【OpenCV人脸检测】2. 色彩空间及其转换

【 1. 色彩空间 】

• 色彩空间（Color space）是对色彩的组织方式，是坐标系统和子空间的阐述，位于系统的每种颜色都有单个点表示。

• 目前，色彩空间已经有上百种表示方式，被采用的大多数色彩空间都是面向硬件或面向应用的，大部分只是局部的改变或专用于某一领域。

• RGB色彩空间

• 使用红色、绿色和蓝色这三种原色生成不同的颜色，这些颜色可以组成了一个色彩空间，称为RGB(Red Green Blue)色彩空间。
• OpenCV中默认的色彩空间是BGR。BGR与RGB的区别只是三个颜色信道的位置发生了变化，实际上原理相同。
  ( 为什么是BGR而不是RGB呢？原因在于当时主流的摄像头制造商和软件供应商都普遍使用这种BGR格式，所以所以一开始时OpenCV采用的就是BGR，然后沿用至今。)
• RGB是依据人眼识别的颜色定义出的空间，可表示大部分颜色。它是最通用的面向硬件的色彩空间。该色彩空间用于彩色监视器和一大类彩色视频摄像。

完整的RGB色彩空间图:
在RGB色彩空间中，将蓝色的量定义为X坐标轴、红色的量定义为Y坐标轴、绿色的量定义为Z坐标轴，就可以得到一个三维空间。所以每种颜色在这个三维空间中都有唯一的一个点与其对应。

• HSV与HSL色彩空间

在科学研究一般不采用RGB色彩空间，它将色调，亮度，饱和度三个量放在一起表示，很难分开，这样难以对其进行数字化的调整。所以为了更好的数字化处理颜色，提出了HSV，HSL两个色彩空间。

HSV色彩空间中，H是色调(hue)，S是饱和度(saturation)， V是明度(value)。
HSL色彩空间中，H是色调(hue)，S是饱和度(saturation)，L是亮度(lightness) 。

• 灰度空间

• 在OpenCV的灰度空间中，和一般的色彩空间相同，每一个颜色都有三个量，但是只有第一个亮度有值，所以表示为（亮度，0，0）。
• 其中，亮度是根据如下灰度公式计算而得：
  $$Gray=R\ast 0.299+G\ast 0.587+B\ast 0.114$$

• 人脸识别需要先对图片进行灰度处理的原因：
  识别人脸，最关键的因素是梯度，梯度代表着边缘，用灰度图计算梯度，可以简化矩阵, 提高运算速度。而颜色信息，很容易受到光照等因素的影响，同类的物体颜色有很多变化，所以颜色本身难以提供关键信息。

【 2. 色彩空间转换 】

在OpenCV中有超过150种色彩空间转换的方法。但是我们经常用到的是以下两种：

1. BGR空间到Gray空间 的转换；
2. BGR空间到HSV空间 的转换。

• 函数：

cv2.cvtColor(图片对象，转换类型)

其中的转换类型：
对于BGR到Gray的转换，为cv2.COLOR_BGR2GRAY类型。
对于BGR到HSV的转换，为cv2.COLOR_BGR2HSV类型。

• 范例：

import cv2 as cv
img = cv.imread('picture.jpg') # 读取图片

newpicture = cv.cvtColor(img, cv.COLOR_BGR2HSV) # 将图片的色彩空间由BGR转换为HSV。
# newpicture = cv.cvtColor(img, cv.COLOR_BGR2GRAY) # 将图片的色彩空间由BGR转换为GRAY。

cv.imshow('cute boy',newpicture) # 窗口展示图片
cv.waitKey(0)  # 等待用户关闭图片窗口
cv.destroyAllWindows() # 销毁创建的所有窗口

原图：

灰度图片：

HSV图片：

#获取到OpenCV提供的所有转换类型： 。。有问题的代码。。。。
import cv2
flags=[i for in dir(cv2) if i startswith('COLOR_')]
print(flags)