OPENCV学习笔记3-5_RGB Colorspace-优快云博客

本文介绍了RGB色彩模型的基本原理及其在计算机编程中的应用，包括如何通过RGB模型表示16777216种颜色，并探讨了RGB模型与人类视觉感知之间的差异。此外，文章还介绍了CIEL*a*b*等感知均匀的颜色模型，以及HSV和HLS色彩空间的特点。

自然界中任何一种色光都可由R、G、B三基色按不同的比例相加混合而成，当三基色分量都为0（最弱）时混合为黑色光；当三基色分量都为k（最强）时混合为白色光。任一颜色F是这个立方体坐标中的一点，调整三色系数r、g、b中的任一系数都会改变F的坐标值，也即改变了F的色值。在计算机中编程RGB每一个分量值都用8位（bit）表示，可以产生256*256*256=16777216中颜色，这就是经常所说的“24位真彩色”。

一幅RGB 图像就是M×N×3 大小的彩色像素的数组, 数组的数据类决定了它们的取值范围，如果一幅RGB 图像的数据类是double，那么取值范围就是 [0,1]。

RGB颜色空间采用物理三基色表示，因而物理意义很清楚，适合彩色显像管工作。然而这一体制并不适应人的视觉特点。实际上RGB并不是感知均匀的色彩空间。就是说，两种具有一定差距的颜色可能看起来非常接近，而另外两种具有同样差距的颜色看起来却差别很大。为解决这个问题，引入了一些具有感知均匀特性的颜色表示法。CIEL*a*b*就是一种这样的颜色模型。把图像转换到这种表示法后，就可以真正地使用图像像素与目标颜色之间的欧几里德距离，来度量颜色之间的视觉相似度。

Example 1:

#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <iostream>
using namespace cv;
using namespace std;

int main( int argc, char** argv )
{

    Mat image = cv::imread("yunfung_color.jpg");
    if (!image.data)
    {
        cout <<  "Could not open or find the image" << std::endl ;
        return -1;
     }
    cout << "image.size().height = " << image.size().height << "\n"<<"image.size().width = "<< image.size().width<<endl ;
    namedWindow("YungFung Image", WINDOW_NORMAL);
    imshow("YungFung Image", image);

    Mat result;
    vector<cv::Mat> planes;             //destination array
    /*
    Mat planes[3];
    merge(planes,3,result );
    */
    split( image,planes);               //split source
    namedWindow("Output Image", WINDOW_NORMAL);
    //imwrite("blue.png",planes[0]);    //blue channel B-G-R
    //cout << "planes[0] = \n " << planes[0] << "\n";
    planes[0]=255-planes[0];            //here the negative color is calculated!
    planes[1]=255-planes[1];
    planes[2]=255-planes[2];
    merge(planes,result );

    imshow("Output Image",result);
    waitKey();
    return 0;
}

实际的像素值范围取决于指定的色彩空间和目标图像的类型。例如，CIE L*a*b*色彩空间中的L通道表示每个像素的亮度，范围是0~100；在使用8位图像时，它的范围就会调整为0~255。a和b通道表示色度组件。这些通道包含了像素的颜色信息，与亮度无关。它们的值的范围是-127~127；对于8位图像，为了适合0到255的区间，每个值会加上128。但是要注意，进行8位的颜色转换时会产生舍入误差，因此转换过程并不是完全可逆的。

HSV和HLS这两种色彩空间把颜色分解成加值的色调和饱和度组件或亮度组件，用这种方式来描述颜色会更加自然。可以把彩色图像转换成灰度图像，输出是一个单通道图像也可以进行反向的转换，但是那样得到彩色图像的三个通道是相同的，都是灰度图像中对应的值。

转载于:https://www.cnblogs.com/yunfung/p/7613607.html