OpenCV-python学习笔记（四）——色彩空间类型转换

最新推荐文章于 2024-04-29 11:13:58 发布

山野的风.

最新推荐文章于 2024-04-29 11:13:58 发布

阅读量1.3k

点赞数

分类专栏： OpenCV 文章标签： opencv python 学习

本文链接：https://blog.csdn.net/weixin_56321457/article/details/125922295

版权

OpenCV 专栏收录该内容

14 篇文章 10 订阅

订阅专栏

第四章色彩空间类型转换

一、色彩空间基础

常见的色彩空间有：RGB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

4.1.1 GRAY色彩空间

GRAY（灰度图像）指8位灰度图，像素范围[0,255]

**RGB转为GRAY：**Gray=0.299·R+0.587·G+0.114·B

简化方式为： $G r a y = (R + G + B) /3$

其中R=G=B=Gray

4.1.2 XYZ色彩空间

XYZ色彩空间是由CIE(International Commission on lllumination）定义的，是一种更便于计算的色彩空间，它可以与RGB色彩空间相互转换。

（1）RGB转为XYZ
在这里插入图片描述

（2）XYZ转为RGB
在这里插入图片描述

4.1.3 YCrCb色彩空间

人眼视觉系统(HVS,Human Visual System）对颜色的敏感度要低于对亮度的敏感度。在传统的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。

（1）RGB转YCrCb色彩空间

Y=0.299·R+0.587·G+0.114·B
Cr= (R-Y) ×0.713+delta
Cb= (B-Y)×0.564+delta

delta=128（8位图像），32768（16位图像），0.5（单精度图像）

（2）YCrCb色彩空间转RGB

R=Y+1.403·(Cr-delta)
G=Y-0.714·(Cr-delta) -0.344·(Cb-delta)
B=Y+1.773·(Cb-delta)

4.1.4 HSV色彩空间

RGB是从硬件的角度提出的颜色模型，在与人眼匹配的过程中可能存在一定的差异HSV色彩空间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的角度出发，指出人眼的色彩知觉主要包含三要素:色调(Hue，也称为色相)、饱和度(Saturation)、亮度(Value)，色调指光的颜色，饱和度是指色彩的深浅程度，亮度指人眼感受到的光的明暗程度。

（1）色调:色调与混合光谱中的主要光波长相关，例如“赤橙黄绿青蓝紫"分别表示不同的色调。如果从波长的角度考虑，不同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。
（2）饱和度:指相对纯净度，或一种颜色混合白光的数量。纯谱色是全饱和的，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。
（3）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有关。对于色彩来讲，如果在其中掺入的白色越多，则其亮度越高;如果在其中掺入的黑色越多，则其亮度越低。

色调取值[0,360]，饱和度和亮度均为[0,1]

在这里插入图片描述

4.1.5 HlS色彩空间

HLS 色彩空间包含的三要素是**色调H(Hue)、光亮度/明度L (Lightness)、饱和度s (Saturation) **

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。

4.1.6 CIELab色彩空间

CIELab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。

CIELab色彩空间中的L分量用于表示像素的亮度，取值汜围是[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]。

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-4FpZPleW-1658413423764)(C:\Users\Masiyuan\AppData\Roaming\Typora\typora-user-images\image-20220604110137457.png)]

4.1.7 CIELuv色彩空间

CIELuv色彩空间同CIELab色彩空间一样，都是均匀的颜色模型。CIELuv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。

4.1.8 Bayer色彩空间

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。

二、类型转换函数

cv2.cvColor()函数实现色彩空间的变换

dst=cv2.cvtColor (src,code[,dstCn])

**（1）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。
（2）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。
**（3）code：**色彩空间转换码。
**（4）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。

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色彩空间中第1个8位（第1个字节)存储的是蓝色组成信息(Bluecomponent)，第2个8位（第2个字节)存储的是绿色组成信息(Greencomponent)，第3个8位（第3个字节）存储的是红色组成信息(Red component同样，其第4个、第5个、第6个字节分别存储蓝色、绿色、红色组成信息，以此类推.

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]

三、类型转换实例

3.3.1 数组实例

例1：BGR和RGB模式转换

import cv2
import numpy as np
img=np.random.randint (0,256,size=[2,4,3],dtype=np.uint8)
rgb=cv2.cvtColor ( img,cv2.COLOR_BGR2RGB)
bgr=cv2.cvtColor (rgb,cv2.COLOR_RGB2BGR)
print ("img=In",img)
print ("rgb=\n",rgb)
print ("bgr=\n",bgr)

3.3.1 图像实例

例1：图像从BGR转为RGB和灰度：

import cv2
lena=cv2.imread ( "lenacolor.png",-1)
rgb=cv2.cvtColor (lena,cv2.COLOR_BGR2RGB)
gray=cv2.cvtColor(rgb,cv2.COLOR_BGR2GRAY)
cv2.imshow ("lena",lena)
cv2.imshow ( "rgb",rgb)
cv2.imshow ( "gray",gray)
cv2.waitKey ()
cv2.destroyAllWindows ()

四、HSV色彩空间讨论

4.4.1 基础知识

（1）色调H

色调取值范围[0,360]，把色调映射到[0,255]，所以把色调值除以2
在这里插入图片描述
（2）饱和度S

范围[0,1]，将其映射到[0,255]范围内

（3）亮度V

范围[0,1]，将其映射到[0,255]范围内，亮度值越大，图像越亮;亮度值越低，图像越暗。当亮度值为0时，图像是纯黑色。

4.4.2 标记指定颜色

4.4.2.1 inRange函数锁定特定值

dst=cv2.inRange (src,lowerb,upperb)

**（1）dst：**表示输出结果，大小和src一致。
**（2）src：**表示要检查的数组或图像。
**（3）lowerb：**表示范围下界。
**（4）upperb：**表示范围上界。

如果src值处于该指定区间内，则dst中对应位置上的值为255。
如果src值不处于该指定区间内，则dst中对应位置上的值为0。

**示例：**将[100,200]内的值标注出来

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

4.4.2.2 基于掩码的按位与显示ROI

**示例：**不感兴趣区用黑色显示，掩码的方式将其设置为0

import cv2
import numpy as np
img=np.ones ([5,5],dtype=np.uint8) *9
mask=np.zeros ([5,5],dtype=np.uint8)
mask[0:3,0]=1
mask[2:5,2:4]=1
roi=cv2.bitwise_and ( img,img,mask=mask)
print ("img=\n",img )
print ("mask=\n",mask)print ("roi=\n",roi)

4.4.2.3 显示特定颜色

**示例：**提取opencv的logo的蓝色

import cv2
import numpy as np
opencv=Cv2.imread ( "opencv.jpg")
hsv=cv2.cvtColor (opencv,cv2.COLOR_BGR2HSV)
cv2.imshow ( 'opencv',opencv)
#=======指定蓝色值的范围=======
minBlue=np.array ([110,50,50])
maxBlue=np.array ([130,255,255])
#确定蓝色区域
mask=cv2.inRange ( hsv,minBlue,maxBlue)
#通过掩码控制的按位与运算，锁定蓝色区域
blue=cv2.bitwise_and (opencv,opencv,mask=mask)
cv2.imshow ('blue',blue)
cv2.waitKey ()
cv2.destroyAllWindows ()

4.4.2.4 实现艺术效果

将一幅图像的H通道和S通道的值保持不变，而将其V通道的值都调整为255，即设置为最亮，观察得到的艺术效果。

五、alpha通道（透明度）

示例：对图像aipha通道处理

import cv2
img=cv2.imread("lenacolor.png")
bgra=cv2.cvtColor(img,cv2.COLOR_BGR2BGRA)
b,g,r,a=cv2.split(bgra)
a[:,:]=125
bgra125=cv2.merge([b,g,r,a])
a[:,:]=0
bgra0=cv2.merge([b,g,r,a])
cv2.imshow("img",img)
cv2.imshow("bgra",bgra)
cv2.imshow("bgra125",bgra125)
cv2.imshow("bgra0",bgra0)
cv2.waitKey ()
cv2.destroyAllWindows ()
#======分别保存alpha通道值的图像========#
cv2.imwrite ("bgra.png",bgra)
cv2.imwrite ("bgra125.png",bgra125)
cv2.imwrite ("bgra0.png",bgra0)