OpenCV：第3章 彩色空间互转

最新推荐文章于 2023-09-20 22:25:48 发布
最新推荐文章于 2023-09-20 22:25:48 发布
阅读量373 收藏 1
点赞数 1
分类专栏： opencv 文章标签： opencv
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/sinat_38059712/article/details/105766435
版权

第3章 彩色空间互转

本章思维导图

（待更新）

本章内容概要

图像彩色空间互转在图像处理中应用非常广泛，而且很多算法只对灰度图有效；另外，相比RGB，其他颜色空间(比如HSV、HSI)更具可分离性和可操作性，所以很多图像算法需要将图像从RGB转为其他颜色空间，所以图像彩色互转是十分重要和关键的。

算法理论介绍与资料推荐

1、RGB与灰度图互转

RGB（红绿蓝）是依据人眼识别的颜色定义出的空间，可表示大部分颜色。但在科学研究一般不采用RGB颜色空间，因为它的细节难以进行数字化的调整。它将色调，亮度，饱和度三个量放在一起表示，很难分开。它是最通用的面向硬件的彩色模型。该模型用于彩色监视器和一大类彩色视频摄像。

RGB颜色空间 基于颜色的加法混色原理，从黑色不断叠加Red，Green，Blue的颜色，最终可以得到白色，如图：

在这里插入图片描述

将R、G、B三个通道作为笛卡尔坐标系中的X、Y、Z轴，就得到了一种对于颜色的空间描述，如图：
在这里插入图片描述
在这里插入图片描述
对于彩色图转灰度图，有一个很著名的心理学公式：

G r a y = R ∗ 0.299 + G ∗ 0.587 + B ∗ 0.114 Gray = R * 0.299 + G * 0.587 + B * 0.114 Gray=R∗0.299+G∗0.587+B∗0.114

2、RGB与HSV互转

HSV是一种将RGB色彩空间中的点在倒圆锥体中的表示方法。HSV即色相(Hue)、饱和度(Saturation)、明度(Value)，又称HSB(B即Brightness)。色相是色彩的基本属性，就是平常说的颜色的名称，如红色、黄色等。饱和度（S）是指色彩的纯度，越高色彩越纯，低则逐渐变灰，取0-100%的数值。明度（V），取0-max(计算机中HSV取值范围和存储的长度有关)。HSV颜色空间可以用一个圆锥空间模型来描述。圆锥的顶点处，V=0，H和S无定义，代表黑色。圆锥的顶面中心处V=max，S=0，H无定义，代表白色。

RGB颜色空间中，三种颜色分量的取值与所生成的颜色之间的联系并不直观。而HSV颜色空间，更类似于人类感觉颜色的方式，封装了关于颜色的信息：“这是什么颜色？深浅如何？明暗如何？

HSV模型
在这里插入图片描述
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。

在这里插入图片描述
应用：可以用于偏光矫正、去除阴影、图像分割等

1. RGB2HSV
在这里插入图片描述
或者：
在这里插入图片描述
2. HSV2RGB
在这里插入图片描述

基于OpenCV的实现

C++

void cvtColor(InputArray src, OutputArray dst, int code, int dstCn=0)

  • src: 输入图像
  • dst: 输出图像
  • code: 颜色空间转换标识符
    • OpenCV2的CV_前缀宏命名规范被OpenCV3中的COLOR_式的宏命名前缀取代
    • 注意RGB色彩空间默认通道顺序为BGR
    • 具体可以参考： enum cv::ColorConversionCode部分
  • dstCn: 目标图像的通道数，该参数为0时，目标图像根据源图像的通道数和具体操作自动决定
#include <opencv2/opencv.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <iostream>
// main
int main( int argc, char** argv )
{
    // Load image
    cv::Mat srcImage = cv::imread("1.jpg"), dstImage;
    
    // RGB2GHSV
    cv::cvtColor(srcImage, dstImage, cv::COLOR_BGR2hHSV);
    imshow("Lab Space", dstImage);
    
    //RGB2GRAY
    cv::cvtColor(srcImage, dstImage, cv::COLOR_BGR2GRAY);
    imshow("Gray Scale", dstImage);
    
    cv::waitKey();
    
    return 0;
}

代码实践：

  • 1.RGB_to_GRAY
#include <iostream>
#include <opencv2/core.hpp>
#include <opencv2/highgui.hpp>
#include <opencv2/imgproc.hpp>
 
cv::Mat RGB2GRAY(cv::Mat src, bool accelerate=false){
	CV_Assert(src.channels()==3);
	cv::Mat dst = cv::Mat::zeros(src.size(), CV_8UC1);
	cv::Vec3b rgb;
	int r = src.rows;
	int c = src.cols;
	
	  for (int i = 0; i < r; ++i){
		 for (int j = 0; j < c; ++j){
			rgb = src.at<cv::Vec3b>(i, j);
			uchar B = rgb[0]; uchar G = rgb[1]; uchar R = rgb[2];
			if (accelerate = false){
				dst.at<uchar>(i, j) = R*0.299 + G*0.587 + B*0.114;   //原式
			}
			else{
				dst.at<uchar>(i, j) = (R * 4898 + G * 9618 + B * 1868) >> 14;  //优化
			}
		 }
	   }
	return dst;
}
 
int main(){
	cv::Mat src = cv::imread("I:\\Learning-and-Practice\\2019Change\\Image process algorithm\\Img\\lena.jpg");
 
	if (src.empty()){
		return -1;
	}
	cv::Mat dst,dst1;
 
	//opencv自带
	double t2 = (double)cv::getTickCount(); //测时间
	cv::cvtColor(src, dst1, CV_RGB2GRAY);
	t2 = (double)cv::getTickCount() - t2;
	double time2 = (t2 *1000.) / ((double)cv::getTickFrequency());
	std::cout << "Opencv_rgb2gray=" << time2 << " ms. " << std::endl << std::endl;
 
	//RGB2GRAY
	double t1 = (double)cv::getTickCount(); //测时间
	dst = RGB2GRAY(src, true);
	t1 = (double)cv::getTickCount() - t1;
	double time1 = (t1 *1000.) / ((double)cv::getTickFrequency());
	std::cout << "My_rgb2gray=" << time1 << " ms. " << std::endl << std::endl;
 
 
	cv::namedWindow("src", CV_WINDOW_NORMAL);
	imshow("src", src);
	cv::namedWindow("My_rgb2gray", CV_WINDOW_NORMAL);
	imshow("My_rgb2gray", dst);
	cv::namedWindow("Opencv_rgb2gray", CV_WINDOW_NORMAL);
	imshow("Opencv_rgb2gray", dst1);
	cv::waitKey(0);
	return 0;
 
}
  • 2.RGB to HSV/HSV to RGB
#include <iostream>
#include <opencv2/core.hpp>
#include <opencv2/highgui.hpp>
#include <opencv2/imgproc.hpp>
using namespace cv;
 
 
Mat RGB2HSV(Mat src) {
	int row = src.rows;
	int col = src.cols;
	Mat dst(row, col, CV_32FC3);
	for (int i = 0; i < row; i++) {
		for (int j = 0; j < col; j++) {
			float b = src.at<Vec3b>(i, j)[0] / 255.0;
			float g = src.at<Vec3b>(i, j)[1] / 255.0;
			float r = src.at<Vec3b>(i, j)[2] / 255.0;
			float minn = min(r, min(g, b));
			float maxx = max(r, max(g, b));
			dst.at<Vec3f>(i, j)[2] = maxx; //V
			float delta = maxx - minn;
			float h, s;
			if (maxx != 0) {
				s = delta / maxx;
			}
			else {
				s = 0;
			}
			if (r == maxx) {
				h = (g - b) / delta;
			}
			else if (g == maxx) {
				h = 2 + (b - r) / delta;
			}
			else if (b==maxx) {
				h = 4 + (r - g) / delta;
			}
			else{
				h = 0;
			}
			h *= 60;
			if (h < 0)
				h +=  360;
			dst.at<Vec3f>(i, j)[0] = h;
			dst.at<Vec3f>(i, j)[1] = s;
		}
	}
 
	return dst;
}
 
Mat HSV2RGB(Mat src) {
	int row = src.rows;
	int col = src.cols;
	Mat dst(row, col, CV_8UC3);
	float r, g, b, h, s, v;
	for (int i = 0; i < row; i++) {
		for (int j = 0; j < col; j++) {
			h = src.at<Vec3f>(i, j)[0];
			s = src.at<Vec3f>(i, j)[1];
			v = src.at<Vec3f>(i, j)[2];
			if (s == 0) {
				r = g = b = v;
			}
			else {
				h /= 60;
				int offset = floor(h);
				float f = h - offset;
				float p = v * (1 - s);
				float q = v * (1 - s * f);
				float t = v * (1 - s * (1 - f));
				switch (offset)
				{
				case 0: r = v; g = t; b = p; break;
				case 1: r = q; g = v; b = p; break;
				case 2: r = p; g = v; b = t; break;
				case 3: r = p; g = q; b = v; break;
				case 4: r = t; g = p; b = v; break;
				case 5: r = v; g = p; b = q; break;
				default:
					break;
				}
			}
			dst.at<Vec3b>(i, j)[0] = int(b * 255);
			dst.at<Vec3b>(i, j)[1] = int(g * 255);
			dst.at<Vec3b>(i, j)[2] = int(r * 255);
		}
	}
	return dst;
}
 
 
 
 
int main(){
	cv::Mat src = cv::imread("I:\\Learning-and-Practice\\2019Change\\Image process algorithm\\Img\\lena.JPG");
 
	if (src.empty()){
		return -1;
	}
	cv::Mat dst, dst1, dst2;
 
	opencv自带/
	cv::cvtColor(src, dst1, CV_RGB2HSV); //RGB2HSV
 
	//RGB2HSV//
	dst = RGB2HSV(src); //RGB2HSV
	dst2 = HSV2RGB(dst); //HSV2BGR
 
	cv::namedWindow("src", CV_WINDOW_NORMAL);
	imshow("src", src);
	cv::namedWindow("My_RGB2HSV", CV_WINDOW_NORMAL);
	imshow("My_RGB2HSV", dst);
	cv::namedWindow("My_HSV2RGB", CV_WINDOW_NORMAL);
	imshow("My_HSV2RGB", dst2);
	cv::namedWindow("Opencv_RGB2HSV", CV_WINDOW_NORMAL);
	imshow("Opencv_RGB2HSV", dst1);
	cv::waitKey(0);
	return 0;
 
}

效果
在这里插入图片描述
在这里插入图片描述

参考：
1、OpenCV：第3章 彩色空间互转

2、OpenCV教程

3、色彩转换系列之RGB图转灰度图原理及实现

4、色彩转换系列之RGB格式与HSV格式互转原理及实现

5、OpenCV-Python中文教程

Axiiiz
关注
专栏目录
open_cv rgb2gray原理
mj348940862的博客
12-29 1385
open_cv rgb2gray原理 以R、G、B为轴建立空间直角坐标系，则RGB图的每个象素的颜色可以用该三维空间的一个点来表示， 而Gray图的每个象素的颜色可以用直线R=G=B上的一个点来表示。于是rgb转gray图的本质就是寻找 一个三维空间到一维空间的映射，最容易想到的就是射影（即过rgb空间的一个点向直线R=G=B做垂线），事实上Matlab也是这样做的，并且有Gray = 0.29900 * R + 0.58700 * G + 0.11400 * B。灰度可以说是亮度（luminance）的量
OpenCV的cv::cvtColor函数之“CV_RGB2GRAY”: 未声明的标识符错误解决方法
ctrigger的专栏
08-02 1万+
OpenCV 4.1，cv::cvtColor函数提示：“CV_RGB2GRAY”: 未声明的标识符。 原因：缺少头文件opencv2/imgproc/types_c.h 解决：直接添加头文件即可。 #include <opencv2/opencv.hpp> #include <opencv2/imgproc/types_c.h> #include <...
OpenCV色彩空间
weixin_63189332的博客
06-07 769
1.GRAY色彩空间正在上传…重新上传取消GRAY指的是灰度图像，处理成256个灰度级别的图像。这256个图像级别分别用区间[0,255]，0表示纯黑色，255表示纯白色，0~255表示不同的亮度(1)从RGB/BGR色彩空间转换到GRAY灰度空间 src:转换前的图像code:空间转换码about code： 2.HSV色彩空间HSV是基于色调，饱和度和亮度而言的比如色调红色 0黄色 30绿色 60蓝色 120饱和度:是指颜色的深浅亮度：是指
详解 YUV 格式（I420/YUV420/NV12/NV12/YUV422）
u014613270的博客
03-12 1万+
转载自：划水型派大星 YUV （Y'CbCr）是一种像素格式，常见于视频编码与静态图像。与 RGB 格式（红-绿-蓝）相反，YUV 分别由一个称为 Y（相当于灰度）的“亮度”分量（Luminance or Luma）和两个称为 U（蓝色投影 Cb）和 V（红色投影 Cr）的“色度”分量（Chrominance or Chroma）表示，由此得名。 仅有 Y 分量而没有 UV 分量信息，一样可以显示完整的黑白（灰度）图像，解决了模拟信号电视黑白与彩色的兼容问题。 采样 色度通道（UV）的采样率可以低于
RGB2GRAY原理
热门推荐
08-04 2万+
以R、G、B为轴建立空间直角坐标系，则RGB图的每个象素的颜色可以用该三维空间的一个点来表示， 而Gray图的每个象素的颜色可以用直线R=G=B上的一个点来表示。于是rgb转gray图的本质就是寻找 一个三维空间到一维空间的映射，最容易想到的就是射影（即过rgb空间的一个点向
第三章：OpenCV图像的基本操作
最新发布
weixin_40647259的博客
09-20 402
在图像颜色空间中，不同的分量存放在不同的通道中。：可选参数，边界像素模式（int 类型），默认值 BORDER_CONSTANT，本函数官方材料说明取值为BORDER_CONSTANT 或 BORDER_REPLICATE，实际上所有取值类型都支持，包括形态变换中不支持的BORDER_WRAP、BORDER_TRANSPARENT都能支持，并且不同取值有不同效果。其功能与cv.split()相对应，对于输入尺寸和数据类型一致的多幅图像，输出结果是一幅多通道的图像，其通道数目是所有输入图像通道数目的总和。
OpenCV：11.色彩空间与直方图均衡化
东方升起代码的博客
11-05 1223
色彩空间与直方图均衡化1. RGB与HSV2.归一化 normalize3.直方图均衡化 equalizeHistogram4.直方图的计算和绘制 1. RGB与HSV rgb请看下图: HSV 分析： H ： Hue 色相 色调，色度 0~360度 360种 S ：Saturation 饱和度 V ：Value 亮度 作用：证件照背景替换，扣头发等等 2.归一化 normalize 归一化：就是把需要处理的数据经过处理后，限制在你需要的一定范围内。例如假设我们把训练数据的第一个属性从[-10,+
【OpenCV3编程入门学习笔记】——第4章 OpenCV数据结构与基本绘图
繁臻的小窝
03-15 1372
第4章 OpenCV数据结构与基本绘图 文章目录第4章 OpenCV数据结构与基本绘图前言4.1 基础图像容器Mat4.1.1 数字图像存储概述4.1.2 Mat结构的使用4.1.3 像素值的存储方式4.1.4 显示创建Mat对象的七种方法【方法一】使用Mat()构造函数【方法二】在C/C++中通过构造函数进行初始化【方法三】为已存在的IplImage指针创建信息头【方法四】利用Create()函数【方法五】采用Matlab式的初始化方式【方法六】对小矩阵使用逗号分隔式初始化函数【方法七】为已存在的对象创建
OpenCV 4.5计算机视觉开发实战（基于VC++）第2章--第9章源码下载
03-10
2. **第3章：核心模块core** - Mat数据结构：OpenCV的核心数据结构，用于存储图像和其他多维数组。 - 数据类型：了解各种像素类型（如uchar, CV_32F等）及其在处理不同图像时的应用。 - 数组操作：学习如何进行...
OpenCV实战：彩色图转换为灰度图及Canny边缘检测
在OpenCV中，将彩色图像转换为灰度图像是一种常见的操作，这对于许多计算机视觉任务来说是必要的第一步，因为灰度图像通常比彩色图像占用更少的计算资源，并且简化了图像处理。转换过程涉及从三通道的RGB图像转换为...
opencv学习笔记四（读写像素）
qq_44870829的博客
07-01 609
操作图像像素图像操作读写图像读写像素修改像素值Vec3b与Vec3F 图像操作 读写图像 imread 可以指定加载为灰度或者RGB图像 Imwrite 保存图像文件，类型由扩展名决定 读写像素 读一个GRAY像素点的像素值（CV_8UC1） Scalar intensity = img.at(y, x); 或者 Scalar intensity = img.at(Point(x, y)); 读一个RGB像素点的像素值 Vec3f intensity = img.at(y, x); float
opencv中的CV_RGB2GRAY与CV_BGR2GRAY的区别
Du_Shuang的博客
09-07 9391
opencv中的CV_RGB2GRAY与CV_BGR2GRAY在我最初学习opencv时，我是觉得他们两个是没有什么区别的，因为用他们转换出来的灰度图用imshow()显示出来是没有任何区别的。但将他们转换出来的灰度图分别用于HoughCircles()时，只有CV_BGR2GRAY转换出来的图能得出想要的结果。这是因为opencv的颜色空间以BGR为主。
OpenCV 颜色空间转换参数CV_BGR2GRAY改变
weixin_33847182的博客
12-04 877
OpenCV的颜色空间转换函数： C++:voidcvtColor(InputArraysrc, OutputArraydst, intcode, intdstCn=0) 参数dstCn原来一直沿用CV_BGR2GRAY,CV_RGB2GRAY,CV_GRAY2BGR,CV_GRAY2RGB等格式，但最新几个版本的OpenCV已改为COLOR_BGR2GRAY类...
【CV面试】RGB2GRAY、贝叶斯问题、cv2.add和cv2.addWeighted
钱多多先森
05-06 1674
1.opencv中RGB2GRAY是怎么实现的 2.L1正则化比L2正则化更易于得到稀疏解 3.S 市 A,B 共有两个区，人口比例为 3:5，据历史统计 A 的犯罪率为 0.01%，B 区为 0.015%，现有一起新案件发生在 S 市，那么案件发生在 A 区的可能性为：(贝叶斯公式)
Color32[]赋给Texture2D是否太过丧病，开玩笑，我只是试一下……
不忘初心 方得始终
03-14 8035
using UnityEngine; using System.Collections; public class CameraTest : MonoBehaviour { public WebCamTexture cameraTexture; public string cameraName = ""; private bool isPlay = false;
azure kinect 出现DecodeMJPEGtoBGRA32().MJPEG decode failed:-1错误
天启的博客
01-14 352
错误如下： 正常情况下，更换USB接口即可。
【OpenCV】Mat中的depth与对应的内置类型
YiYueHuan的专栏
02-10 3415
先看看OpenCV中的depth： #define CV_8U 0 #define CV_8S 1 #define CV_16U 2 #define CV_16S 3 #define CV_32S 4 #define CV_32F 5 #define CV_64F 6 #define CV_USRTYPE1 7 下面是Mat中的depth与对应的内置类型的对应关系： t
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值