RGB与Lab颜色空间互相转换
Posted 浩瀚之水_csdn
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RGB与Lab颜色空间互相转换相关的知识,希望对你有一定的参考价值。
RGB与Lab颜色空间互相转换
1.Lab颜色空间
同RGB颜色空间相比(见博客《光与色的故事--颜色空间浅析》),Lab是一种不常用的色彩空间。它是在1931年国际照明委员会(CIE)制定的颜色度量国际标准的基础上建立起来的。1976年,经修改后被正式命名为CIELab。它是一种设备无关的颜色系统,也是一种基于生理特征的颜色系统。这也就意味着,它是用数字化的方法来描述人的视觉感应。Lab颜色空间中的L分量用于表示像素的亮度,取值范围是[0,100],表示从纯黑到纯白;a表示从红色到绿色的范围,取值范围是[127,-128];b表示从黄色到蓝色的范围,取值范围是[127,-128]。下图所示为Lab颜色空间的图示;
需要提醒的是,Lab颜色空间比计算机显示器、打印机甚至比人类视觉的色域都要大,表示为 Lab 的位图比 RGB 或 CMYK 位图获得同样的精度要求更多的每像素数据。虽然我们在生活中使用RGB颜色空间更多一些,但也并非Lab颜色空间真的一无所有。例如,在 Adobe Photoshop图像处理软件中,TIFF格式文件中,PDF文档中,都可以见到Lab颜色空间的身影。而在计算机视觉中,尤其是颜色识别相关的算法设计中,rgb,hsv,lab颜色空间混用更是常用的方法。
两者的区别:
RGB的是由红色通道(R)、绿色通道(G)、蓝色通道(B)组成的,最亮的红色+最亮的绿色+最亮的蓝色=白色;最暗的红色+最暗的绿色+最暗的蓝色=黑色;而在最亮和最暗之间,相同明暗度的红色+相同明暗度的绿色+相同明暗度的蓝色=灰色。在RGB的任意一个通道内,白和黑表示这个颜色的明暗度。所以,有白色或者灰白色的地方,R、G、B三个通道都不可能是黑色的,因为必须要有R、G、B三个通道来构成这些颜色。
而LAB不一样,LAB中的明度通道(L)专门负责整张图的明暗度,简单的说就是整幅图的黑白版。a通道和b通道只负责颜色的多少。a通道表示从洋红色(通道里的白色)至深绿色(通道里的黑色)的范围;b表示从焦黄色(通道里的白色)至袅蓝色(通道里的黑色)的范围;a、b通道里的50%中性灰色表示没有颜色,所以越接近灰色说明颜色越少,而且a通道和b通道的颜色没有亮度。这就说明了为什么在a、b通道中红色T恤的轮廓是那么的清晰!因为红色是洋红色+焦黄色组成的。
总的来说:
1、适合RGB通道抠的图大部分LAB模式能完成,反之不成立。
2、任何单一色调背景下,用通道抠有明显颜色区别的部分,用LAB模式很快能完成
3、LAB模式下对明度(L)通道做任何操作(如锐化、模糊等)不会影响到色相。
2.RGB转Lab颜色空间
RGB颜色空间不能直接转换为Lab颜色空间,需要借助XYZ颜色空间,把RGB颜色空间转换到XYZ颜色空间,之后再把XYZ颜色空间转换到Lab颜色空间。
RGB与XYZ颜色空间有如下关系:
仔细观察式(1),其中 X = 0.412453 * R + 0.412453 *G+ 0.412453B ; 各系数相加之和为0.950456,非常接近于1,我们知道R/G/B的取值范围为[ 0,255 ],如果系数和等于1,则X的取值范围也必然在[ 0,255 ]之间,因此我们可以考虑等比修改各系数,使其之和等于1,这样就做到了XYZ和RGB在同等范围的映射。这也就是为什么代码里X,Y,Z会分别除以0.950456、1.0、1.088754。
RGB2Lab关键代码实现:
//RGB2Lab Lab2RGB
const float param_13 = 1.0f / 3.0f;
const float param_16116 = 16.0f / 116.0f;
const float Xn = 0.950456f;
const float Yn = 1.0f;
const float Zn = 1.088754f;
float gamma(float x)
{
return x>0.04045?powf((x+0.055f)/1.055f,2.4f):(x/12.92);
};
void RGB2XYZ(T_U8 R, T_U8 G, T_U8 B, float *X, float *Y, float *Z)
{
float RR = gamma(R/255.0);
float GG = gamma(G/255.0);
float BB = gamma(B/255.0);
*X = 0.4124564f * RR + 0.3575761f * GG + 0.1804375f * BB;
*Y = 0.2126729f * RR + 0.7151522f * GG + 0.0721750f * BB;
*Z = 0.0193339f * RR + 0.1191920f * GG + 0.9503041f * BB;
}
void XYZ2Lab(float X, float Y, float Z, float *L, float *a, float *b)
{
float fX, fY, fZ;
X /= (Xn);
Y /= (Yn);
Z /= (Zn);
if (Y > 0.008856f)
fY = pow(Y, param_13);
else
fY = 7.787f * Y + param_16116;
if (X > 0.008856f)
fX = pow(X, param_13);
else
fX = 7.787f * X + param_16116;
if (Z > 0.008856)
fZ = pow(Z, param_13);
else
fZ = 7.787f * Z + param_16116;
*L = 116.0f * fY - 16.0f;
*L = *L > 0.0f ? *L : 0.0f;
*a = 500.0f * (fX - fY);
*b = 200.0f * (fY - fZ);
}
int RGB2Lab(IMAGE_TYPE *bmp_img,float *lab_img)
{
DWORD width,height,index;
WORD biBitCount;
T_U8 *dst,*bmp,R,G,B;
float X,Y,Z,L,a,b;
T_U32 line_byte;
T_U16 i,j;
BITMAPFILEHEADER bf;
BITMAPINFOHEADER bi;
memset(&bf, 0, sizeof(bf));
memset(&bi, 0, sizeof(bi));
bmp = bmp_img;
memcpy(&bf,bmp,14);
memcpy(&bi,&bmp[14],40);
height = bi.biHeight;
width = bi.biWidth;
biBitCount = bi.biBitCount;//每一个像素由24 bits表示,即RGB分量每一个分量用8 bits表示
line_byte = WIDTHBYTES(width*bi.biBitCount);
dst = bmp_img+BMPHEADSIZE;
for (i = 0; i <height;i++)
{
for (j = 0;j < width;j++)
{
index = i*line_byte+3*j;
B = dst[index];
G = dst[index+1];
R = dst[index+2];
RGB2XYZ(R,G,B,&X,&Y,&Z);
XYZ2Lab(X,Y,Z,&L,&a,&b);
lab_img[index] = L;
lab_img[index+1] = a;
lab_img[index+2] = b;
}
}
return 0;
}
4.结果实例
左侧图像是原始图像,右侧图像经过RGB->XYZ->LAB->XYZ->RGB的转换结果图。
以D65光源下24色卡为例,对比其计算出来的RGB Lab值大小。
24色在D65光源下sRGB值
标准SRGB转Lab值
上述Lab转RGB值
按照上述公式,计算出来的Lab值与EasyRGB和Photoshop计算出来的值比较,与EasyRGB差值比较小。之所以有所差异,是lab计算中选取的参考白点Xn、Yn、Zn以及设备RGB转XYZ的矩阵略有差异。与Photoshop比较,主要差异在于a分量,其他两个分量已经比较接近了。
参考资料:
http://www.cnblogs.com/Imageshop/archive/2013/02/02/2889897.html
http://blog.csdn.net/grafx/article/details/59482320
http://www.easyrgb.com/en/math.php
http://www.brucelindbloom.com/
————————————————
版权声明:本文为CSDN博主「大熊背」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。
原文链接:https://blog.csdn.net/lz0499/article/details/77345166
————————————————
版权声明:本文为CSDN博主「大熊背」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。
原文链接:https://blog.csdn.net/lz0499/article/details/77345166
以上是关于RGB与Lab颜色空间互相转换的主要内容,如果未能解决你的问题,请参考以下文章
RGB、CMY、CMYK、YUV、HSV、HSI、LAB颜色空间详解
pytorchtensor张量vector向量numpy array数组image图像RGB空间LAB空间之间相互转换大全