python中颜色空间直方图_OpenCV—python 颜色空间（RGB，HSV，Lab）与 颜色直方图

一、图像分类的过程

image.png

图片必须经过标注

图片的类别为有限的集合，如{猫、狗、牛、马、狼}

每个类别的图片数量接近，如果不同类别图片的数量差异很大，训练出来的分类器容易倾向于图片数量多的类别

划分训练/测试集

在训练之前，要把数据集划分为训练集(学习分类器)和测试集(对分类器进行评估)

训练集和测试集相互独立，不重合！

3.特征表示 ：对图片进行数值处理，转换成计算机可理解的特征，常用特征：

颜色直方图(Color Histograms)

方向梯度直方图(Histogram of Oriented Gradients，HOG)

局部二值模式(Local Binary Pattern，LBP)

分类算法 ：一般分类算法即可：逻辑回归，支持向量机(SVM)，随机森林

模型评估 ： 混淆矩阵(Confusion Matrix)

精确度(Precision)

召回率(Recall)

F1值(F1 score) recall与Precision的调和均值

二、开发环境：(安装)OpenCV 计算机视觉库

安装：

方法1：conda install -c menpo opencv

方法2：conda install --channel https://conda.anaconda.org/menpo opencv3

方法3：pip/conda install opencv-python

方法4：使用 whl 文件进行安装，进入网站 http://www.lfd.uci.edu/~gohlke/pythonlibs/。

下载与当前环境兼容的 opencv 文件。切换到该文件所在的目录，在命令行环境下使用

例如：安装文件：opencv_python-3.2.0-cp35-cp35m-win_amd64.whl

pip install opencv_python-3.2.0-cp35-cp35m-win_amd64.whl

opencv 的导入：

import cv2

cv2.__version__

OpenCV的使用

在线文档：http://docs.opencv.org/2.4.11/

三、颜色空间(颜色模型：RGB，HSV，Lab)

RGB颜色空间有：

RGB :模型容易理解，连续变换颜色时不直观

(红red 绿green 蓝blue)三原色：取值范围都是：[0,255],[0,255],[0,255]

HSV: 是为了数字化图像提出来了，不能很好的表示人眼解释图像过程

H (Hue)色相:[0,360]

S (Saturation)饱和度，即色彩纯净度，0饱和度为白色

V (Value/Brightness):明度 0明度为纯黑色

在OpenCV中，颜色范围：

H = [0,179]

S = [0,255]

V = [0,255]

Lab：颜色之间的欧式距离有具体含义–距离越大，人眼感官两种颜色差距越远

L 通道：像素亮度，上白下黑 中间灰

a 通道：左绿 右红

b 通道：一端纯蓝，一端纯黄

灰度图：每个像素[0,255]

根据人眼敏感度，把RGB图片转换为灰度图，不是简单把RGB每个通道取平均值

而是：Y = 0.299R + 0.587G + 0.114*B

image.png

3.1 opencv–HSV颜色空间

HSV(hue,saturation,value)颜色空间的模型对应于圆柱坐标系中的一个圆锥形子集，圆锥的顶面对应于V=1. 它包含RGB模型中的R=1，G=1，B=1 三个面，所代表的颜色较亮。

色彩H由绕V轴的旋转角给定。红色对应于 角度0° ，绿色对应于角