色彩空间基础
- 比较常见的色彩空间包括：
- GRAY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色彩空间等等
GRAY色彩空间——灰度
- GRAY(灰度图像)通常指8位灰度图，其具有256个灰度级，像素值的范围是[0, 255]。当图像由RGB色彩空间转化位GRAY色彩空间时，其处理方式如下：
- Gray=0.299R+0.587G+0.114*B
- 上述是标准的转换方式，也是opencv中使用的转换方式。
- 有时，也可以采用简化形式完成转换：
- Gray=(R+G+B)/3
- 当图像由GRAY色彩空间转化位RGB色彩空间时，最终所有通道的值都将是相同的，其处理方式如下：
- R=Gray
- G=Gray
- B=Gray
XYZ色彩空间
- XYZ色彩空间是由CIE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。
- RGB–>XYZ
- XYZ–>RGB
YCrCb色彩空间
- 人眼视觉系统（HVS）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。
- 亮度给出了颜色亮或暗的程度信息，该信息可以通过照明中强度成分的加权和来计算。在RGB光源中，绿色分量的影响最大，蓝色分量的影响最小。
- Y=0.299R+0.587G+0.114*B
- Cr=(R-Y)*0.713+delta
- Cb=(B-Y)*0.564+delta
- 式中delta的值为：
- 从YCrCb色彩空间到RGB色彩空间的转换公式为：
- R=Y+1.403*(Cr-delta)
- G=Y-0.714*(Cr-delta)-0.344*(Cb-delta)
- B=Y+1.773*(Cb-delta)
- 式中，delta的值与上面公式中的delta值相同
HSV色彩空间和HLS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。
- 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。
- 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。
- 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。
- 在具体实现上，我们将物理空间的颜色分布在圆周上，不同的角度代表不同的颜色。因此，通过调整色调值就能选取不同的颜色，色调的取值区间为[0,360]。色调取不同值时，所代表的颜色如表4-1所示，两个角度之间的角度对应两个颜色之间的过渡色。
- 饱和度为一比例值，范围是[0,1]，具体为所选颜色的纯度值和该颜色最大纯度值之间的比值。饱和度的值为0时，只有灰度。亮度表示色彩的明亮程度，取值范围也是[0,1]。
- 在HSV色彩模型中，取色变得更加直观。例如，取值“色调=0，饱和度=1，亮度=1”，则当前色彩为深红色，而且颜色较亮；取值“色调=120，饱和度=0.3，亮度=0.4”，则当前色彩为浅绿色，而且颜色较暗。
- 在从RGB色彩空间转换到HSV色彩空间之前，需要先将RGB色彩空间的值转换到[0,1]之间，然后再进行处理。具体处理方法为：
[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-jCGOTVBg-1679797084242)(https://ming-log.oss-cn-hangzhou.aliyuncs.com/img/下载.png)]
CIELab色彩空间、CIELuv色彩空间、Bayer色彩空间
类型转换函数
- 在opencv中我们使用cv2.cvtColor()函数实现色彩空间的变换。该函数能够实现多个色彩空间之间的转换。其语法格式为：
- dst=cv2.cvtColor(src, code[,dstCn])
- 式中：
- dst：输出图像，与原始输入图像具有同样的数据类型和深度
- src：表示原始的输入图像。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
- code：是色彩空间转换码
- dstCn：是目标图像的通道数。如果参数位默认的0，则通道数自动通过原始输入图像和code得到
- 这里需要注意，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（Blue component），第2个8位（第2个字节）存储的是绿色组成信息（Green component），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]。
- 对于线性转换来说，这些取值范围是无关紧要的。但是对于非线性转换来说，输入的RGB图像必须归一化到其对应的取值范围内，才能获取正确的转换结果。
- 例如，对于8位图，其能够表示的灰度级有28=256个，也就是说，在8位图中，最多能表示256个状态，通常是[0,255]之间的值。但是，在很多色彩空间中，值的范围并不恰好在[0,255]范围内，这时，就需要将该值映射到[0,255]内。
- 例如，在HSV或HLS色彩空间中，色调值通常在[0,360）范围内，在8位图中转换到上述色彩空间后，色调值要除以2，让其值范围变为[0,180），以满足存储范围，即让值的分布位于8位图能够表示的范围[0,255]内。又例如，在CIELab*色彩空间中，a通道和b通道的值范围是[−127,127]，为了使其适应[0,255]的范围，每个值都要加上127。不过需要注意，由于计算过程存在四舍五入，所以转换过程并不是精准可逆的。
类型转换实例
通过数组观察转换效果
- cv2.cvtColor()函数
案例1：将BGR图像转化位灰度图像
import cv2
import numpy as np
img = np.random.randint(0, 255, (5,5,3), dtype=np.uint8)
gray = cv2.cvtColor(img, code=cv2.COLOR_BGR2GRAY)
print('原始图像：\n', img.shape,'\n', img)
print('灰度图像：\n', gray.shape, '\n', gray)原始图像：
(5, 5, 3)
[[[244 90 138]
[200 87 208]
[ 19 178 133]
[ 12 241 82]
[244 82 135]]
[[128 139 221]
[113 103 113]
[139 210 168]
[ 67 41 2]
[194 79 236]]
[[121 144 166]
[147 133 140]
[182 48 25]
[127 224 138]
[115 205 145]]
[[ 97 179 240]
[ 73 113 227]
[ 69 157 154]
[ 44 109 55]
[ 64 67 239]]
[[ 74 113 216]
[ 63 82 85]
[155 220 149]
[ 23 73 101]
[137 84 56]]]
灰度图像：
(5, 5)
[[122 136 146 167 116]
[162 107 189 32 139]
[148 137 56 187 177]
[188 143 146 85 118]
[139 81 191 76 82]]案例2：将灰度图像转化位BGR图像
import cv2
import numpy as np
gray = np.random.randint(0, 255, size=(4,4), dtype=np.uint8)
bgr = cv2.cvtColor(gray, code=cv2.COLOR_GRAY2BGR)
print('灰度图像：\n', gray.shape, '\n', gray)
print('原始图像：\n', bgr.shape,'\n', bgr)灰度图像：
(4, 4)
[[155 250 53 39]
[ 38 43 14 50]
[242 89 92 150]
[ 79 197 8 139]]
原始图像：
(4, 4, 3)
[[[155 155 155]
[250 250 250]
[ 53 53 53]
[ 39 39 39]]
[[ 38 38 38]
[ 43 43 43]
[ 14 14 14]
[ 50 50 50]]
[[242 242 242]
[ 89 89 89]
[ 92 92 92]
[150 150 150]]
[[ 79 79 79]
[197 197 197]
[ 8 8 8]
[139 139 139]]]案例3：将图像在BGR和RGB之间相互转化
import cv2
import numpy as np
img = np.random.randint(0, 255, size=(4,4,3), dtype=np.uint8)
bgr2rgb = cv2.cvtColor(img, code=cv2.COLOR_BGR2RGB)
rgb2bgr = cv2.cvtColor(bgr2rgb, code=cv2.COLOR_RGB2BGR)
print('原始图像：\n', img.shape,'\n', img)
print('BGR2RGB图像：\n', bgr2rgb.shape,'\n', bgr2rgb)
print('RGB2BGR原始图像：\n', rgb2bgr.shape,'\n', rgb2bgr)
print('再转化回来的图像和原来的图像一样吗：',(rgb2bgr==img).all())原始图像：
(4, 4, 3)
[[[147 19 239]
[ 25 66 220]
[ 50 241 99]
[113 242 128]]
[[154 102 243]
[150 122 183]
[ 85 107 204]
[ 18 225 246]]
[[ 42 71 251]
[140 122 251]
[104 84 195]
[168 122 245]]
[[168 127 46]
[240 46 43]
[252 75 114]
[ 51 205 40]]]
BGR2RGB图像：
(4, 4, 3)
[[[239 19 147]
[220 66 25]
[ 99 241 50]
[128 242 113]]
[[243 102 154]
[183 122 150]
[204 107 85]
[246 225 18]]
[[251 71 42]
[251 122 140]
[195 84 104]
[245 122 168]]
[[ 46 127 168]
[ 43 46 240]
[114 75 252]
[ 40 205 51]]]
RGB2BGR原始图像：
(4, 4, 3)
[[[147 19 239]
[ 25 66 220]
[ 50 241 99]
[113 242 128]]
[[154 102 243]
[150 122 183]
[ 85 107 204]
[ 18 225 246]]
[[ 42 71 251]
[140 122 251]
[104 84 195]
[168 122 245]]
[[168 127 46]
[240 46 43]
[252 75 114]
[ 51 205 40]]]
再转化回来的图像和原来的图像一样吗： True图像处理实例
from get_show_img import get_showimport cv2
img = cv2.imread('data/cat.jpg')
gray = cv2.cvtColor(img, code=cv2.COLOR_BGR2GRAY)
img_rgb = cv2.cvtColor(gray, code=cv2.COLOR_GRAY2RGB) # 此处的彩色图像是由灰度图像转化而来，所以三个通道的值都是一样的，故显示还是灰度图像
get_show(gray)
get_show(img,img_rgb)
import cv2
img = cv2.imread('data/dog.jpg')
img_rgb = cv2.cvtColor(img, code=cv2.COLOR_BGR2RGB)
get_show(img, img_rgb)
HSV色彩空间讨论
- HSV色彩空间从心理学和视觉的角度出发，提出人眼的色彩知觉主要包含三要素：
- H：色调（Hue，也称为色相）----[0, 360]
- S：饱和度（Saturation）----[0, 1]
- V:亮度（Value）----[0, 1]
获取指定颜色
-在opencv中，测试RGB色彩空间中不同颜色的值转换到HSV色彩空间后的对应值
import cv2
import numpy as np
from get_show_img import get_show
imgBlue = np.zeros([1,1,3], dtype=np.uint8)
imgBlue[0,0,0] = 255
BlueHSV = cv2.cvtColor(imgBlue, cv2.COLOR_BGR2HSV)
print('BGR:', imgBlue)
print('HSV:', BlueHSV)
get_show(imgBlue, BlueHSV)BGR: [[[255 0 0]]]
HSV: [[[120 255 255]]]
import cv2
import numpy as np
from get_show_img import get_show
imgGreen = np.zeros([1,1,3], dtype=np.uint8)
imgGreen[0,0,1] = 255
GreenHSV = cv2.cvtColor(imgGreen, cv2.COLOR_BGR2HSV)
print('BGR:', imgGreen)
print('HSV:', GreenHSV)
get_show(imgGreen, GreenHSV)BGR: [[[ 0 255 0]]]
HSV: [[[ 60 255 255]]]
import cv2
import numpy as np
from get_show_img import get_show
imgRed = np.zeros([1,1,3], dtype=np.uint8)
imgRed[0,0,2] = 255
RedHSV = cv2.cvtColor(imgRed, cv2.COLOR_BGR2HSV)
print('BGR:', imgRed)
print('HSV:', RedHSV)
get_show(imgRed, RedHSV)BGR: [[[ 0 0 255]]]
HSV: [[[ 0 255 255]]]
get_show(BlueHSV, GreenHSV, RedHSV)
标记指定颜色
- 指将图像内的特定颜色标记出来，即将一幅图像内的其他颜色屏蔽，仅仅将特定颜色显示出来
- opencv中通过函数cv2.Range()来判断图像内像素点的像素值是否在指定的范围内，其语法格式为：
- dst=cv2.inRange(src, lowerb, upperb)
- 式中：
- dst表示输出结果，大小和src一致。
- src表示要检查的数组或图像。
- lowerb表示范围下界
- upperb表示范围上界
- 返回值dst与src等大小，其值取决于src中对应位置上的值是否取决于区间[lowerb, upperb]内：
- 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。
使用inRange函数锁定特定值
使用函数cv2.inRange()将某个图像内的在[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=\n', img)
print('mask=\n', mask)img=
[[ 62 201 173 139 122]
[148 141 91 98 18]
[235 48 203 68 9]
[ 95 132 171 104 54]
[252 16 223 155 72]]
mask=
[[ 0 0 255 255 255]
[255 255 0 0 0]
[ 0 0 0 0 0]
[ 0 255 255 255 0]
[ 0 0 0 255 0]]通过掩码的按位与显示ROI
正常显示某个图像内的感兴趣区域（ROI），而将其余区域显示为黑色。
import cv2
import numpy as np
img = np.ones([5,5], dtype=np.uint8)*155
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)img=
[[155 155 155 155 155]
[155 155 155 155 155]
[155 155 155 155 155]
[155 155 155 155 155]
[155 155 155 155 155]]
mask=
[[1 0 0 0 0]
[1 0 0 0 0]
[1 0 1 1 0]
[0 0 1 1 0]
[0 0 1 1 0]]
roi=
[[155 0 0 0 0]
[155 0 0 0 0]
[155 0 155 155 0]
[ 0 0 155 155 0]
[ 0 0 155 155 0]]显示特定颜色值
- 分别提取opencv的logo图像内的红色，绿色，蓝色
- 需要注意，在实际提取颜色时，往往不是提取一个特定的值，而是提取一个颜色区间。
- 例如，在opencv中的HSV模式内，蓝色在H通道内的值是120。在提取蓝色时，通常将“蓝色值120”附近的一个区间的值作为提取范围。该区间的半径通常为10~20左右，例如通常提取[120-10， 120+10]范围内的值来指定蓝色。
- 相比之下，HSV模式中S通道、V通道的值的取值范围一般是[100, 255]。这主要是因为，当饱和度和亮度太低时，计算出来的色调可能就不可靠了。
import cv2
img = cv2.imread('data/opencv-logo-small.png')
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
minBlue = np.array([100, 100, 100])
maxBlue = np.array([140, 255, 255])
blue_ind = cv2.inRange(hsv, minBlue, maxBlue)
blue = cv2.bitwise_and(img, img, mask=blue_ind)
minGreen = np.array([50, 100, 100])
maxGreen = np.array([70, 255, 255])
green_ind = cv2.inRange(hsv, minGreen, maxGreen)
green = cv2.bitwise_and(img, img, mask=green_ind)
minRed = np.array([150, 100, 100])
maxRed = np.array([178, 255, 255])
red_ind = cv2.inRange(hsv, minRed, maxRed)
red = cv2.bitwise_and(img, img, mask=red_ind)
get_show(blue, green, red)
标记肤色
- 在标记特点颜色的基础上，可以将标注范围进一步推广到特定的对象上。例如，通过分析可以估算出肤色在HSV色彩空间内的范围值。在HSV空间内筛选出肤色范围内的值，即可将图像内包含肤色的部分提出来。
- 这里将肤色范围划定为：
- 色调值在[5, 170]之间
- 饱和度值在[25, 166]之间
提取一幅图像内的皮肤部分
import cv2
import numpy as np
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
minFuSe = np.array([5, 25, 0])
maxFuSe = np.array([170, 166, 255])
img_pifu = cv2.inRange(hsv, minFuSe, maxFuSe)
pifu = cv2.bitwise_and(img, img, mask=img_pifu)
get_show(img, pifu)
实现艺术效果
调整HSV色彩空间内V通道的值，观察其处理结果
import cv2
img = cv2.imread('data/dog.jpg')
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
hsv[:,:,2] = 255
art = cv2.cvtColor(hsv, cv2.COLOR_HSV2BGR)
get_show(art)
alpha通道
- 在RGB色彩空间三个通道的基础上，还可以加上一个A通道，也叫alpha通道，表示透明度。这种4个通道的色彩空间被称为RGBA色彩空间，PNG图像是一种典型的4通道图像。
- alpha通道的赋值范围是[0, 1]， 或者是[0, 255]， 表示从透明到不透明
import cv2
import numpy as np
img = cv2.imread('data/opencv-logo-small.png')
img_rgba = cv2.cvtColor(img, cv2.COLOR_BGR2RGBA)
b,g,r,a = cv2.split(img_rgba)
a[:,:] = 125
rgba125 = cv2.merge([b,g,r,a])
a[:,:] = 0
rgba0 = cv2.merge([b,g,r,a])
a[:,:] = 200
rgba200 = cv2.merge([b,g,r,a])
cv2.imshow('img', np.hstack([img_rgba, rgba0, rgba125, rgba200]))
cv2.waitKey()
cv2.destroyAllWindows()
cv2.imwrite('tmp/rgb0.png', rgba0)
cv2.imwrite('tmp/rgb125.png', rgba125)
cv2.imwrite('tmp/rgb200.png', rgba200)True
本文章为转载内容，我们尊重原作者对文章享有的著作权。如有内容错误或侵权问题，欢迎原作者联系我们进行内容更正或删除文章。
