【OpenCV3图像处理】颜色空间转换（二）转换函数 cvtColor()

opencv中颜色空间转换函数cvtColor()详解

颜色空间的分类，和不同类型颜色空间的用途，参考博客  ： 颜色空间分类总结

opencv提供了cvtColor()函数来实现这些功能。首先看一下cvtColor函数定义：

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

参数解释：
. InputArray src: 输入图像即要进行颜色空间变换的原图像，可以是Mat类,输入的 8-bit,16-bit或 32-bit单倍精度浮点数影像。
. OutputArray dst: 输出图像即进行颜色空间变换后存储图像，也可以Mat类,输出的8-bit, 16-bit或 32-bit单倍精度浮点数影像。
. int code: 转换的代码或标识，即在此确定将什么制式的图片转换成什么制式的图片

. int dstCn = 0:目标图像通道数，如果取值为0，则由src和code决定

函数的作用是将一个图像从一个颜色空间转换到另一个颜色空间，但是从RGB向其他类型转换时，必须明确指出图像的颜色通道，在opencv中，其默认的颜色制式排列是BGR而非RGB。所以对于24位颜色图像来说，前8-bit是蓝色，中间8-bit是绿色，最后8-bit是红色。常见的R,G,B通道的取值范围为：
. 0-255 :CV_8U类型图片
. 0-65535: CV_16U类型图片
. 0-1: CV_32F类型图片

对于线性变换来说，这些取值范围是无关紧要的。但是对于非线性转换，输入的RGB图像必须归一化到其对应的取值范围来或得最终正确的转换结果，例如从RGB->L*u*v转换。如果从一个8-bit类型图像不经过任何缩放（scaling）直接转换为32-bit浮点型图像，函数将会以0-255的取值范围来取代0-1的取值范围，所以在使用cvtColor函数之前需要对图像进行缩放如下：

img *= 1.0/255;
cvtColor(img, img,CV_BGR2Luv);

如果图像不转换为0-1之间的32-bit浮点型图像，直接对8-bit图像使用cvtColor()函数进行转换，将会由一些信息丢失。

函数可以做下面类型的转换，需要说明的是在opencv2.x时颜色空间转换code用的宏定义是CV_前缀开头，而在opencv3.x版本其颜色空间转换code宏定义更改为COLOR_开头，2.4.13版本中opencv同事支持这两种形式的写法

上图中出现的RGBA格式图片，RGBA是代表Red(红色)、Green(绿色)、Blue(蓝色)和Alpha的色彩空间。虽然它有时候被描述为一个颜色空间，但是它其实是RGB模型附加了额外的信息，可以属于任何一种RGB颜色空间。Alpha参数一般用作不透明度参数，如果一个像素的alpha通道数值为0%，那它就是完全透明的也就是肉眼不可见，而数值为100%则意味着一个完全不透明的像素，传统的数字图像就是alpha值为100%。

下面给出RGB , 灰度图，HSV，Lab之间的转换，如果要转换到其他颜色空间，cvtColor（）的用法类似

示例代码：

从RGB图像到灰度图像：

	Mat srcImage = imread("4.2.03.tiff"); 
	if (!srcImage.data)
	{
		cout << "图像加载失败!" << endl; return false;
	}
	else cout << "图像加载成功!" << endl << endl;  
	imshow("原图像", srcImage); 


	//将图像转换为灰度图
	Mat grayImage;
	cvtColor(srcImage, grayImage, CV_BGR2GRAY); 
	imshow("灰度图", grayImage); 

     

RGB和HSV相互转化

Mat srcImage = imread("4.2.03.tiff"); 
	if (!srcImage.data)
	{
		cout << "图像加载失败!" << endl; return false;
	}
	else cout << "图像加载成功!" << endl << endl;  
	imshow("原图像", srcImage); 

	//将RGB图像转换为HSV图
	Mat HSVImage;
	Mat Image[3];
	cvtColor(srcImage, HSVImage, COLOR_BGR2HSV);
	split(HSVImage, Image);
	imshow("H", Image[0]);
	imshow("S", Image[1]);
	imshow("V", Image[2]);
	imshow("HSV", HSVImage);

	//将HSV图像转换为RGB图
	Mat RGBImage;
	cvtColor(HSVImage, RGBImage, COLOR_HSV2BGR);
	imshow("RGB1", RGBImage);

H、S、V三通道分别单独显示：

  

RGB转化为HSV的结果，和HSV转化为RGB的结果：

           

RGB和Lab相互转化

	Mat srcImage = imread("4.2.03.tiff"); 
	if (!srcImage.data)
	{
		cout << "图像加载失败!" << endl; return false;
	}
	else cout << "图像加载成功!" << endl << endl;  
	imshow("原图像", srcImage); 


	//将RGB图像转换为Lab图
	Mat LabImage;
	Mat Image[3];
	cvtColor(srcImage, LabImage, COLOR_BGR2Lab);
	split(LabImage, Image);
	imshow("L", Image[0]);
	imshow("a", Image[1]);
	imshow("b", Image[2]);
	imshow("Lab", LabImage);

	//将Lab图像转换为RGB图
	Mat RGBImage;
	cvtColor(LabImage, RGBImage, COLOR_Lab2BGR);
	imshow("RGB2", RGBImage);

L、a、b三通道分别单独显示：

RGB转化为Lab的结果，和Lab转化为RGB的结果：

      

完整示例代码：

#include <iostream> 
#include <opencv.hpp> 

using namespace std;
using namespace cv;

int main()
{
	Mat srcImage = imread("4.2.03.tiff"); 
	if (!srcImage.data)
	{
		cout << "图像加载失败!" << endl; return false;
	}
	else cout << "图像加载成功!" << endl << endl;  
	imshow("原图像", srcImage); 


	//将图像转换为灰度图
	Mat grayImage;
	cvtColor(srcImage, grayImage, CV_BGR2GRAY); 
	imshow("灰度图", grayImage); 

	//将RGB图像转换为HSV图
	Mat HSVImage;
	Mat Image[3];
	cvtColor(srcImage, HSVImage, COLOR_BGR2HSV);
	split(HSVImage, Image);
	imshow("H", Image[0]);
	imshow("S", Image[1]);
	imshow("V", Image[2]);
	imshow("HSV", HSVImage);

	//将HSV图像转换为RGB图
	Mat RGBImage;
	cvtColor(HSVImage, RGBImage, COLOR_HSV2BGR);
	imshow("RGB1", RGBImage);

	//将RGB图像转换为Lab图
	Mat LabImage;
	cvtColor(srcImage, LabImage, COLOR_BGR2Lab);
	split(LabImage, Image);
	imshow("L", Image[0]);
	imshow("a", Image[1]);
	imshow("b", Image[2]);
	imshow("Lab", LabImage);

	//将Lab图像转换为RGB图
	cvtColor(LabImage, RGBImage, COLOR_Lab2BGR);
	imshow("RGB2", RGBImage);
	waitKey(0);
	return 0;
}