图像颜色空间对比（Opencv）

1. 颜色转换

import cv2
import matplotlib.pyplot as plot

img = cv2.imread("tmp.jpg")
img_r = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
img_g = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
img_h = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
img_l = cv2.cvtColor(img, cv2.COLOR_BGR2LAB)

plot.figure(figsize=(15,3));
plot.subplot(1,5,1)
plot.title('BGR image')
plot.imshow(img)
plot.subplot(1,5,2)
plot.title('BGR to RGB')
plot.imshow(img_r)
plot.subplot(1,5,3)
plot.title('BGR to Gray')
plot.imshow(img_g)
plot.subplot(1,5,4)
plot.title('BGR to HSV')
plot.imshow(img_h)
plot.subplot(1,5,3)
plot.title('BGR to LAB')
plot.imshow(img_l)

plot.show()

2. 各颜色空间对比

颜色空间	通道数	通道含义	数据范围	主要应用场景	优缺点
RGB	3	Red（红）、Green（绿）、Blue（蓝）	各通道值范围：0-255	图像显示、基础图像处理	✅ 直观易用 ❌ 对光照变化敏感
BGR	3	Blue（蓝）、Green（绿）、Red（红）	各通道值范围：0-255	OpenCV默认图像格式、视频处理	✅ OpenCV原生支持 ❌ 与常规RGB顺序相反
Gray	1	亮度（Luminance）	单通道值范围：0-255	人脸检测、文字识别、简化计算	✅ 计算效率高 ❌ 丢失颜色信息
HSV	3	Hue（色相）、Saturation（饱和度）、Value（明度）	H: 0-180 S/V: 0-255	颜色检测、色彩分割、光照鲁棒处理	✅ 颜色分离效果好 ❌ H通道是循环角度值（0°=180°）
Lab	3	L（亮度）、a（红绿轴）、b（黄蓝轴）	L: 0-255 a/b: -128~127	颜色一致性校正、复杂颜色分割	✅ 接近人类视觉感知 ❌ 计算复杂度较高

3. 应用说明

3.1 RGB vs BGR

• OpenCV默认使用BGR格式，与其他库（如Matplotlib）交互时需转换
• 转换方法：cv2.cvtColor(img, cv2.COLOR_BGR2RGB)

3.2 HSV

• H（色相）在OpenCV中被压缩到0-180范围（常规为0-360°）
• 常用于颜色过滤（如检测红色物体）

3.3 Lab

• L通道表示亮度，与设备无关
• a通道：绿色→红色（-128→127）
• b通道：蓝色→黄色（-128→127）
• 在Photoshop等专业工具中广泛使用

3.4 Gray

• 转换公式：Gray = 0.299R + 0.587G + 0.114*B（加权平均法）

3.5 典型使用场景示例：

• 人脸检测：优先使用灰度图（减少计算量）
• 颜色追踪：HSV空间定义颜色范围（如cv2.inRange()）
• 图像增强：Lab空间调整亮度（L通道）不影响颜色
• 跨设备颜色一致性：Lab空间进行颜色校正

---

系列文章：

1. opencv常用边缘检测算子示例
2. 图像颜色空间对比（Opencv）
3. 图像变换方式区别对比（Opencv）
4. 常用图像滤波及色彩调节操作（Opencv）
5. 图像形态学操作对比（Opencv）