opencv基础入门——色彩空间

男娘i 2023-06-24 12:25 27阅读 0赞

参考教程：

*  [python+opencv3.3视频教学 基础入门-bilibili][python_opencv3.3_ _-bilibili]
 *  [颜色空间 - 911的专栏][- 911]
 *  [几种颜色模型介绍 - 简书][-]
 *  [从 RGB 到 HSV 的转换详细介绍 - hanshanbuleng的博客][RGB _ HSV _ - hanshanbuleng]

# 一、定义 #

色彩通常用三个相对独立的属性来描述，三个独立变量综合作用，自然就构成一个**空间坐标**，这就是**色彩空间（色彩模型）**。

# 二、常见色彩空间 #

色彩可以由不同的角度，用三个一组的不同属性加以描述，就产生了不同的色彩空间。

*  最常见的几种色彩空间有：

1.  RGB 用于扫描仪和显示设备 、计算机系统
2.  CMYK 用于打印机、印刷出版业
3.  YUV/YIQ 用于视频和电视
4.  HIS/HSB/HSV/HSL
5.  CIE 颜色空间，包括：CIE XYZ，CIE Lab，CIE YUV等颜色空间

## 1.RGB ##

一个能发出光波的物体称为有源物体，它的颜色由该物体发出的光波决定，使用R**GB相加混合模型(additive color)**。

国际照明委员会（CIE）规定以**700nm(红)、546.1nm (绿)、435.8nm (蓝)三个色光为三基色**。又称为**物理三基色**。自然界的所有颜色都可以通过选用这三基色按不同比例混合而成。

计算机彩色显示器的输入需要RGB三个彩色分量，通过三个分量的不同比例，在显示屏幕上合成所需要的任意颜色。RGB颜色空间的三个分量又称为三个通道，R、G、B分别反映了颜色在某个通道上的亮度值。在RGB彩色空间，任意彩色光F的配色方程可表达为：

**F = r\[R\]（红色百分比） +g\[G\]（绿色百分比） + b\[B\]（蓝色百分比）**

RGB颜色模型是三维直角坐标颜色系统中的一个**正方体**。  
如下图  
![在这里插入图片描述][format_png]  
在正方体的主对角线上，各原色的量相等，产生由暗到亮的白色，即灰度。（0，0，0）为黑，（255，255，255）为白，正方体的其他6个角点分别为红、黄、绿、青、蓝和品红。

## 2.HSV ##

HSV是一种将RGB色彩空间中的点在**倒圆锥体**中的表示方法。

*  色调H  
    用**角度度量**，取值范围为0°～360°(python中取值0～180，可能为了适应uint8)，从红色开始按逆时针方向计算，红色为0°，绿色为120°,蓝色为240°。它们的补色是：黄色为60°，青色为180°,品红为300°；
 *  饱和度S  
    **饱和度S表示颜色接近光谱色的程度**。一种颜色，可以看成是某种光谱色与白色混合的结果。其中光谱色所占的比例愈大，颜色接近光谱色的程度就愈高，颜色的饱和度也就愈高。饱和度高，颜色则深而艳。光谱色的白光成分为0，饱和度达到最高。通常取值范围为0%～100%，值越大，颜色越饱和。
 *  明度V  
    **明度表示颜色明亮的程度**，对于光源色，明度值与发光体的光亮度有关；对于物体色，此值和物体的透射比或反射比有关。通常取值范围为0%（黑）到100%（白）。

![在这里插入图片描述][format_png 1]

## 2.YUV ##

YUV(亦称YCrCb)是被欧洲电视系统所采用的一种颜色编码方法。在现代彩色电视系统中，通常采用三管彩色摄像机或彩色CCD摄影机进行取像，然后把取得的彩色图像信号经分色、分别放大校正后得到RGB，再经过矩阵变换电路得到亮度信号Y和两个色差信号R-Y(即U)、B-Y(即V)，最后发送端将亮度和两个色差总共三个信号分别进行编码，用同一信道发送出去。这种色彩的表示方法就是所谓的YUV色彩空间表示。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信号分量，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。

在YUV颜色模型中：

**“Y”表示明亮度**（Luminance或Luma），也就是灰阶值；  
“亮度”是透过RGB输入信号来建立的，方法是将RGB信号的特定部分叠加到一起。

而“U”和“V” 表示的则是**色度（Chrominance或Chroma**），作用是描述影像色彩及饱和度，用于指定像素的颜色。  
“色度”则定义了颜色的两个方面─**色调与饱和度**，分别用Cr和Cb来表示。其中，Cr反映了RGB输入信号红色部分与RGB信号亮度值之间的差异。  
而Cb反映的是RGB输入信号蓝色部分与RGB信号亮度值之间的差异。

YUV颜色模型解决了彩色图像和黑白图像的兼容问题，如果只有Y信号而没有U何V信号，那么一幅彩色图像就可以被转换为黑白图像。

*  YUV颜色模型可以和RGB颜色模型相互转换。公式如下：  
    Y = 0.299R + 0.587G + 0.114B  
    U = -0.147R - 0.289G + 0.436B  
    V = 0.615R - 0.515G - 0.100B

# 三、色彩空间转换 #

## 1.色彩空间转换API ##

常见的转换：

*  HSV和RGB
 *  YUV和RGB

import cv2 as cv
    
    def color_space_demo(image):
        """ 色彩空间的转换 - - - - image - 原图像名 """
        #转化为灰度图像
        gray = cv.cvtColor(image,cv.COLOR_BGR2GRAY)
        cv.imwrite("gray.png",gray)
        #转化为HSV图像
        hsv = cv.cvtColor(image,cv.COLOR_BGR2HSV)
        cv.imwrite("hsv.png",hsv)
        #转化为YUV图像
        yuv = cv.cvtColor(image,cv.COLOR_BGR2YUV)
        cv.imwrite("yuv.png",yuv)
        #转化为YCrCb图像
        ycrcb = cv.cvtColor(image,cv.COLOR_BGR2YCrCb)
        cv.imwrite("ycrcb.png",ycrcb)
    
    if __name__ == "__main__":
        src = cv.imread('cat.jpg')
        color_space_demo(src)

结果：  
![在这里插入图片描述][20191223174234101.png]

## 2.inRange()函数 ##

通过inRange()函数实现对视频中绿色部分的过滤  
RGB到HSV的数值转换参考下表：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L25hbmFzaGlfRg_size_16_color_FFFFFF_t_70]

import cv2 as cv
    import numpy as np
    
    def extrace_object_demo():
        """ 通过inRange()函数实现对视频中绿色部分的过滤 """
        capture = cv.VideoCapture('MV.mp4')
        while(True):
            ret, frame = capture.read()
            if ret == False:
                break
            # 转化为HSV
            hsv = cv.cvtColor(frame,cv.COLOR_BGR2HSV)
            # 设置绿色数值过滤
            lower_hsv = np.array([37,43,46])
            upper_hsv = np.array([77,255,255])
            mask = cv.inRange(hsv,lowerb=lower_hsv,upperb=upper_hsv)
            cv.imshow("video",frame)
            cv.imshow("mask",mask)
            c = cv.waitKey(40)
            if c == 27:
                break
                
    if __name__ == "__main__":
        extrace_object_demo()

结果：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L25hbmFzaGlfRg_size_16_color_FFFFFF_t_70 1]

## 3.通道的分离与合并 ##

*  使用split()函数实现通道的分离

import cv2 as cv
    
    if __name__ == "__main__":
        src = cv.imread('cat.jpg')
        # 通道的分离
        b,g,r = cv.split(src)
        # 分别写入不同的图像
        cv.imwrite("blue.png",b)
        cv.imwrite("green.png",g)
        cv.imwrite("red.png",r)

结果：  
![在这里插入图片描述][20191224171759617.png]

*  单独修改某一通道

import cv2 as cv
    
    if __name__ == "__main__":
        src = cv.imread('cat.jpg')
        src[:, :, 2] = 0
        cv.imwrite("changecolor.png",src)

结果：  
![在这里插入图片描述][20191224172230869.png]

*  使用merge()函数实现通道的合并

import cv2 as cv
    
    if __name__ == "__main__":
        src = cv.imread('cat.jpg')
        b,g,r = cv.split(src)
        # 改变第2通道
        src[:, :, 2] = 0
        cv.imwrite("before.png",src)
        # 合并原通道恢复图像
        src = cv.merge([b,g,r])
        cv.imwrite("after.png",src)

结果：  
![在这里插入图片描述][2019122417282570.png]

[python_opencv3.3_ _-bilibili]: https://www.bilibili.com/video/av24998616
[- 911]: https://blog.csdn.net/yeyang911/article/details/41384111
[-]: https://www.jianshu.com/p/72c65101c168
[RGB _ HSV _ - hanshanbuleng]: https://blog.csdn.net/hanshanbuleng/article/details/80383813
[format_png]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9zczEuYmRzdGF0aWMuY29tLzcwY0Z1WFNoX1ExWW54R2twb1dLMUhGNmhoeS9pdC91PTY2Mjg5MjEyOCwxNDAxMDg0NTEmZm09MjYmZ3A9MC5qcGc?x-oss-process=image/format,png
[format_png 1]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9zczAuYmRzdGF0aWMuY29tLzcwY0Z2SFNoX1ExWW54R2twb1dLMUhGNmhoeS9pdC91PTE0MzE0NTc2OTIsMTI2MTA3MDE0MiZmbT0yNiZncD0wLmpwZw?x-oss-process=image/format,png
[20191223174234101.png]: https://img-blog.csdnimg.cn/20191223174234101.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L25hbmFzaGlfRg_size_16_color_FFFFFF_t_70]: https://img-blog.csdnimg.cn/201912241707162.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L25hbmFzaGlfRg==,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L25hbmFzaGlfRg_size_16_color_FFFFFF_t_70 1]: https://img-blog.csdnimg.cn/2019122417105220.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L25hbmFzaGlfRg==,size_16,color_FFFFFF,t_70
[20191224171759617.png]: https://img-blog.csdnimg.cn/20191224171759617.png
[20191224172230869.png]: https://img-blog.csdnimg.cn/20191224172230869.png
[2019122417282570.png]: https://img-blog.csdnimg.cn/2019122417282570.png