3.1简介
图像彩色空间互转在图像处理中应用非常广泛,而且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。
3.2学习目标
1.了解相关颜色空间的基础知识
2.理解彩色空间互转的理论
3.掌握OpenCV框架下颜色空间互转API的使用
3.3内容相关
1 .相关颜色空间的原理介绍
2.颜色空间互转理论的介绍
3.OpenCV代码实践
3.4算法理论介绍
3.4.1RGB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:
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: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
\begin{array}{c} Gray = R*0.299+G*0.587+B*0.114\end{array}
Gray=R∗0.299+G∗0.587+B∗0.114
3.4.2RGB与HSV的互转
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。 亮度(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:可以用于偏光矫正,去除阴影,图像分割等;
1.RGB2HSV
或
2.HSV2RGB
3.5基于OpenCV-Python的实现
涉及函数:
cv2.cvtColor(),cv2.inRange()
3.5.1转换颜色空间
在OpenCV中超过150 种进行颜色空间转换的方法。但是你以后就会发现我们经常用到的也就两种:BGR↔Gray 和 BGR↔HSV。
我们用到的函数是cv2.cvtColor(input_imageflag),其中flag就是转换类型。
对于BGR↔Gray的转换,我们使用的flag就是cv2.COLOR_BGR2GRAY。
同样对于BGR↔HSV的转换我们用的flag就是cv2.COLOR_BGR2HSV。
使用以下的命令得到所有的flag:
import cv2
flags=[i for in dir(cv2) if i startswith('COLOR_')]
print (flags)
在 OpenCV 的 HSV 格式中,H(色彩/色度)的取值范围是 [0,179], S(饱和度)的取值范围 [0,255],V(亮度)的取值范围 [0,255]。但是不同的软件使用的值可能不同。所以当你拿 OpenCV 的 HSV 值与其他软件的 HSV 值对比时,一定要记得归一化。
3.5.2物体跟踪
现在我们知怎样将一幅图像从 BGR 换到 HSV 了,我们可以利用HSV来提取带有某个特定色的物体。在 HSV 颜色空间中要比在 BGR 空间中更容易表示一个特定颜色。在我们的程序中,我们提取的是一个蓝色的物体。下就是就是我们做的几步:
1.从视频中获取每一帧图像
2.将图像转换到HSV空间
3.设置HSV阈值到蓝色范围
4.获取蓝色物体,当然也可以画一个圆
import cv2
import numpy as np
cap = cv2.VideoCapture(0)
while(1):
#获取每一帧
ret,frame = cap.read()
#转换到HSV
hsv = cv2.cvtColor(frame,cv2.COLOR_BGR2HSV)
#设定蓝色的阀值
lower_blue = np.array([110,50,50])
upper_blue = np.array([130,255,255])
#根据阀值构建掩模
mask = cv2.inRange(hsv,lower_blue,upper_blue)
#对原图和掩模进行位运算
res = cv2.bitwise_and(frame,frame,mask=mask)
#显示图像
cv2.imshow('frame',frame)
cv2.imshow('mask',mask)
cv2.imshow('res',res)
k = cv2.waitKey(5)&0xFF
if k == 27:
break # esc 键退出
#关闭窗口
cv2.destroyAllWindows()
输出结果为:
此案例来自于Pyhon-OpenCV文档
其中,cv2.inRange()函数的使用详见此处
cv2.bitwise_and()函数的使用详见此处,更详细的图像逻辑运算及掩膜操作见此处
怎样找到要跟踪对象的HSV值
函数cv2.cvtColor()可以用到这里,现在需要传入的参数是RGB的值而不是一幅图。例如要找到绿色的HSV值,只需在终端输入以下命令:
green=np.uint8([[[0,255,0]]])
hsv_green=cv2.cvtColor(green,cv2.COLOR_BGR2HSV)
print(hsv_green)
结果为:
[[[ 60 255 255]]]
现在你可以分别用 [H-100,100,100] 和 [H+100,255,255] 做上下阀值。除了个方法之外,你可以使用任何其他图像编辑软件(例如 GIMP) 或者在线换软件找到相应的 HSV 值,但是后别忘了调节 HSV 的范围。
最后给出常用的HSV色彩空间表
The End!