opencv-颜色通道

最新推荐文章于 2025-04-19 03:04:44 发布

励志考公的程序猿

最新推荐文章于 2025-04-19 03:04:44 发布

阅读量1.2k

点赞数 28

文章标签： opencv 计算机视觉

本文链接：https://blog.youkuaiyun.com/weixin_50170972/article/details/145574206

版权

1. 颜色空间

1.1 HSV颜色空间

HSV(Hue, Saturation, Value)是根据颜色的直观特性由A. R. Smith在1978年创建的一种颜色空间, 也称六角锥体模型(Hexcone Model)。在HSV模型中，颜色是由色相（Hue），饱和度（Saturation），明度（Value）共同组成。

如图所示，在HSV模型中

色相(色彩)（Hue）使用角度度量的，范围是从0 °到360 °（逆时针旋转），比如0 ° / 360 ° 代表红色，120 °代表原谅色，240 °代表蓝色。

饱和度（Saturation）表示颜色接近光谱色的程度。一种颜色，可以看成是某种光谱色与白色混合的结果。其中光谱色所占的比例愈大，颜色接近光谱色的程度就愈高，颜色的饱和度也就愈高。饱和度高，颜色则深而艳。光谱色的白光成分为0，饱和度达到最高。通常取值范围为0%~100%，值越大，颜色越饱和。

明度（Value）颜色明亮的程度，对于光源色，明度值与发光体的光亮度有关。对于物体色，此值和物体的透射比或反射比有关。通常其取值范围是0%（黑）到100%（白）（在计算机视觉库中为0 - 255）。

1.2 HSL颜色空间

HSL颜色空间和HSV颜色空间非常类似。‌HSL‌（Hue, Saturation, Lightness）是一种颜色模型，用于描述颜色。HSL模型通过色相（Hue）、饱和度（Saturation）和亮度（Lightness）三个参数来定义颜色。

HSL在顶部是纯白的, 不管是什么颜色.

色相(色彩)（Hue）使用角度度量的，范围是从0 °到360 °（逆时针旋转），比如0 ° / 360 ° 代表红色，120 °代表原谅色，240 °代表蓝色。(和HSV一样)
饱和度（Saturation）指颜色的强度或纯度，使用 0% ~ 100% 的百分比来度量。
表示色相中颜色成分所占的比例，数值越大，颜色中的灰色越少，颜色越鲜艳，呈现的是一种从灰色到色相颜色的变化。
亮度（Lightness）表现颜色的明暗程度，使用 0 ~ 100% 的百分比来度量。
反映色彩中混入的黑白两色，50% 处只有纯色，小于 50% 时，数值越小混入的黑色越多，越接近于黑色；大于 50% 时，数值越大混入的白色越多，越接近于白色。
L最大时必为白色，L最小时必为黑色。体现的是从黑色到色相(H)选择颜色再到白色的过渡。

1.3 YUV颜色空间

YUV模型包括三个分量：Y（亮度）、U（蓝色色差）、V（红色色差）。通过分离亮度和色度信息，YUV模型在图像压缩和传输中发挥了重要作用。

Y (Luminance, 亮度分量)：亮度分量 Y 表示图像的灰度级别。Y 的值决定了图像的明暗程度，与颜色无关。Y 的范围通常为 0 到 255（8 位色深），0 表示黑色，255 表示白色。

U 和 V (Chrominance, 色度分量)：U 和 V 是色度分量，分别表示色彩的蓝色色差和红色色差。它们包含了图像的颜色信息。U 分量表示颜色中的蓝色与亮度的差异（通常为蓝色色差）。V 分量表示颜色中的红色与亮度的差异（通常为红色色差）。
U 和 V 的范围通常为 -128 到 +128（8 位有符号整数），其中 0 表示没有色偏。Y’UV的发明是由于彩色电视与黑白电视的过渡时期。Y’UV最大的优点在于只需占用极少的带宽。

1.4 获取一幅图片有多少种颜色

import cv2
from pandas import DataFrame

car = cv2.imread("car.jpg")
car = cv2.resize(car,(880,640),interpolation=cv2.INTER_CUBIC)
cv2.imshow("car", car)
# 用每一个像素创造dataframe
df = DataFrame(car.reshape(-1,3))
df.head()
df_dup = df.duplicated()
print(df_dup.sum())
if cv2.waitKey(0) == ord('q'):
    cv2.destroyAllWindows()

2. 色彩空间的转换

在 OpenCV 中，cv2.COLOR_ 用于表示颜色空间转换的常量。这些常量定义了不同的颜色空间转换代码，可以在图像处理中使用。以下是一些常用的 cv2.COLOR_ 常量：

cv2.COLOR_BGR2GRAY：将 BGR 彩色图像转换为灰度图像。
cv2.COLOR_BGR2RGB：将 BGR 彩色图像转换为 RGB 彩色图像。
cv2.COLOR_BGR2HSV：将 BGR 彩色图像转换为 HSV 颜色空间。
cv2.COLOR_BGR2Lab：将 BGR 彩色图像转换为 Lab 颜色空间。
cv2.COLOR_RGB2GRAY：将 RGB 彩色图像转换为灰度图像。
cv2.COLOR_RGB2BGR：将 RGB 彩色图像转换为 BGR 彩色图像。
cv2.COLOR_RGB2HSV：将 RGB 彩色图像转换为 HSV 颜色空间。
cv2.COLOR_RGB2Lab：将 RGB 彩色图像转换为 Lab 颜色空间。
cv2.COLOR_GRAY2BGR：将灰度图像转换为 BGR 彩色图像。
cv2.COLOR_GRAY2RGB：将灰度图像转换为 RGB 彩色图像。
cv2.COLOR_HSV2BGR：将 HSV 颜色空间图像转换为 BGR 彩色图像。
cv2.COLOR_HSV2RGB：将 HSV 颜色空间图像转换为 RGB 彩色图像。

2.1 RGB转GRAY

2.1.1 转换代码

当使用 OpenCV 中的 cv2.COLOR_BGR2GRAY 将彩色图像转换为灰度图像时，可以使用以下代码：

import cv2
# 读取彩色图像
img = cv2.imread('car.jpg')
# 将彩色图像转换为灰度图像
gray_image = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 显示灰度图像
cv2.imshow('Gray Image', gray_image)
if cv2.waitKey(0) & 0xFF == ord('q'):
    cv2.destroyAllWindows()

2.1.1 转换原理

当使用 cv2.COLOR_BGR2GRAY 将彩色图像转换为灰度图像时，它基于亮度感知的原理进行转换。灰度图像是一种单通道图像，每个像素的数值代表了该像素的亮度值，而不包含颜色信息。在转换过程中，使用了以下数学公式来计算每个像素的灰度值：

$\text{Gray} = 0.299 \times R + 0.587 \times G + 0.114 \times B$
这个公式基于人眼对不同颜色的感知权重，因为人眼对绿色的感知更敏感，对红色和蓝色的感知较低。具体步骤如下：

读取彩色图像。
对图像的每个像素进行遍历。
对于每个像素，根据上述公式计算灰度值。
将计算得到的灰度值赋给灰度图像对应位置的像素。
最终得到的灰度图像包含了图像的亮度信息，而去除了颜色信息。

这样，通过 cv2.COLOR_BGR2GRAY，你可以将彩色图像转换为灰度图像，并且可以更专注于图像的亮度特征。

2.2 BGR转RGB

2.2.1 转换代码

以下是使用 OpenCV 将图像从 BGR 格式转换为 RGB 格式的示例代码：

import cv2
# 读取图像
img = cv2.imread('car.jpg')
# 将图像从 BGR 格式转换为 RGB 格式
img_rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
# 显示原始图像和转换后的图像
cv2.imshow('Image', img_rgb)
cv2.imshow('RGB_Image', img_rgb )
if cv2.waitKey(0) & 0xFF == ord('q'):
    cv2.destroyAllWindows()

2.2.2 转换原理

在 OpenCV 中，BGR（蓝绿红）和 RGB（红绿蓝）是两种常用的图像表示方式。BGR 是 OpenCV 默认的图像格式，而 RGB 是人们通常更熟悉和常用的图像格式。
在 BGR 到 RGB 的转换中，每个像素的颜色通道的顺序会发生改变，即将原始图像中的蓝色通道B l u e BlueBlue和红色通道R e d RedRed进行互换，保持绿色通道G r e e n GreenGreen不变。这样就可以将图像从 BGR 格式转换为 RGB 格式。
转换的数学公式如下：

$R\_new = B,G\_new = G,B\_new = R$
其中， $R\_new = B,G\_new = G,B\_new = R$ 分别表示转换后的 RGB 图像中的红色、绿色和蓝色通道的像素值。通过这种转换，我们可以更方便地处理 RGB 格式的图像，因为 RGB 格式更符合人类感知和常用的颜色表示方式。

2.3 BGR转HSV

2.3.1 转换代码

当将 BGR 图像转换为 HSV 图像时，需要使用 OpenCV 的 cv2.cvtColor() 函数，并将转换代码设置为 cv2.COLOR_BGR2HSV。下面是更详细的代码示例：

import cv2
# 读取图像
img= cv2.imread('car.jpg')
# 将 BGR 图像转换为 HSV 图像
hsv_image = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
# 显示原始图像和转换后的图像
cv2.imshow('BGR_Image', img)
cv2.imshow('HSV_Image', hsv_image)
if cv2.waitKey(0) & 0xFF == ord('q'):
    cv2.destroyAllWindows()

2.3.2 转换原理

HSV（色调、饱和度、亮度）是一种颜色空间，通过以下数学公式将BGR（蓝、绿、红）颜色空间转换为HSV颜色空间：
1、归一化RGB值：将BGR图像的每个通道的像素值除以255，使得每个通道的取值范围在[0, 1]之间。

$R' = \frac{R}{255}, \quad G' = \frac{G}{255}, \quad B' = \frac{B}{255}$

2、计算最大值和最小值：找到归一化RGB值中的最大值Max和最小值Min。

$Max = \max(R', G', B'), \quad Min = \min(R', G', B')$

3、计算色调（H）：

如果 $Max = Min$ ，则色调 $H=0$ 。

如果 $Max = R'$ ，且 $G' \geq B'$ ，则色调 $H = \frac{60 \times (G' - B')}{Max - Min} + 0$

如果 $Max = R'$ ，且 $G' < B'$ ，则色调 $H = \frac{60 \times (G' - B')}{Max - Min} + 360$

如果 $Max = G'$ ，则色调 $H = \frac{60 \times (B' - R')}{Max - Min} + 120$

如果 $Max = B'$ ，则色调 $H = \frac{60 \times (R' - G')}{Max - Min} + 240$

4、计算饱和度（S）：

如果 $Max=0$ ，则饱和度 $S = 0$ 。
如果 $M a x ! = 0$ ，则饱和度 $S = \frac{Max - Min}{Max}$ 。
这里的饱和度S的取值范围是[0, 1]。

5、计算亮度（V）：亮度V为Max。
这里的亮度 $V$ 的取值范围是[0, 1]。
通过这些公式，可以将BGR颜色空间中的像素值转换为HSV颜色空间中的色调、饱和度和亮度值。这样就完成了从BGR到HSV的颜色空间转换。

2.4 通过trarckbar制作简单颜色空间转化器

import cv2

def callback(value):
    pass

cv2.namedWindow('color', cv2.WINDOW_NORMAL)
cv2.resizeWindow('color', 640, 480)
img = cv2.imread("car.jpg")
color_spaces = [cv2.COLOR_BGR2RGB, cv2.COLOR_BGR2BGRA,
               cv2.COLOR_BGR2GRAY, cv2.COLOR_BGR2HSV,
               cv2.COLOR_BGR2YUV]
cv2.createTrackbar('curcolor','color',0,4,callback)
while True:
    # 获取trarckbar的值
    index = cv2.getTrackbarPos('curcolor','color')
    # 进行颜色空间转化
    cvt_img = cv2.cvtColor(img, color_spaces[index])
    cv2.imshow('color', cvt_img)
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

cv2.destroyAllWindows()

展示图如下：