计算机视觉OpenCV 4高级编程与项目实战(Python版):色彩空间

Posted 蒙娜丽宁

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了计算机视觉OpenCV 4高级编程与项目实战(Python版):色彩空间相关的知识,希望对你有一定的参考价值。

视频课程:《Python OpenCV 4高级编程与实战》

        本系列文章会深入讲解OpenCV 4(Python版)的核心技术,并提供了大量的实战案例。这是本系列文章的第3篇,主要讲解OpenCV处理图像的基本方法,主要包括读取图像、显示图像、保存图像和获取图像的属性。

目录

1. 灰度(GRAY)色彩空间

2. 从RGB/BGR色彩空间转换到GRAY色彩空间

3. RGB色彩空间的局限性

4. 适合图像处理的HSV色彩空间

5. RGB/BGR色彩空间与HSV色彩空间之间相互转换


        在上一篇文章中,简单介绍了BGR色彩空间和RGB色彩空间,本文将介绍另外两个比较常见的色彩空间:GRAY色彩空间和HSV色彩空间。

1. 灰度(GRAY)色彩空间

        GRAY色彩空间通道指的是灰度图像,灰度图像的通常只有1个,值范围是[0, 255],一共256个灰度级别。其中0表示纯黑色,255表示纯白色。0~255之间的数值表示不同的亮度(即色彩的深浅程度)的深灰色或浅灰色。因此,一副灰度图能展示丰富的细节信息,如图1所示。

2. 从RGB/BGR色彩空间转换到GRAY色彩空间

        不难发现,上一篇文章中的彩色花朵图与图1其实是一副图像,只是前者是彩色图像,后者是灰度图像。从这一点可以看出,同一副图像,是可以从一个色彩空间切换到另一个色彩空间的,OpenCV把这个转换过程称为色彩空间类型转换。

        那么,OpenCV是如何将图像从BGR色彩空间转换到GRAY色彩空间,进而得到图1所示的灰度图呢?答案就是OpenCV中的cvtColor函数。cvtColor函数用于转换图像的色彩空间,该函数的原型如下:

cvtColor(src, code[, dst[, dstCn]]) ->   dst

参数说明:

  • src:转换前的初始图像数据。
  • code:色彩空间转换码。
  • dst:可选参数。dst既是参数,也是返回值,转换后的图像数据(目标图像数据)。也就是说,转换结果,可以通过cvtColor函数返回,也可以通过dst参数返回。
  • dstCn:可选参数。目标图像的通道数,默认值是0,通道数会自动通过src参数和code参数确定。

        OpenCV提供的色彩空间转换码非常多,本文只给出与BGR/RGB色彩空间和GRAY色彩空间相关的转换码,如表1所示。

下面的代码将彩色图像flower.jpg从BGR色彩空间转换到GRAY色彩空间。

import cv2
image = cv2.imread("images/flower.jpg")	
# 显示彩色图像
cv2.imshow("flower", image)		
# 将BGR色彩空间的图像转换到GRAY色彩空间的图像
gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
# 显示灰度图像	
cv2.imshow("GRAY", gray_image)
cv2.waitKey()
cv2.destroyAllWindows()

运行程序,会看到如图2所示的转换效果。

注意:尽管色彩空间类型的转换是双向的,而且OpenCV也提供了  cv2.COLOR_GRAY2BGR和cv2.COLOR_GRAY2RGB空间转换码,但由于彩色图像转换到灰度图像时,已经将颜色比例(也就是红色、绿色和蓝色之间的混合比例)丢失了,一旦丢失,将无法恢复。所以尽管可以使用这2个空间转换码将GRAY色彩空间抓好为BGR色彩空间和RGB色彩空间,但转换结果仍然是灰度图像。      

3. RGB色彩空间的局限性

        RGB是我们接触最多的色彩空间,通过红色(R),绿色(G)和蓝色(B)这3种颜色的不同组合可以形成几乎所有的颜色。RGB 色彩空间是图像处理中最基本、最常用、面向硬件的颜色空间,比较容易理解。

        RGB 色彩空间利用3个颜色分量的线性组合来表示颜色,任何颜色都与这三个分量有关,而且这3个分量是高度相关的,所以连续变换颜色时并不直观,想对图像的颜色进行调整需要更改这3个分量才行。

        自然环境下获取的图像容易受自然光照、遮挡和阴影等情况的影响,即对亮度比较敏感。而 RGB 色彩空间的3个分量都与亮度密切相关,即只要亮度改变,3个分量都会随之相应地改变。

        但是人眼对于这3种颜色分量的敏感程度是不一样的,在单色中,人眼对红色最不敏感,蓝色最敏感,所以 RGB 色彩空间是一种均匀性较差的色彩空间。如果颜色的相似性直接用欧氏距离来度量,其结果与人眼视觉会有较大的偏差。对于某一种颜色,我们很难推测出较为精确的3个分量数值来表示。

所以RGB 色彩空间适合于显示系统,并不适合于图像处理。

4. 适合图像处理的HSV色彩空间

        在图像处理中使用较多的是 HSV 色彩空间,它比 RGB 更接近人们对彩色的感知经验。非常直观地表达颜色的色调、鲜艳程度和明暗程度,方便进行颜色的对比。

        在 HSV 色彩空间下,比 RGB色彩空间更容易跟踪某种颜色的物体,常用于分割指定颜色的物体。

HSV 色彩空间表达彩色图像的方式由3个部分组成:

  • Hue(色调)
  • Saturation(饱和度)
  • Value(亮度)

        用图3所示的圆柱体来表示 HSV 色彩空间,圆柱体的横截面可以看做是一个极坐标系 ,H 用极坐标的极角表示,S 用极坐标的极轴长度表示,V 用圆柱中轴的高度表示。

Hue 用角度表示,取值范围是0~360,表示色彩信息,即所处的光谱颜色的位置,如图4所示。 

        颜色圆环上所有的颜色都是光谱上的颜色,从红色开始按逆时针方向旋转,Hue=0 表示红色,Hue=120 表示绿色,Hue=240 表示蓝色,其他角度的颜色都是用R、G、B混合出来的颜色。

        在 RGB色彩空间中,颜色由3个值共同决定,比如黄色是(255,255,0)。在HSV色彩空间中,黄色只由一个值决定,即Hue=60。

        HSV色彩空间的饱和度(Saturation)和透明度(Value)用百分比表示,取值范围是0~100%。饱和度越高,说明颜色越深,越接近光谱色。饱和度越低,说明颜色越浅,越接近白色。饱和度为0表示纯白色。值越大,颜色越饱和。

        透明度越高,表示颜色越明亮,透明度越低,表示颜色越暗,透明度为0表示纯黑色。

        我们也可以利用一些图像处理工具来观察RGB色彩空间与HSV色彩空间的对应关系,如PS就是非常好的图像处理工具,打开PS,选择前景色或背景色,会显示一个颜色选择窗口,如图5所示。将RGB色彩空间中的R、G、B分别调整为255、255、0,即黄色。RGB的黄色对应了HSV色彩空间中H=60的颜色,如果正好是光谱颜色,那么S = V = 100%。

        可能很多读者还无法理解到底什么是饱和度和透明度,下面就更直观解释一下饱和度和透明度。在Hue色彩空间中,饱和度减小,就相当于往光谱色中添加白色,光谱色所占的比例也在减小,饱和度减为0,表示光谱色所占的比例为零,导致整个颜色呈现白色。

        透明度减小,就相当于往光谱色中添加黑色,光谱色所占的比例也在减小,透明度减为0,表示光谱色所占的比例为零,导致整个颜色呈现黑色。

        HSV 色彩空间对用户来说是一种比较直观的颜色模型。我们可以很轻松地得到单一颜色值,即指定颜色角H,并让V=S=1,然后通过向其中加入黑色和白色来得到我们需要的颜色。增加黑色可以减小V而S不变,同样增加白色可以减小S而V不变。例如,要得到深蓝色,V=0.4 S=1 H=240。要得到浅蓝色,V=1 S=0.4 H=240度。

5. RGB/BGR色彩空间与HSV色彩空间之间相互转换

        OpenCV提供的cvtColor函数不仅可以将图像从RGB/BGR色彩空间转换到GRAY色彩空间,还能将图像在RGB/BGR色彩空间与HSV色彩空间之间相互转换。表2是将图像在RGB/BGR色彩空间与HSV色彩空间之间转换时需要使用的色彩空间转换吗。

 

        下面的代码将BGR色彩空间的图像(flower.jpg)与HSV色彩空间互相转换,并保存转换结果。

import cv2
image = cv2.imread("images/flower.jpg")
cv2.imshow("flower", image)
# 从BGR色彩空间转换到HSV色彩空间
hsv_image = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)
cv2.imshow("hsv", hsv_image)
cv2.imwrite("images/flower_hsv.jpg",hsv_image)
image = cv2.imread("images/flower_hsv.jpg")
cv2.imshow("hsv1", image)
# 从HSV色彩空间转换到BGR色彩空间
rgb_image = cv2.cvtColor(image, cv2.COLOR_HSV2BGR)
cv2.imshow("rgb", rgb_image)
cv2.waitKey()
cv2.destroyAllWindows()

        运行这段程序,会显示4个窗口。其中图6是原图,图7是转换到HSV色彩空间的图像。图8是读取的HSV色彩空间的图像。图9是从HSV色彩空间转换到BGR色彩空间后的效果。 

  

以上是关于计算机视觉OpenCV 4高级编程与项目实战(Python版):色彩空间的主要内容,如果未能解决你的问题,请参考以下文章

计算机视觉OpenCV 4高级编程与项目实战(Python版):图像处理基础

计算机视觉OpenCV 4高级编程与项目实战(Python版):操作像素

计算机视觉OpenCV 4高级编程与项目实战(Python版):操作像素

计算机视觉OpenCV 4高级编程与项目实战(Python版):通道详解

计算机视觉OpenCV 4高级编程与项目实战(Python版):通道详解

计算机视觉OpenCV 4高级编程与项目实战(Python版):通道详解