图像处理Task03彩色空间互相转换以及基于HSV颜色检测的目标跟踪

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：
$$\begin{array}{c}Gray=R\ast 0.299+G\ast 0.587+B\ast 0.114\end{array}$$

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!