HSV的数据结构各分量H S V的直观理解其实就是对应图片位置的的像素一一对应的矩阵表示

最新推荐文章于 2023-12-05 15:44:58 发布

原创

最新推荐文章于 2023-12-05 15:44:58 发布 · 2.7k 阅读

0 ·

CC 4.0 BY-SA版权

本文深入解析HSV颜色模型的结构和特性，重点讲解如何通过分解HSV通道来理解图像数据，特别是V通道在图像处理中的作用。

HSV的数据结构难于理解没关系，但是可以分解来看。从它可以单独分解的H S V通道来看，类似（R G B）
HSV是一个包含了3通道H S V的数据结构，但从数组好像看不出位置关系，直接理解也是有困难的，我们可以从单独一个V通道来看
比如v = hsv[:,:,2]  //v dimesion= (24, 18) ，可以看出V分量就是图片像素矩阵的位置结构，行于列与原图片的像素位置是位置关系一一对应的。
这里hsv 的shape是24*8 *3即行数和列数为24*8 3通道 //hsv dimesion= (24, 18, 3) len(hsv)= 24 len(hsv[0]=) 18
那么截取v的上面8行的操作可以表示为
rv = v[0:8,:]   
一 则提取出的v的数据结构如下
v dimesion= (24, 18)  与len(rv)= 24 len(rv[0]) =18所表达的意思一致
[[175 146 162 187 201 210 214 215 214 214 217 218 204 191 180 178 169 148]
 [189 179 192 206 217 227 230 234 228 239 242 239 229 222 217 213 198 162]
 [190 183 194 205 217 230 234 233 220 212 228 233 231 232 233 239 224 183]
 [188 152 166 196 226 242 249 246 235 230 237 240 236 235 236 234 218 178]
 [165 138 145 166 206 243 254 255 255 254 254 254 248 235 220 192 173 151]
 [151 131 143 142 147 174 196 203 208 209 214