OpenCV3.4.0学习笔记（五）——色彩模型转换与分量提取

本篇博文用于记录利用 OpenCV 实现图像的各色彩模型转换与模型分量提取的方法。

图像色彩模型的转换

OpenCV3.4.0 直接提供了图像色彩模型相互转化的函数

void cv::cvtColor( InputArray src, OutputArray dst, int code, int dstCn = 0 );

输入参数 src, dst 为输入色彩模型转化前后的图像，一般为 cv::Mat 数据类型。 函数支持原位操作，即 src 和 dst 可以是同一个对象。
输入参数 code 指明了色彩模型的转化方法，可以参考枚举类型 cv::ColorConversionCodes 。常用的色彩类型转化有 COLOR_BGR2GRAY、COLOR_BGR2XYZ、COLOR_BGR2YCrCb、COLOR_BGR2HSV 及其逆转换等等。

色彩通道的分离与融合

cv::Mat 的通道分离在前文中已经介绍，这里稍微简述加以记录。

	//通道分离函数
	void cv::split(cv::Mat &muiltChannalMat, std::vector<cv::Mat> channalsMaps);
	//muiltChannalMat为多通道Mat，channalsMaps为单通道Mat向量，多通道与单通道Mat的规模一样，
	//channalsMaps共有muiltChannalMat.channals个元素

	//通道整合函数，参数意义同split
	void cv::merge(std::vector<cv::Mat> channalsMaps, cv::Mat &muiltChannalMat);

结合模型转化、通道分离与融合可以轻松实现目标图像特定色彩分量的提取与重组。
图像在不同色彩分量下的统计直方图可以通过opencv的统计函数 cv::calcHist 进行求取，函数的使用在这里不进行阐述。
不同色彩分量下的直方图数据可以作为目标图像的特征描述向量，具有很强的鲁棒性。直方图结合SVM分类器在嵌入式环境、需求简单的工业应用范围中可以快速、稳定地实现图像的简单分类。