python-openCV学习笔记（3）-色彩空间类型转换

色彩空间类型转换是指，将图像从一个色彩空间转换到另外一个色彩空间。

色彩空间基础

比较常见的色彩空间包括GRAY色彩空间、XYZ色彩空间、YCrCb色彩空间、HSV色彩空间、HLS色彩空间、CIELab色彩空间、CIELuv色彩空间、Bayer色彩空间等。

GRAY色彩空间

GRAY（灰度图像）通常指8位灰度图，其具有256个灰度等级，像素值的范围是[0,255].
当图像由RGB色彩空间转换位GRAY色彩空间时，其处理方式如下：
$Gray=0.299\ast R+0.587\ast G+0.114\ast B$
上述是标准的转换方式，也是OpenCV中使用的转换方式。
有时也会采样简化形式完成转换：
$Gray=\frac{R+G+B}{3}$
当图像由GRAY色彩空间转换为RGB色彩空间时，最终所有通道的值都将相同。
$$\begin{gathered} R=Gray \\ G=Gray \\ B=Gray \end{gathered}$$

XYZ色彩空间

XYZ色彩空间是由CIE定义的，是一种更加便于计算的色彩空间，他可以和RGB色彩空间相互转换。
将RGB色彩空间转换为XYZ色彩空间，其转换形式为：
$\left[\begin{array}{c}X\\ Y\\ Z\end{array}\right]=\left[\begin{array}{ccc}0.412453& 0.357580& 0.180423\\ 0.212671& 0.715160& 0.072169\\ 0.019334& 0.119193& 0.950227\end{array}\right]\ast \left[\begin{array}{c}R\\ G\\ B\end{array}\right]$
将XYZ色彩空间转换为RGB色彩空间，其转换形式为：
$\left[\begin{array}{c}R\\ G\\ B\end{array}\right]=\left[\begin{array}{ccc}3.240479& -1.53715& -0.498535\\ -0.969256& 1.875991& 0.041556\\ 0.055648& -0.204043& 1.057311\end{array}\right]\ast \left[\begin{array}{c}X\\ Y\\ Z\end{array}\right]$

YCrCb色彩空间

人眼视觉系统（HVS)对颜色的敏感度要低于对亮度的敏感度。在传统是RGB色彩空间内，RGB三原色具有相同的重要性，但是忽略了亮度信息。
在YCrCB色彩空间中，Y代表光源的亮度，色度信息保存在Cr和Cb中，其中，Cr表示红色分量信息，Cb表示蓝色分量信息。
亮度给出了颜色亮或暗的程度信息，该消息通过照明中强度成分的加权和来计算。在RGB光源下，绿色成分的影响最大，蓝色成分的影响最小。
从RGB色彩空间到YCrCb色彩空间的转换公式为：
$$\begin{gathered} Y=0.299\ast R+0.587\ast G+0.114\ast B \\ Cr=(R-Y)\ast 0.713+delta \\ Cb=(B-Y)\ast 0.564+delta \end{gathered}$$
从YCrCb色彩空间到RGB色彩空间的转换公式为：
$$\begin{gathered} R=Y+1.403\ast (Cr-delta) \\ G=Y-0.714\ast (Cr-delta)-0.344\ast (Cb-delta) \\ B=Y+1.773\ast (Cb-delta) \end{gathered}$$
式中，delta的值为
$delta=\{\begin{array}{ll}128,& \text{8位图像}\\ 32768,& \text{16位图像}\\ 0.5,& \text{单精度图像}\end{array}$

HSV色彩空间

RGB是从硬件的角度提出颜色模型，在与人眼匹配的过程中可能存在一定的差异。但HSV色彩空间不同，是一种面向视觉感知的颜色模型。HSV色彩空间从心理学和视觉角度出发，指出了人眼的色彩知觉主要包含三要素：色调、饱和度、亮度，色调指光的颜色，饱和度指色彩深浅程度、亮度之人眼感受到的光的明暗程度。
色调：色调与混合光谱中主要光波长相关。如果从波长的角度考虑，不同的波长的光表现为不同的颜色，实际上它们体现的是色调的差异。8位图像内每个像素点所能代表的灰度级有256个，所以在8位图像内表示HSV图像时，要把色调的角度值映射到[0,255]范围内，在OpenCV中，可以直接把色调的角度值除以2，得到[0,180]之间的值,以适应8位二进制的存储和表示范围。
饱和度：指相对纯净度，或一种颜色混合白光的数量。纯普色是全饱和的，像深红色（红加白）和淡紫色（紫加白）这样的彩色是欠饱和的，饱和度与所加白光的数量成反比。进行色彩空间转换后，为了适应8位图的256个像素级，需要将新色彩空间映射到[0,255]范围内，所以，同样要将饱和度S的值从[0,1]范围映射到[0,255]范围内。
亮度：反映的是人眼感受到的光的明暗程度，该指标与物体的反射度相关。对于色彩来讲，如果期中参入的白色越多，则亮度越高；如果其中掺入的黑色越多，则其亮度越低。亮度范围与饱和度的范围一样，因此在OpenCV内也将值映射到[0,255]内。
在从RGB色彩空间转换到HSV色彩空间之前**，**_**需要先将RGB色彩空间的值转换到[0, 1]之间，**然后再进行处理。_具体处理方法为：
$$\begin{gathered} V=max(R,G,B) \\ S=\{\begin{array}{ll}0，& \text{V=0}\\ \frac{v-min（R,G,B)}{V},& \text{V其他情况}\end{array} \\ H=\{\begin{array}{ll}\frac{60\ast (G-B)}{V-min(R,G,B)}，& \text{V=R}\\ 120+\frac{60\ast (B-R)}{V-min(R,G,B)},& \text{V=G}\\ 240+\frac{60\ast (R-G)}{V-min(R,G,B)},& \text{V=B}\end{array} \end{gathered}$$
计算结果可能存在H<0的情况，如果出现这种情况，则需要对H进行进一步计算，如下:
$H=\begin{cases}
H+360，&\text{H<0}\
H, &\text{其他情况}
\end{cases}\$
由上述公式可知：
$S\in[0, 1]\
V\in[0, 1]\
H\in[0, 360]\$

HLS色彩空间

HLS色彩空间包含三要素：色调H、光亮度\明度L、饱和度S与HSV色彩空间类似，只是HLS色彩空间用“光亮度/明度L”替换了“亮度”。
色调：表示人眼所能感知的颜色，在 HLS 模型中，所有的颜色分布在一个平面的色调环上，整个色调环为360度的圆心角，不同的角度代表不同的颜色。
光亮度/明度：用来控制色彩的明暗变化，它的取值范围也是[0,1]。我们通过光亮度/明度的大小来衡量有多少光线从物体表面反射出来。光亮度/明度对于眼睛感知颜色很重要，因为当一个具有色彩的物体处于光线太强或者光线太暗的地方时，眼睛是无法准确感知物体颜色的。
饱和度：使用[0,1]的值描述相同色调、相同光亮度/明度下的色彩纯度变化。饱和度的值越大，表示颜色的纯度越高，颜色越鲜艳；反之，饱和度的值越小，色彩的纯度越低，颜色越暗沉。通常用该属性表示颜色的深浅，比如深绿色、浅绿色

CIELab*色彩空间

CIEL * a * b 色彩空间是均匀色彩空间模型，它是面向视觉感知的颜色模型。从视觉感知均匀的角度来讲，人所感知到的两种颜色的区别程度，应该与这两种颜色在色彩空间中的距离成正比。在某个色彩空间中，如果人所观察到的两种颜色的区别程度，与这两种颜色在该色彩空间中对应的点之间的欧式距离成正比，则称该色彩空间为均匀色彩空间。
CIEL * a * b 色彩空间中的L分量用于表示像素的亮度，取值范围是[0,100]，表示从纯黑到纯白；a * 分量表示从红色到绿色的范围，取值范围是[-127,127]; b * 分量表示从黄色到蓝色的范围，取值范围是[-127,127]。
在从RGB色彩空间转换到CIEL * a * b * 色彩空间之前，需要先将RGB色彩空间的值转换到[0,1]之间，然后再进行处理。
_由于CIEL * a * b * 色彩空间是在CIE的XYZ色彩空间的基础上发展起来的，在具体处理时，需要先将RGB转换为XYZ色彩空间，再将其转换到CIELa * b *色彩空间。_具体实现方法为：
$\begin{bmatrix}X\Y\Z\end{bmatrix}=\begin{bmatrix}0.412453&0.357580&0.180423\0.212671&0.715160&0.072169\0.019334&0.119193&0.950227 \end{bmatrix}\begin{bmatrix}R\G\B \end{bmatrix}\
X=\frac{X}{X_n}, X_n=0.950456\
Z=\frac{Z}{Z_n}, Z_n=1.088754\
L=\begin{cases}
116Y^{\frac{1}{3}}-16，&\text{Y>0.008856}\
903.3Y, &\text{Y其他情况}
\end{cases}\
a=500*(f(X)-f(Y))+delta\
b=200*(f(Y)-f(Z))+delta\$
式中：
$f(t)=\begin{cases}
t^{\frac{1}{3}}-16，&\text{t>0.008856}\
7.787*t+\frac{16}{116}, &\text{其他情况}
\end{cases}\
delta=\begin{cases}
128,&\text{8位图像}\
0, &\text{单精度图像}
\end{cases}\$
由上述公式可知：
$L\in[0, 100]\
a\in[-127, 127]\
b\in[-127, 127]\$

CIELuv*色彩空间

CIEL * u * v * 色彩空间同 CIEL * a * b * 色彩空间一样，都是均匀的颜色模型。CIEL * u * v * 色彩空间与设备无关，适用于显示器显示和根据加色原理进行组合的场合，该模型中比较强调对红色的表示，即对红色的变化比较敏感，但对蓝色的变化不太敏感。
下面的公式给出了从RGB色彩空间到CIEL * u * v 色彩空间的转换公式。
从RGB色彩空间到XYZ色彩空间的转换：
$\begin{bmatrix}X\Y\Z\end{bmatrix}=\begin{bmatrix}0.412453&0.357580&0.180423\0.212671&0.715160&0.072169\0.019334&0.119193&0.950227 \end{bmatrix}\begin{bmatrix}R\G\B \end{bmatrix}\$
从XYZ色彩空间到CIEL * u * v 色彩空间的转换：
$L=\begin{cases}
116Y^{\frac{1}{3}}-16，&\text{Y>0.008856}\
903.3*Y, &\text{其他情况}
\end{cases}\
u_1=\frac{4X}{X+15Y+3Z}\
v_1=\frac{9Y}{X+15Y+3Z}\
u=13L(u_1-u_n),u_n=0.19793943\
v=13L(v_1-v_n),v_n=0.46831096\$
所得结果中各个值的取值范围分别为：
$L\in[0, 100]\
u\in[-134, 220]\
v\in[-140, 122]\$

Bayer色彩空间

Bayer色彩空间（Bayer模型）被广泛地应用在CCD和CMOS相机中。它能够从如图所示的单平面R、G、B交错表内获取彩色图像。
输出的RGB图像的像素点值，是根据当前点的1个、2个或4个邻域像素点的相同颜色的像素值获得的。上述模式能够通过移动一个左边的像素或者上方的像素来完成修改。在函数cv2.cvtColor（）的色彩空间转换参数中，通常使用两个特定的参数x和y来表示特定的模式。该模式组成通过图第二行中的第2列与第3列的值来指定。图就是典型的“BG”模式。

类型转换函数

在OpenCV中，我们使用cv2.cvtColor()函数进行色彩空间的转换。该函数可以实现多个色彩空间的转换。
dst = cv2.cvtColor(src,code[,dstCn])
dst：表示输出图像，与原始输入图像具有同样的数据类型和深度。
src：表示原始输入图像。可以是8位无符号图像、16位无符号图像，或者单精度浮点数等。
code：是色彩空间转换码。
dstCn：是目标图像的通道数。如果参数为默认的0，则通道数自动通过原始输入图像和code得到。






注意：BGR色彩空间与传统的RGB色彩空间不同。对于一个标准的24位位图，BGR色彩空中第1个字节存放的是蓝色组成的信息，第2个字节存放的是绿色组成的信息，第3个字节存放的是红色组成的的信息。
颜色空间的转换都用到了如下约定：
8位图像值的范围是[0,255]。
16位图像值的范围是[0,65 535]。
浮点数图像值的范围是[0.0~1.0]。

img=np.random.randint(0,256,size=[2,4,3],dtype=np.uint8)
rat=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
print("img=\n",img)
print("rat=\n",rat)
print("img[1,0,0]=",img[1,0,0])
print("img[1,0,1]=",img[1,0,1])
print("img[1,0,2]=",img[1,0,2])
print("像素点（1，0），直接计算得到的值=",
        img[1,0,0]*0.114+img[1,0,1]*0.587+img[1,0,2]*0.299)
print("像素点（1，0）使用公式cv2.cvtColor()转换值=",rat[1,0])
img1=cv2.cvtColor(rat,cv2.COLOR_GRAY2BGR)
print("img1[1,0,0]=",img1[1,0,0])
print("img2[1,0,1]=",img1[1,0,1])
print("img3[1,0,2]=",img1[1,0,2])
rgb=cv2.cvtColor(img,cv2.COLOR_BGR2RGB)
bgr=cv2.cvtColor(rgb,cv2.COLOR_RGB2BGR)
print("rgb=\n",rgb)
print("bgr=\n",bgr)

标记指定颜色

通过inRange函数锁定特定值

OpenCV中通过函数cv2.inRange()来判断图像内像素点的像素值是否在指定的范围内，其语法格式为：
dst=cv2.inRange(src,lowerb,upperb
式中：
dst表示输出结果，大小和src一样
src表示要检查的数组或者图像
lowerb表示范围下界
upperb表示范围上界
返回值dst和src等大小，其值取决于src中对应位置上 的值是否在处于区间[lowerb,upperb]内。
如果src值处于该区间内，则dst对应位置上的值为255
如果src值不处于该区间内，则dst对应位置上的值为0

img=np.random.randint(0,256,size=[5,5],dtype=np.uint8)
min=100
max=200
mask=cv2.inRange(img,min,max)
print("img=\n",img)
print("mask=\n",mask)

alpha通道

在RGB色彩空间三个通道的基础上，还可以加上一个A通道，也叫alpha通道，表示透明度。这种4个通道的色彩空间被称为RGBA色彩空间，PNG图像是一种典型的4通道图像，alpha通道的赋值范围是[0,1]，或者[0,255]，表示从透明到不透明。