五 色彩空间转换

背景

颜色空间：用三种或者更多的特征来指定颜色的方法，被称为颜色空间或者颜色模型

1、RGB(opencv中为BGR)

一幅图像由三个独立的图像平面或者通道构成：红、蓝、绿（以及可选项：透明度alpha通道） 每个值代表每个像素的每个分量的度量值，值越高对应于更亮的像素 对应于人眼的三种光锥细胞，所以被广泛使用

RGB色彩空间源于使用阴极射线管的彩色电视，
RGB分别代表三个基色（R-红色、G-绿色、B-蓝色），具体的色彩值由三个基色叠加而成。
在图像处理中，我们往往使用向量表示色彩的值，如(0,0,0)表示黑色、(255, 255, 255)表示白色。
其中，255表示色彩空间被量化成255个数，最高亮度值为255（255 = 2^8 - 1，即每个色彩通道用8位表示）。
在这个色彩空间中，有256*256*256种颜色。RGB色彩空间如下图所示（图片来自百度百科）。是一个包含Red、Green、Blue的三维空间。

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。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。

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，（意思是有一点点联系吧）。

 

H：0-180  S: 0-255 V： 0-255  -> opencv中

H:0-360，在OpenCV中被规范为0-180，若是360超出255溢出，所有规划到180，,8位可以保存，是HSV3位保存一致，都是只占一个字节
S和V:在OpenCV中规范化为0-255（一个字节就可以表示）

HSV颜色空间输入面向色度的颜色坐标系统的一种。这种类型的颜色模型接近人类颜色感知的仿真模型。 HSV的三个通道表示色度（H给出的颜色光谱构成的一种度量），饱和度（S给出主波长中的纯光比例，这表明一种颜色距离相同亮度灰度的程度）和纯度（V给出相对于白色光照强度的亮度），对应于直觉上的色彩、明暗和色调。HSV广泛应用于色彩的比较。

OpenCV中的imshow（）函数假设图像的颜色以RGB显示，因此其他显示均不正确。所以首先必须将其转换成RGB颜色空间

3、HLS

HLS属于面向色度的颜色坐标系统中的一种，和之前的HSV类似 用来指定每个通道中的一种颜色的色度值、明暗值、饱和度值 与HSV不同的是HSL定义的一种纯颜色的亮度等于一种中等灰色的亮度 而HSV定义的一种纯颜色的亮度等于白色的亮度

4、YCrCb

该空间广泛用于视频和图像压缩，不能算作纯粹的色彩空间，它是RGB颜色空间的一种解码方式 Y通道表示亮度，而Cr和Cb表示红色差值(在RGB空间中R通道和Y的差值）和蓝色差值(在RGB空间中B通道和Y的差值）各自的色度分量。

5、灰度图

每个像素值只表示灰度信息这一单一信息 RGB[A]准换成灰度：Y=0.299*R+0.587*G+0.114*B 灰度转换为RGB[A]：R=Y,G=Y,B=Y,A=max(ChannelRange)

6、YUV

1、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。

2、YUV主要用于优化彩色视频信号的传输，使其向后相容老式黑白电视。与RGB视频信号传输相比，它最大的优点在于只需占用极少的频宽（RGB要求三个独立的视频信号同时传输）。其中“Y”表示明亮度（Luminance或Luma），也就是灰阶值；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。“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。“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信号亮度值之同的差异。

Y = 0.299R + 0.587G + 0.114B
U = -0.147R - 0.289G + 0.436B
V = 0.615R - 0.515G - 0.100B

R = Y + 1.14V
G = Y - 0.39U - 0.58V
B = Y + 2.03U

一、调用转换函数实现图像色彩空间转换

# -*- coding=GBK -*-
import cv2 as cv
 
 
#色彩空间的转换
def color_space_demo(image):
    gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)#RGB转换为gray
    cv.imshow("gray", gray)
    hsv = cv.cvtColor(image, cv.COLOR_BGR2HSV)#RGB转换为hsv
    cv.imshow("hsv", hsv)
    yuv = cv.cvtColor(image, cv.COLOR_BGR2YUV)#RGB转换为yuv 
    cv.imshow("yuv", yuv)
 
src = cv.imread("C://1.jpg")
cv.namedWindow("原来", cv.WINDOW_NORMAL)
cv.imshow("原来", src)
color_space_demo(src)
cv.waitKey(0)
cv.destroyAllWindows()

说明：

cvCvtColor( const CvArr* src, CvArr* dst, int code )

src：源图像（输入的 8-bit , 16-bit 或 32-bit 单倍精度浮点数影像）

dst：目标图像（输入的 8-bit , 16-bit 或 32-bit 单倍精度浮点数影像）

code：

需要特别说明的是RGB–>GRAY的转换是我们常用的转换格式，其转换公式如下：

 二、色彩空间转换，利用inrange函数过滤视频中的颜色，实现跟踪某一颜色

HSV追踪有颜色的对象（捕获视频中的红色）

import cv2 as cv
import numpy as np

def extrace_object():
    capture = cv.VideoCapture("./1.mp4")
    while True:
    #打开摄像头
        ret,frame = capture.read()  #frame是每一帧图像，ret是返回值，为0是表示图像读取完毕
        if ret == False:
            break
        #转换为hsv图像
        hsv = cv.cvtColor(frame,cv.COLOR_BGR2HSV)
        #下阈值
        lower_hsv = np.array([0,43,46])
        #上阈值
        upper_hsv = np.array([10,255,255])
        mask = cv.inRange(hsv,lower_hsv,upper_hsv) #mask输出图像 cv.inRange（src,lower,upper,dst=None）
        #cv.inRange(目标图像，下阈值，上阈值）
        cv.imshow("video",frame)
        cv.imshow("mask", mask)
        c = cv.waitKey(40)
        if c == 27:    #相当于人为退出
            break

extrace_object(src)

说明：

cv.inRange(image,lower,upper)

对图像的所有通道同时做阈值范围限制，在三个通道阈值范围内的像素值设为二值化中的高值，比如255，不在通道阈值范围内的像素值设为二值化中的低值，比如0，最后输出的图像是单通道图像。

注意，它的参数形成的区间是闭区间，而不是开区间。

if c == 27:
    break

#也可以改为
if cv.waitKey(50) & 0xFF == ord('q'):
    break

三、通道分离、修改、合并

1、通道分离

src = cv.imread("./6.jpg")  #读取图片
cv.namedWindow("RGB",cv.WINDOW_AUTOSIZE)    #创建GUI窗口,形式为自适应
cv.imshow("RGB",src)    #通过名字将图像和窗口联系

b,g,r = cv.split(src)   #通道分离为b,g,r三个
cv.imshow("B",b)
cv.imshow("G",g)
cv.imshow("R",r)
cv.waitKey(0)
cv.destroyAllWindows()

2、修改某一通道

src = cv.imread('1.jpg')
src[:,:,0] = 0  #b变为黑
cv.imshow('change b',src)
src[:,:,1] = 0 #G变为黑
cv.imshow('chage G',src)
src[:,:,2] = 0 #r变为黑
cv.imshow('chage r',src)
cv.waitKey(0)
cv.destroyAllWindows()

3、合并通道

src2 = cv.merge([b,g,r])
cv.imshow("meger image",src2)