HSV模型简介以及利用HSV模型随机增强图像

Posted 2021-09-02 太阳花的小绿豆

文章目录

• 图像HSV模型简介
• RGB模型转HSV模型
• opencv关于HSV模型实验
• 随机增强图像HSV

---

图像HSV模型简介

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)（参考百度）。在HSV模型中，颜色是由色度（Hue），饱和度（Saturation），明度（Value）共同组成。

如图所示，HSV模型中

• 色度（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（参考百度）。其范围是0到1。
  
• 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。其范围是0（暗）到1（明）。
  

---

RGB模型转HSV模型

参考opencv官方文档：https://docs.opencv.org/master/de/d25/imgproc_color_conversions.html#color_convert_rgb_hsv
首先将R，G，B分量数值缩放到范围0到1之间，即除以255. 接下来按如下公式进行转换即可。
$$\begin{gathered} V=max(R,G,B) \\ S=\{\begin{array}{c}\frac{V-min(R,G,B)}{V}\text{if}V\ne 0\\ 0\text{otherwise}\end{array} \\ H=\{\begin{array}{c}60(G-B)/(V-min(R,G,B))\text{if V=R}\\ 120+60(B-R)/(V-min(R,G,B))\text{if V=G}\\ 240+60(R-B)/(V-min(R,G,B))\text{if V=B}\\ 0\text{if R=G=B}\end{array} \end{gathered}$$
转换之后V和S都是在0-1之间，H是在$0°$到$360°$之间（计算的结果可能小于0，如果小于0就加上360）。

假设要将像素（110， 20， 50）分别对应RGB分量，转换到HSV模型空间中。
$$\begin{gathered} (110,20,50)/255⟶(0.4314,0.0784,0.1961) \\ V=max(0.4314,0.0784,0.1961)=0.4314 \\ S=\frac{0.4314-min(0.4314,0.0784,0.1961)}{0.4314}=0.8183 \\ H=\frac{60(0.0784-0.1961)}{0.4314-min(0.4314,0.0784,0.1961)}\approx -20 \end{gathered}$$
那么转换后的V=0.4314，S=0.8183，由于H小于0所以加上360即H=340

---

opencv关于HSV模型实验

使用opencv将RGB模型图像转成HSV模型图像非常简单，直接使用cv2.cvtColor函数，在code参数中传入cv2.COLOR_RGB2HSV参数即可。 但需要注意一下，通过opencv转HSV后会根据传入的数据类型缩放到不同范围，如果输入的是Uint8类型的数据（一般读入的图片数据类型都是Uint8），默认缩放到0到255之间 。 那么对于饱和度和明度（默认0到1之间）而言直接乘以255然后取整即可。对于色度（默认是在0到360之间）由于超出了Uint8数据类型的范围，所以官方储存时是直接除以2即缩放到0到180之间。参考opencv官方文档：https://docs.opencv.org/master/de/d25/imgproc_color_conversions.html#color_convert_rgb_hsv

那么对于刚刚讲的示例将（110， 20， 50）RGB模型空间转到HSV模型空间得到是（340，0.8183，0.4314），按照刚刚讲的在opencv转换后应该是：
$$\begin{gathered} H:340/2⟶170 \\ S:0.8183\times 255⟶209 \\ V:0.4314\times 255⟶110 \end{gathered}$$
使用opencv转换试下看对不对：

import cv2
import numpy as np

rgb = np.array([110, 20, 50], dtype=np.uint8).reshape((1, 1, 3))
hsv = cv2.cvtColor(rgb, cv2.COLOR_RGB2HSV)
print(hsv)

终端打印的结果是[[[170 209 110]]]，和我们计算的是一样的，说明理解到位。

接下来在使用opencv来固定色度，饱和度，明度其中两个变量，渐变剩下一个变量来看看效果。
固定sat（饱和度）以及val（明度），渐变hue（色度）。从左到右数值从0到180（对应hue中$0°$到$360°$）

import cv2
import numpy as np


hue = np.tile(np.arange(0, 180, dtype=np.uint8).reshape((1, 180, 1)),
             (50, 1, 1))
sat= np.ones((50, 180, 1), dtype=np.uint8) * 255
val = np.ones((50, 180, 1), dtype=np.uint8) * 255
img_hsv = cv2.merge((hue, sat, val))
img = cv2.cvtColor(img_hsv, cv2.COLOR_HSV2BGR)
# img = cv2.resize(img, (720, 100))
cv2.imshow("img", img)
cv2.waitKey(0)

---

固定hue（色度）以及val（明度），渐变sat（饱和度）。从左到右数值从0到255（对应sat中$0$到$1$，饱和度越来越高）

import cv2
import numpy as np


hue = np.zeros((100, 256, 1), dtype=np.uint8)
sat = np.tile(np.arange(0, 256, dtype=np.uint8).reshape((1, 256, 1)),
             (100, 1, 1))
val = np.ones((100, 256, 1), dtype=np.uint8) * 255
img_hsv = cv2.merge((hue, sat, val))
img = cv2.cvtColor(img_hsv, cv2.COLOR_HSV2BGR)
# img = cv2.resize(img, (720, 100))
cv2.imshow("img", img)
cv2.waitKey(0)

---

固定hue（色度）以及sat（饱和度），渐变val（明度）。从左到右数值从0到255（对应val中$0$到$1$，明度越来越高）

import cv2
import numpy as np


hue = np.zeros((100, 256, 1), dtype=np.uint8)
sat = np.ones((100, 256, 1), dtype=np.uint8) * 255
val = np.tile(np.arange(0, 256, dtype=np.uint8).reshape((1, 256, 1)),
             (100, 1, 1))
img_hsv = cv2.merge((hue, sat, val))
img = cv2.cvtColor(img_hsv, cv2.COLOR_HSV2BGR)
# img = cv2.resize(img, (720, 100))
cv2.imshow("img", img)
cv2.waitKey(0)

---

随机增强图像HSV

下面的代码来自之前讲的yolov3 spp项目（增强方法并不唯一），这

以上是关于HSV模型简介以及利用HSV模型随机增强图像的主要内容，如果未能解决你的问题，请参考以下文章

「新手必看」Python+Opencv实现摄像头调用RGB图像并转换成HSV模型

由RGB到HSV颜色空间的理解

OpenCV 例程200篇209. HSV 颜色空间的图像分割

OpenCV 例程200篇209. HSV 颜色空间的彩色图像分割

RGB和HSV有何不同

cairo / gdk / gtk 中是不是支持 HSV 颜色模型？