03-颜色空间互转

简介

图像颜色空间互转在图像处理中应用非常广泛，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，所以图像颜色互转是十分重要和关键的。

算法理论介绍

颜色空间转换

在 OpenCV 中有 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。这里给出OpenCV中文文档。

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。

你可以下的命令得到所有可用的 flag。

import cv2
import numpy as np

for i in dir(cv2):
#startswith()函数是Python的字符串函数，用于检测字符串是否以指定字符串开头。如果是则返回True，否则返回False.
    if i.startswith('COLOR_'):  #i为待检验字符串，检测i字符串是否是含有括号里面字符串的开头
        print(i)
#简写
flags=[i for i in dir(cv2) if i.startswith('COLOR_')]
print(flags)

1.RGB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，最终可以得到白色光。如下图：

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，如下图：

对于彩色图转灰度图，有一个很著名的心理学公式：
Gray = R * 0.299 + G * 0.587 + B * 0.114

互转公式

参照OpenCV官方文档，公式如下：

代码实现

from PIL import Image
img=Image.open("qq.JPG")
img.show()
L = img.convert('L')
L.show()

效果如下：

2.RGB与HSI互转

HSI简介

HSI色彩空间是从人的视觉系统出发，直接用颜色三要素：色调(Hue)、饱和度(Saturation或Chroma)和亮度 (Intensity或Brightness)来描述色彩。
HSI也称HSL(L指lightness/luminance)。

• H——表示颜色的相位角，是彩色最重要的属性，决定颜色的本质。红、绿、蓝分别相隔120度；互补色分别相差180度，即颜色的类别。
• S——表示颜色的深浅程度，饱和度越高，颜色越深。与白色的比例有关，白色比例越多，饱和度越低。
• I——表示色彩的明亮程度，人眼对亮度很敏感。

HSI彩色空间可以用一个圆锥空间模型来描述：

可以看到HSI色彩空间和RGB色彩空间只是同一物理量的不同表示法，因而它们之间存在着转换关系：HSI颜色模式中的色调使用颜色类别表示，饱和度与颜色的白光光亮亮度刚好成反比，代表灰色与色调的比例，亮度是颜色的相对明暗程度。

由于人的视觉对亮度的敏感程度远强于对颜色浓淡的敏感程度，为了便于颜色处理和识别，人的市局系统经常采用HSI彩色空间，它比RGB空间更符合人的视觉特性。此外，由于HSI空间中亮度和色度具有可分离性，使得图像处理和机器视觉中大量灰度处理算法都可在HSI空间方便进行。

应用：可以用于偏光矫正、去除阴影、图像分割等。

互转公式

参照OpenCV官方文档，公式如下：

代码

import cv2
img =cv2.imread("qq.JPG")
hsi_img=cv2.cvtColor(img,cv2.COLOR_BGR2HSI)#原始RGB转化成HSI 
rgb_img = cv2.cvtColor(hsi_img,cv2.COLOR_HSV2BGR)#HSI转化成RGB

# cv2.imshow('Origin',img)
cv2.imshow('HSI',hsi_img)
cv2.imshow('RGB',rgb_img)

cv2.waitKey(0)
cv2.destroyAllWindows()

效果如下

3.RGB与HSV互转

HSV简介

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。明度（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。

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：同HSI一样，可以用于偏光矫正、去除阴影、图像分割等。

互转公式

参照OpenCV官方文档，公式如下：

import cv2
img =cv2.imread("qq.JPG")
hsv_img=cv2.cvtColor(img,cv2.COLOR_BGR2HSV)#改变转化类型
rgb_img = cv2.cvtColor(hsv_img,cv2.COLOR_HSV2BGR)

# cv2.imshow('Origin',img)
cv2.imshow('HSV',hsv_img)
cv2.imshow('RGB',rgb_img)

cv2.waitKey(0)
cv2.destroyAllWindows()

效果如下

4.HSV与HSI区别

HSV
是RGB色彩空间的一种变形，它的内容与色彩尺度与其出处——RGB色彩空间有密切联系。对应的媒介是人眼。
HSI (I指intensity) 与 HSV非常相似，仅用亮度（lightness）替代了明度（brightness）。工业上使用更常见。

二者区别在于，一种纯色的明度等于白色的明度，而纯色的亮度等于中度灰

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。HSV颜色模型所代表的颜色域是CIE色度图的一个子集，这个 模型中饱和度为百分之百的颜色，其纯度一般小于百分之百。在圆锥的顶点(即原点)处，V=0,H和S无定义， 代表黑色。圆锥的顶面中心处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。可以说，HSV模型中的V轴对应于RGB颜色空间中的主对角线。 在圆锥顶面的圆周上的颜色，V=1，S=1,这种颜色是纯色。HSV模型对应于画家配色的方法。画家用改变色浓和 色深的方法从某种纯色获得不同色调的颜色，在一种纯色中加入白色以改变色浓，加入黑色以改变色深，同时 加入不同比例的白色，黑色即可获得各种不同的色调。

HSI色彩空间是从人的视觉系统出发，用色调(Hue)、色饱和度(Saturation或Chroma)和亮度 (Intensity或Brightness)来描述色彩。HSI色彩空间可以用一个圆锥空间模型来描述。用这种 描述HIS色彩空间的圆锥模型相当复杂，但确能把色调、亮度和色饱和度的变化情形表现得很清楚。 通常把色调和饱和度通称为色度，用来表示颜色的类别与深浅程度。由于人的视觉对亮度的敏感 程度远强于对颜色浓淡的敏感程度，为了便于色彩处理和识别，人的视觉系统经常采用HSI色彩空间， 它比RGB色彩空间更符合人的视觉特性。在图像处理和计算机视觉中大量算法都可在HSI色彩空间中 方便地使用，它们可以分开处理而且是相互独立的。因此，在HSI色彩空间可以大大简化图像分析 和处理的工作量。HSI色彩空间和RGB色彩空间只是同一物理量的不同表示法，因而它们之间存在着 转换关系。

再者模型上也有很大区别，上面介绍HSI和HSV时已经说明了，就不在继续阐述。

总结

该部分主要讲解彩色空间互转，彩色空间互转是传统图像算法的一个关键技术，学习颜色转换有助于我们理解图像的色域，从而为我们从事CV相关工程技术和科学研究提供一些基础、灵感和思路。

参考博客：
https://blog.csdn.net/weixin_40647819/article/details/92596879
https://blog.csdn.net/weixin_40647819/article/details/92660320