Opencv+Python学习记录12：色彩空间类型转换（内附详细代码）

Lv547

已于 2023-04-12 08:56:30 修改

阅读量2.3k

点赞数 2

分类专栏： Opencv+Python 文章标签： python OpenCV 计算机视觉色彩空间色彩空间类型转换 Powered by 金山文档

于 2023-03-19 18:31:43 首次发布

本文链接：https://blog.csdn.net/qq_53914247/article/details/129654286

版权

Opencv+Python 专栏收录该内容

12 篇文章 5 订阅

订阅专栏

一，色彩空间分类

1.GRAY色彩空间

GRAY（灰度图像）通常指8位灰度图，具有256的个灰度级，像素值的范围是[0，255]。当图像由RGB色彩空间转换为GRAY色彩空间时，处理方式如下：

GRAY=0.299*R+0.587*G+0.114*B

上述是标准转换方式，也是OpenCV中常用的转换方式，有时，也可以用简化形式：

Gray=（R+G+B）/3

2.XYZ色彩空间

XYZ色彩空间是一种更便于计算的色彩空间，它可以和RGB色彩空间相互转换。

RGB转XYZ:

XYZ转RGB:

3.YCrCb色彩空间

在YCrCb色彩空间中，Y代表光源的亮度，色度信息保存在Cr和Cb中，其中，Cr表示红色分量信息，Cb表示蓝色分量信息。

RGB色彩空间到YCrCb色彩空间的转换公式：

Y=0.299*R+0.587*G+0.114*B

Cr=(R-Y)*0.713+delta

Cb=(B-Y)*0.564+delta

其中，delta的值为：

YCrCb色彩空间到RGB色彩空间的转换公式：

R=Y+1.403*(Cr-delta)

G=Y-0.714*(Cr-delta)-0.344*(Cb-delta)

B=Y+1.773*(Cb-delta)

其中，delta的值与上图相同。

4.HSV色彩空间

HSV色彩空间是一种面向视觉感知的颜色模型，包含三要素：色调（色相），饱和度，亮度。色调指光的颜色，饱和度指色彩的深浅程度，亮度指人眼感受到的光的明暗程度。下面介绍三要素的取值范围：

色调：我们将物理空间的颜色分布在圆周上，不同的角度代表不同的颜色，色调的取值范围是[0,360]。

饱和度：表示所有颜色的纯度值和该颜色的最大纯度值之间的比值，取值为[0,1]。饱和度的值为0时，只有灰度。

亮度：表示色彩的明亮程度，取值范围也是[0,1]

需要注意的是，从RGB色彩空间转换到HSV色彩空间之前，需要先将RGB色彩空间的值转换到[0,1]之间，再进行处理，具体转换方法为：

计算时可能出现H<0的情况，如果出现这种情况，需要对H进行进一步计算，如下：

HSV色彩空间到RGB色彩空间的转换公式，Opencv官方文档中有具体公式，在此不做赘述。

5.HLS色彩空间

HLS色彩空间包含的三要素是色调H，光亮度/明度L，饱和度S。HLS与HSV色彩空间相似，只是在具体表示上，用“光亮度明度”代替了“亮度”。

6.CIELab*色彩空间

CIEL*a*b*色彩空间是均匀色彩空间模型，它是面向视觉感知的颜色模型。

从视觉感知均匀空间的角度来讲，人所感知到的两种颜色的区别程度，应该与这两种颜色在色彩空间中的距离成正比。在某个色彩空间中，如果人所观察到的两种颜色的区别程度，与这两种颜色在色彩空间中对应的点之间的欧式距离成正比，则称该色彩空间为均匀色彩空间。

CIEL*a*b*色彩空间中的L*分量用于表示像素的亮度，取值范围是[0，100]，表示从纯黑到纯白；

a*分量表示从红色到绿色的范围，取值范围是[-127,127]，b*分量表示从黄色到蓝色的范围，取值范围是[-127,127]。

需要注意的是，从RGB色彩空间转换到CIEL*a*b*色彩空间之前，需要先将RGB色彩空间的值转换到[0,1]之间，再进行处理，具体转换方法为：

其中，

7.CIELuv*色彩空间

CIEL*u*v*色彩空间和CIEL*a*b*色彩空间一样，都是均匀的颜色模型，但CIEL*u*v*色彩空间对红色的变化比较敏感，但对蓝色的变化不太敏感。

RGB色彩空间到CIEL*u*v*色彩空间的转换公式：

先从RGB色彩空间转换到XYZ色彩空间:

再从RGB色彩空间到CIEL*u*v*色彩空间的转换公式：

8.Bayer色彩空间

Bayer色彩空间能从单平面R，G，B交错表内获得彩色图像

Bayer色彩空间交错表

二，类型转换实例

1.类型转换函数

在OpenCV内，我们使用cv2.cvtColor（）函数实现色彩空间的转换。该函数能实现多个色彩空间之间的转换，其语法格式为：

dst=cv2.cvtColor(src,code,[,dstCn])
#式中：
#dst表示输出图像，与原始输入图像具有同样的数据类型和深度
#src表示原始输入图像，可以是8位无符号图像，16位无符号图像，或者单精度浮点数等
#code是色彩空间转换码
#dstCn是目标图像的通道数，如果参数为默认的0，则通道数自动通过原始输入图像和code得到

2.通过数组观察转换效果

# 将BGR图像转换为灰度图像
import cv2
import numpy as np
img=np.random.randint(0,256,size=[2,4,3],dtype=np.uint8)
rst=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
print("img=\n",img)
print("rst=\n",rst)
print("像素点(1,0)直接计算得到的值=",img[1,0,0]*0.114+img[1,0,1]*0.587+img[1,0,2]*0.299)
print("像素点(1,0)使用公式cv2.cvtColor()转换值=",rst[1,0])

运行结果：

# 将图像在BGR和RGB模式之间相互转化
import cv2
import numpy as np
img=np.random.randint(0,256,size=[2,4,3],dtype=np.uint8)
rgb=cv2.cvtColor(img,cv2.COLOR_BGR2RGB)
bgr=cv2.cvtColor(rgb,cv2.COLOR_RGB2BGR)
print("img=\n",img)
print("rgb=\n",rgb)
print("bgr=\n",bgr)

运行结果：

3.图像处理示例

# 将图像在BGR模式和灰度图像之间相互转换
import cv2
img=cv2.imread("moon.png")
gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
rgb=cv2.cvtColor(gray,cv2.COLOR_GRAY2BGR)
# 打印shape
print("img.shape=",img.shape)
print("gray.shape=",gray.shape)
print("rgb.shape=",rgb.shape)
# 显示效果
cv2.imshow("img",img)
cv2.imshow("gray",gray)
cv2.imshow("rgb",rgb)
cv2.waitKey()
cv2.destoryAllWindows()

运行结果：

# 将图像从BGR模式转换成RGB模式
import cv2
img=cv2.imread("moon.png")
rgb=cv2.cvtColor(img,cv2.COLOR_BGR2RGB)
cv2.imshow("img",img)
cv2.imshow("rgb",rgb)
cv2.waitKey()
cv2.destoryAllWindows()

运行结果：