基于HSV空间色彩的图像分割方法(含python代码实现)

---

1. 介绍

HSV颜色系统简介：
HSV 即使用色相（Hue）、饱和度（Saturation）、明度（Value）来表示色彩的一种方式。是一种在人们生活中常用的颜色系统，因为它符合人们描述颜色的方式——是什么颜色、颜色有多深、颜色有多亮。

（1）$H$(色相，Hue)：将颜色用0°~360°来表示，常见的色相与数值按照下表对应：

红	黄	绿	青色	蓝色	品红	红
0°	60°	120°	180°	240°	300°	360°

图形可视化：

（2）$S$(饱和度，saturation)：是指色彩的纯度，也可以理解为色彩的深浅度。对于同种色彩下饱和度越低则颜色越黯淡，并且有s∈[0,1)

（3）$V$(明度，value)：即颜色的明暗程度。数值越高越接近白色，数值越低越接近黑色且V∈[0,1)

2. HSV颜色空间

    HSV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（圆锥的中轴）的旋转角给定。红色对应于角度0° ，绿色对应于角度120°，蓝色对应于角度240°。在HSV颜色模型中，每一种颜色和它的补色相差180° 。
    饱和度$S$：取值从0到1，所以圆锥顶面的半径为１。
    圆锥的顶点(即原点)：$V=0$，$H$ 和 $S$ 无定义， 代表黑色。
    圆锥的顶面中心： $S=0,V=1$，$H$无定义，代表白色。从该点到原点代表亮度渐暗的灰色，即具有不同灰度的灰色。对于这些点，$S=0$，$H$的值无定义。
    在圆锥顶面的圆周上的颜色，V=1，S=1，这种颜色是纯色。

3. python实现HSV图像分割

这里我采用的是IDRiD数据集中的一张图片，目的是想试一下HSV在硬渗出物分割的表现：

3.1. 代码实现

from skimage.io import imread, imshow
from skimage import img_as_ubyte  # For converting the float image to uint8
from skimage import io, color
from skimage.color import rgb2hsv
from matplotlib import pyplot as plt
import numpy as np

image_path = "img.jpg"
rgb_image = io.imread(image_path)

img_hsv = rgb2hsv(rgb_image)
# -------------转换成HSV色彩空间----------------
fig, ax = plt.subplots(1, 3, figsize=(12,4))
ax[0].imshow(img_hsv[:,:,0], cmap='gray')
ax[0].set_title('Hue')
ax[1].imshow(img_hsv[:,:,1], cmap='gray')
ax[1].set_title('Saturation')
ax[2].imshow(img_hsv[:,:,2], cmap='gray')
ax[2].set_title('Value')
plt.show()
# --------------获得每个HSV通道的强度值---------------
fig2, ax2 = plt.subplots(1, 3, figsize=(20, 5))
ax2[0].imshow(img_hsv[:,:,0],cmap='hsv')
ax2[0].set_title('hue')
ax2[1].imshow(img_hsv[:,:,1],cmap='hsv')
ax2[1].set_title('transparency')
ax2[2].imshow(img_hsv[:,:,2],cmap='hsv')
ax2[2].set_title('value')

 # 显示colorbar,下面会用到colorbar设定阈值范围
fig2.colorbar(imshow(img_hsv[:,:,0],cmap='hsv'))
# fig2.colorbar(imshow(img_hsv[:,:,1],cmap='hsv'))
# fig2.colorbar(imshow(img_hsv[:,:,2],cmap='hsv'))

fig2.tight_layout()
plt.show()
# -------------根据colorbar挑选阈值----------------
# 设定hue的阈值范围（色彩范围）：(0.07, 0.22)
lower_mask = img_hsv[:, :, 0] > 0.07
upper_mask = img_hsv[:, :, 0] < 0.22
# 设定saturation的阈值范围（透明度范围）:(0.78, 1)
# 注：如果有上下界就类似上面hue阈值的设置，一个最高值一个最低值
saturation_mask = img_hsv[:, :, 1] > 0.78
# 设定value的阈值范围（亮度范围）:(0.7, 1)
value_mask = img_hsv[:, :, 2] > 0.7

mask = upper_mask * lower_mask * saturation_mask * value_mask

red = rgb_image[:, :, 0] * mask
green = rgb_image[:, :, 1] * mask
blue = rgb_image[:, :, 2] * mask
img_masked = np.dstack((red, green, blue))

imshow(img_masked)
plt.show()

# Save the masked image as PNG
# io.imsave("img_masked.png", img_as_ubyte(img_masked))

3.2. 运行结果

（1）以 gray模式 显示 Hue、Saturation、Value 三个通道

（2）以 hsv模式 显示 Hue、Saturation、Value 三个通道

（3）分割结果图