色彩转换系列之RGB格式与HSV格式互转原理及实现

生活需要深度

于 2024-08-11 08:44:55 发布

阅读量1.2k

点赞数 13

文章标签： opencv 计算机视觉人工智能

本文链接：https://blog.csdn.net/u012294613/article/details/141096033

版权

OpenCV 专栏收录该内容

67 篇文章 1 订阅

订阅专栏

写在前面
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：

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。

应用：同HSI一样，可以用于偏光矫正、去除阴影、图像分割等。

RGB与HSV转换
1、RGB2HSV

或

2、HSV2RGB

实现
#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;

}