相反转（色相值加$180$），然后再用$\text{RGB}$色彩空间表示图片。

代码实现

# -*- coding: utf-8 -*-
"""
Created on Tue Apr  7 22:12:41 2020

@author: Tian YJ
"""

import cv2
import numpy as np

# RGB --> HSV
def RGB2HSV(img_):
	img = img_.copy() / 255 # 进行归一化
	hsv = np.zeros_like(img, dtype = np.float32) # HSV初始化

	# 求取每一像素在不同通道的最大值Max与最小值Min
	Max = np.max(img, axis=2).copy()
	Min = np.min(img, axis=2).copy()
	# 找出最小值位于哪一通道
	Min_arg = np.argmin(img, axis=2)

	### 求色相H
	hsv[...,0][np.where(Max==Min)] = 0
	# 当Min位于B通道时
	index = np.where(Min_arg == 0)
	hsv[...,0][index] = 60*(img[...,1][index]-img[...,2][index])/(Max[index]-Min[index])+60
	# 当Min位于G通道时
	index = np.where(Min_arg == 1)
	hsv[...,0][index] = 60*(img[...,2][index]-img[...,0][index])/(Max[index]-Min[index])+300
	# 当Min位于R通道时
	index = np.where(Min_arg == 2)
	hsv[...,0][index] = 60*(img[...,0][index]-img[...,1][index])/(Max[index]-Min[index])+180

	### 求饱和度S
	hsv[...,1] = Max.copy() - Min.copy()

	### 求明度V
	hsv[...,2] = Max.copy()

	return hsv

# HSV --> RGB
def HSV2RGB(img_, hsv):
	img = img_.copy() / 255

	# 求取每一像素在不同通道的最大值Max与最小值Min
	Max = np.max(img, axis=2).copy()
	Min = np.min(img, axis=2).copy()

	out = np.zeros_like(img, dtype=np.float32)

	# 求取HSV分量	
	H = hsv[...,0]
	S = hsv[...,1]
	V = hsv[...,2]

	# 按公式进行转换
	C = S
	H_ = H/60
	X = C * (1 - np.abs( H_ % 2 - 1))
	# 设置中间零矩阵
	Z = np.zeros_like(H)
	# 公式中是按RGB排列，这里倒过来按BGR排列
	temp = [[Z,X,C], [Z,C,X], [X,C,Z], [C,X,Z], [C,Z,X],[X,Z,C]]

	for i in range(6):
		index = np.where((i<H_ ) & (H_<i+1))
		# B通道
		out[...,0][index] = (V-C)[index]*1 + temp[i][0][index]
		# G通道
		out[...,1][index] = (V-C)[index]*1 + temp[i][1][index]
		# R通道
		out[...,2][index] = (V-C)[index]*1 + temp[i][2][index]
		
	# 防止越界
	out = np.clip(out, 0, 1)
	# 从归一化后的数值转回真实数值
	out = (out*255).astype(np.uint8)
	return out

# 读取图片
path = 'C:/Users/86187/Desktop/image/'


file_in = path + 'cake.jpg' 
file_out = path + 'HSV_RGB.jpg' 
img = cv2.imread(file_in)

# 调用函数RGB-->HSV
hsv = RGB2HSV(img)

# 进行色相反转即将色相值加180
hsv[..., 0] = (hsv[..., 0] + 180) % 360

# 调用函数HSV-->RGB
out = HSV2RGB(img, hsv)

# 保存图片
cv2.imwrite(file_out, out)
cv2.imshow("result", out)
cv2.waitKey(0)
cv2.destroyAllWindows()

结果展示

原图	色相反转