数字图像学笔记——1. 常用颜色空间转换

比眉伴天荒 2023-03-04 04:29 17阅读 0赞

### 文章目录 ###

*  常用颜色空间
 *   *  1. RGB颜色空间
     *  2. CMY/CMYK颜色空间
     *  3. HSL/HSI/HSV/HSB颜色空间
     *  4. Lab颜色空间
     *  5. YUV/YCbCr 颜色空间
 *  使用OpenCV对颜色空间进行转化

# 常用颜色空间 #

## 1. RGB颜色空间 ##

这是一种由发光元件(例如显示器)所定义的颜色空间, 包含最基本的三原色(红, 绿, 蓝). 生活中所接触到的图像, 大部分由RGB空间表示. 它的一个缺点就是把色调、亮度、饱和度糅合在了一起. 在某一些领域, 例如科学研究、制图绘图等不常采用.

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3BvaXNvbmNocnk_size_16_color_FFFFFF_t_70_pic_center]  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3BvaXNvbmNocnk_size_16_color_FFFFFF_t_70_pic_center 1]

## 2. CMY/CMYK颜色空间 ##

它是工业印刷采用的颜色空间, 基本颜色主要由洋红、黄色、青色、黑色组成。它与RGB的红、黄、蓝相对应, RGB的颜色叠加越多颜色发白, 而CMY叠加的颜色越多颜色越暗, 由于在研究领域方面也比较少用到这个颜色空间, 由于这是一种印刷界使用的标准颜色空间, 因此对于出版行业的人来说比较熟悉. 对于专注于图像研究的我们来说, 只要了解这个颜色空间就行.

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3BvaXNvbmNocnk_size_16_color_FFFFFF_t_70_pic_center 2]

## 3. HSL/HSI/HSV/HSB颜色空间 ##

这是一种在绘图领域比较常见的颜色表达, 主要分为色调、饱和度、明度或者强度. 比如说在PS中, 你可以调出HSV色板, 可以通过调节饱和度和明度, 感受某种颜色的变化情况. 这是一种以光影强度变化为特征的颜色空间体系.

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3BvaXNvbmNocnk_size_16_color_FFFFFF_t_70_pic_center 3]  
尽管叫法和名称在不同资料上可能有所不同, 但本质是一样的 (hue, saturation, indensity/value/light), 如果从波的角度来看这个问题, 色调就是不同的频率, 也就是光谱. 饱和度表示接收端接收到的光信号衰减程度, 而明度表示发射端发射的光波强度, 明度与饱和度共同决定了某个颜色最终表现的情况.

## 4. Lab颜色空间 ##

Lab颜色模型是由CIE（国际照明委员会）制定的一种色彩模式。自然界中任何一点色都可以在Lab空间中表达出来，它的色彩空间比RGB空间还要大。另外，这种模式是以数字化方式来描述人的视觉感应， 与设备无关，所以它弥补了RGB和CMYK模式必须依赖于设备色彩特性的不足。由于Lab的色彩空间要比RGB模式和CMYK模式的色彩空间大。这就意味着RGB以及CMYK所能描述的色彩信息在Lab空间中都能 得以影射。

以笛卡尔空间表示, 它有三个轴, L轴是光亮度, 值越大颜色越发白; A轴正半轴是红色, 负半轴是绿色; B轴正半轴是黄色, 负半轴是蓝色.

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3BvaXNvbmNocnk_size_16_color_FFFFFF_t_70]  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3BvaXNvbmNocnk_size_16_color_FFFFFF_t_70 1]

RGB转Lab颜色空间的方式:

**RGB**没法直接转换到**LAB**空间, 通常需要先转换到**XYZ**空间后, 再转换到**LAB**空间.

\[ X Y Z \] = \[ 0.412453 0.357580 0.180423 0.212671 0.715160 0.072169 0.019334 0.119193 0.950227 \] ⋅ \[ R G B \] \\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\} \\cdot \\begin\{bmatrix\} R\\\\ G\\\\ B \\end\{bmatrix\} ⎣⎡XYZ⎦⎤=⎣⎡0.4124530.2126710.0193340.3575800.7151600.1191930.1804230.0721690.950227⎦⎤⋅⎣⎡RGB⎦⎤

\[ R G B \] = \[ 3.240479 − 1.537150 − 0.498535 − 0.969256 1.875992 0.041556 0.055648 − 0.204043 1.057311 \] ⋅ \[ X Y Z \] \\begin\{bmatrix\} R\\\\ G\\\\ B \\end\{bmatrix\} = \\begin\{bmatrix\} 3.240479 & -1.537150 & -0.498535 \\\\ -0.969256 & 1.875992 & 0.041556 \\\\ 0.055648 & -0.204043 & 1.057311 \\end\{bmatrix\} \\cdot \\begin\{bmatrix\} X\\\\ Y\\\\ Z \\end\{bmatrix\} ⎣⎡RGB⎦⎤=⎣⎡3.240479−0.9692560.055648−1.5371501.875992−0.204043−0.4985350.0415561.057311⎦⎤⋅⎣⎡XYZ⎦⎤

**XYZ**对**LAB**空间转换

L = 116 f ( Y / Y ∗ ) − 16 L = 116f(Y/Y^\{\*\}) - 16 L=116f(Y/Y∗)−16

a = 500 \[ f ( X / X ∗ ) − f ( Y / Y ∗ ) \] a = 500\[f(X/X^\{\*\}) - f(Y/Y^\{\*\})\] a=500\[f(X/X∗)−f(Y/Y∗)\]

b = 200 \[ f ( Y / Y ∗ ) − f ( Z / Z ∗ ) ) \] b = 200\[f(Y/Y^\{\*\}) - f(Z/Z^\{\*\}))\] b=200\[f(Y/Y∗)−f(Z/Z∗))\]

其中:

f ( t ) = \{ t 1 3 t > δ 3 t 3 δ 2 + 4 29 o t h e r w i s e f(t) = \\left\\\{\\begin\{matrix\} t^\{\\frac\{1\}\{3\}\} & t > \\delta ^ 3 \\\\ \\frac\{t\}\{3 \\delta^2\} + \\frac\{4\}\{29\} & otherwise \\end\{matrix\}\\right. f(t)=\{ t313δ2t\+294t>δ3otherwise

δ = 6 29 \\delta = \\frac\{6\}\{29\} δ=296

RGB取值范围, 如果不特别说明, 通常研究以 \[ 0 , 1 \] \[0, 1\] \[0,1\]表示, 所以RGB转换为XYZ后, 为了归一, XYZ会分别除以0.950456、1.0、1.088754, 这是因为:

X ∗ = 0.412453 + 0.357580 + 0.180423 = 0.950456 X^\{\*\} = 0.412453 + 0.357580 + 0.180423 = 0.950456 X∗=0.412453\+0.357580\+0.180423=0.950456  
 Y ∗ = 0.212671 + 0.715160 + 0.072169 = 1.0 Y^\{\*\} = 0.212671 + 0.715160 + 0.072169 = 1.0 Y∗=0.212671\+0.715160\+0.072169=1.0  
 Z ∗ = 0.019334 + 0.119193 + 0.950227 = 1.088754  Z^\{\*\} = 0.019334 + 0.119193 + 0.950227 = 1.088754  Z∗=0.019334\+0.119193\+0.950227=1.088754

**LAB**对**XYZ**空间转换  
  
 X = X ∗ f − 1 ( L + 16 116 + a 500 ) X = X^\{\*\} f^\{-1\} ( \\frac\{L + 16\}\{116\} + \\frac\{a\}\{500\} ) X=X∗f−1(116L\+16\+500a)  
 Y = Y ∗ f − 1 ( L + 16 116 ) Y = Y^\{\*\} f^\{-1\} ( \\frac\{L + 16\}\{116\}) Y=Y∗f−1(116L\+16)  
 Z = Z ∗ f − 1 ( L + 16 116 − b 200 ) Z = Z^\{\*\} f^\{-1\} ( \\frac\{L + 16\}\{116\} - \\frac\{b\}\{200\} ) Z=Z∗f−1(116L\+16−200b)

其中:

F ( L ) = L + 16 116 F(L) = \\frac\{L + 16\}\{116\} F(L)=116L\+16

f − 1 ( t ) = \{ t 3 t > δ 3 δ 2 ( t − 4 29 ) o t h e r w i s e f^\{-1\}(t) = \\left\\\{ \\begin\{matrix\} t^\{3\} & t > \\delta \\\\ 3 \\delta ^ 2 ( t - \\frac\{4\}\{29\} ) & otherwise \\end\{matrix\}\\right. f−1(t)=\{ t33δ2(t−294)t>δotherwise

## 5. YUV/YCbCr 颜色空间 ##

YUV与YCbCr是同一种类型的颜色空间表达方式, 其中Y表示亮度, UV表示两种不同的颜色信号, 也就是构成最终颜色的颜色分量, 在YCbCr颜色空间体系下, 颜色表示如下:

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3BvaXNvbmNocnk_size_16_color_FFFFFF_t_70_pic_center 4]  
Y的表示, 在UV不变的情况下, 表现如下:

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3BvaXNvbmNocnk_size_16_color_FFFFFF_t_70_pic_center 5]  
采用YUV色彩空间的重要性是它的亮度信号Y和色度信号U、V是分离的。如果只有Y信号分量而没有U、V分量，那么这样表示的图像就是黑白灰度图像。彩色电视采用YUV空间正是为了用亮度信号Y解决彩色电视机与黑白电视机的兼容问题，使黑白电视机也能接收彩色电视信号。

广播、视频和成像标准使用YUV色彩空间还有一个重要的原因,就是与人的视觉系统很有关系。人类的眼睛对低频信号比对高频信号具有更高的敏感度。事实上,人类的眼睛对明视度的改变也比对色彩的改变要敏感的多。因此对人类而言,Y分量比U分量重要,根据人眼的这一特征,在不使用任何复杂算法的前提下, 可以适当地抛弃U和V分量以达到压缩的目的,这就是部分取样(subsampling)。

YUV与YCrCb的区别：YCrCb颜色空是由YUV颜色空间派生的一种颜色空间。YCbCr是在世界数字组织视频标准研制过程中作为ITU-R BT.601建议的一部分，其实是YUV经过缩放和偏移的翻版。YCrCb中的Y与YUV中的Y含义一致，Cb、Cr同样都指色彩，只是在表示方法上不同。YCbCr中，Y是指亮度分量，Cb指蓝色色度分量，而Cr指红色色度分量。在YUV家族中，YCbCr是在计算机系统中应用最多的成员，其应用领域很广泛，JPEG、MPEG均采用此格式。一般人们所讲的YUV大多是指YCbCr。YCbCr有许多取样格式。

\[ Y U V \] = \[ 0.299 0.587 0.114 − 0.14713 − 0.28886 0.436 0.615 − 0.51499 − 0.10001 \] ⋅ \[ R G B \] \\begin\{bmatrix\} Y\\\\ U\\\\ V \\end\{bmatrix\} = \\begin\{bmatrix\} 0.299 & 0.587 & 0.114 \\\\ -0.14713 & -0.28886 & 0.436 \\\\ 0.615 & -0.51499 & -0.10001 \\end\{bmatrix\} \\cdot \\begin\{bmatrix\} R\\\\ G\\\\ B \\end\{bmatrix\} ⎣⎡YUV⎦⎤=⎣⎡0.299−0.147130.6150.587−0.28886−0.514990.1140.436−0.10001⎦⎤⋅⎣⎡RGB⎦⎤

\[ R G B \] = \[ 1 0 1.13983 1 − 0.39465 − 0.58060 1 2.03211 0 \] ⋅ \[ Y U V \] \\begin\{bmatrix\} R\\\\ G\\\\ B \\end\{bmatrix\} = \\begin\{bmatrix\} 1 & 0 & 1.13983 \\\\ 1 & -0.39465 & -0.58060 \\\\ 1 & 2.03211 & 0 \\end\{bmatrix\} \\cdot \\begin\{bmatrix\} Y\\\\ U\\\\ V \\end\{bmatrix\} ⎣⎡RGB⎦⎤=⎣⎡1110−0.394652.032111.13983−0.580600⎦⎤⋅⎣⎡YUV⎦⎤

YUV主要采样格式： YCbCr 4:2:0、YCbCr 4:2:2、YCbCr 4:1:1和 YCbCr 4:4:4。

(1)、YUV 4:4:4：无压缩，YUV三个信道的抽样率相同，因此在生成的图像里，每个象素的三个分量信息完整(每个分量通常8比特)，经过8比特量化之后，未经压缩的每个像素占用3个字节。

(2)、YUV 4:2:2:压缩33.3%，每个色差信道的抽样率是亮度信道的一半，所以水平方向的色度抽样率只是4:4:4的一半。对非压缩的8比特量化的图像来说，每个由两个水平方向相邻的像素组成的宏像素需要占用4字节内存。

(3)、YUV 4:1:1: 压缩50%，4:1:1的色度抽样，是在水平方向上对色度进行4:1抽样。对于低端用户和消费类产品这仍然是可以接受的。对非压缩的8比特量化的视频来说，每个由4个水平方向相邻的像素组成的宏像素需要占用6字节内存。

每个点保存一个8bit的亮度值(也就是Y值)，每2x2个点保存一个Cr和Cb值, 图像在肉眼中的感觉不会起太大的变化。所以，原来用RGB(R，G，B都是8bit unsigned)模型，1个点需要8x3=24bits，(全采样后，YUV仍各占8bit)。按4:1:1采样后，而现在平均仅需要 8+(8/4)+(8/4)=12bits(4个点，8\*4(Y)+8(U)+8(V)=48bits）, 平均每个点占12bits。这样就把图像的数据压缩了一半。

(4)、YUV4:2:0: 压缩50%，4:2:0并不意味着只有Y、Cb而没有Cr分量。它指得是对每行扫描线来说，只有一种色度分量以2:1的抽样率存储。相邻的扫描行存储不同的色度分量，也就是说，如果一行是4:2:0的话，下一行就是4:0:2，再下一行是4:2:0…以此类推。对每个色度分量来说，水平方向和竖直方向的抽样率都是2:1，所以可以说色度的抽样率是4:1。对非压缩的8比特量化的视频来说，每个由2x2个2行2列相邻的像素组成的宏像素需要占用6字节内存。绝大多数视频编解码器都采用这种格式作为标准的输入格式。

# 使用OpenCV对颜色空间进行转化 #

import matplotlib.pyplot as plt
    import cv2
     
    img_BGR = cv2.imread('test.jpg') # BGR
    plt.subplot(3,3,1); plt.imshow(img_BGR);plt.axis('off');plt.title('BGR')
     
    img_RGB = cv2.cvtColor(img_BGR, cv2.COLOR_BGR2RGB)
    plt.subplot(3,3,2); plt.imshow(img_RGB);plt.axis('off');plt.title('RGB')
     
    img_GRAY = cv2.cvtColor(img_BGR, cv2.COLOR_BGR2GRAY)
    plt.subplot(3,3,3); plt.imshow(img_GRAY);plt.axis('off');plt.title('GRAY')
     
    img_HSV = cv2.cvtColor(img_BGR, cv2.COLOR_BGR2HSV)
    plt.subplot(3,3,4); plt.imshow(img_HSV);plt.axis('off');plt.title('HSV')
     
    img_YcrCb = cv2.cvtColor(img_BGR, cv2.COLOR_BGR2YCrCb)
    plt.subplot(3,3,5); plt.imshow(img_YcrCb);plt.axis('off');plt.title('YcrCb')
     
    img_HLS = cv2.cvtColor(img_BGR, cv2.COLOR_BGR2HLS)
    plt.subplot(3,3,6); plt.imshow(img_HLS);plt.axis('off');plt.title('HLS')
     
    img_XYZ = cv2.cvtColor(img_BGR, cv2.COLOR_BGR2XYZ)
    plt.subplot(3,3,7); plt.imshow(img_XYZ);plt.axis('off');plt.title('XYZ')
     
    img_LAB = cv2.cvtColor(img_BGR, cv2.COLOR_BGR2LAB)
    plt.subplot(3,3,8); plt.imshow(img_LAB);plt.axis('off');plt.title('LAB')
     
    img_YUV = cv2.cvtColor(img_BGR, cv2.COLOR_BGR2YUV)
    plt.subplot(3,3,9); plt.imshow(img_YUV);plt.axis('off');plt.title('YUV')

\[参考资料\]

*  《数字图像处理之6大颜色空间》, 王圣亚, https://zhuanlan.zhihu.com/p/28741691
 *  《对颜色空间YUV、RGB的理解》, 打字员小钻风, https://blog.csdn.net/asahinokawa/article/details/80596655
 *  《CIELAB color space》, Wikipedia, https://en.wikipedia.org/wiki/CIELAB\_color\_space\#CIELAB%E2%80%93CIEXYZ\_conversions
 *  《颜色空间YUV简介》, fengbingchun, https://blog.csdn.net/fengbingchun/article/details/50216901
 *  《YUV》, Wikipedia, https://en.wikipedia.org/wiki/YUV\#:~:text=White%2C%20RGB%3D(1%2C%201,be%20in%20linear%20RGB%20space.
 *  《颜色空间及cv2.cvtColor 转换函数》, AIHGF, https://www.aiuai.cn/aifarm365.html

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3BvaXNvbmNocnk_size_16_color_FFFFFF_t_70_pic_center]: /images/20230208/e6db6ff3247d4f719f3ea88cbb8fa1eb.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3BvaXNvbmNocnk_size_16_color_FFFFFF_t_70_pic_center 1]: /images/20230208/96e064cf931043139d0087e451460d14.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3BvaXNvbmNocnk_size_16_color_FFFFFF_t_70_pic_center 2]: /images/20230208/79a19ad0eb144f12905d9dbaf24829c3.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3BvaXNvbmNocnk_size_16_color_FFFFFF_t_70_pic_center 3]: /images/20230208/87a2da7c29f746ed8073d2db94440278.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3BvaXNvbmNocnk_size_16_color_FFFFFF_t_70]: /images/20230208/f31f07bf106e413f982a1a0c0bebfbde.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3BvaXNvbmNocnk_size_16_color_FFFFFF_t_70 1]: /images/20230208/c61af1a356bd4da099dfef4c1157db04.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3BvaXNvbmNocnk_size_16_color_FFFFFF_t_70_pic_center 4]: /images/20230208/0d6d7ccb87324a9b91a928e72d9ad76f.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3BvaXNvbmNocnk_size_16_color_FFFFFF_t_70_pic_center 5]: /images/20230208/59f72c2fcb2f41368be4de435a916b65.png