HSV模型简介以及利用HSV模型随机增强图像

Posted 太阳花的小绿豆

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HSV模型简介以及利用HSV模型随机增强图像相关的知识,希望对你有一定的参考价值。


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 ° 0\\degree 0° 360 ° 360\\degree 360°(逆时针旋转),比如 0 ° / 360 ° 0\\degree/360\\degree 0°/360°代表红色, 120 ° 120\\degree 120°代表原谅色, 240 ° 240\\degree 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。
V = m a x ( R , G , B )   S = { V − m i n ( R , G , B ) V        if   V ≠ 0 0                       otherwise   H = { 60 ( G − B ) / ( V − m i n ( R , G , B ) )                if V=R 120 + 60 ( B − R ) / ( V − m i n ( R , G , B ) )     if V=G 240 + 60 ( R − B ) / ( V − m i n ( R , G , B ) )     if V=B 0                                                               if R=G=B V=max(R, G, B) \\\\ \\ \\\\ S = \\left\\{\\begin{matrix} \\frac{V - min(R,G,B)}{V} \\ \\ \\ \\ \\ \\ \\ \\text{if} \\ \\ V \\ne 0 \\\\ 0 \\ \\ \\ \\ \\ \\ \\ \\ \\ \\ \\ \\ \\ \\ \\ \\ \\ \\ \\ \\ \\ \\ \\text{otherwise} \\end{matrix}\\right. \\\\ \\ \\\\ H = \\left\\{\\begin{matrix} 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{matrix}\\right. V=max(R,G,B) S={VVmin(R,G,B)       if  V=00                      otherwise H=60(GB)/(Vmin(R,G,B))               if V=R120+60(BR)/(Vmin(R,G,B))    if V=G240+60(RB)/(Vmin(R,G,B))    if V=B0                                                              if R=G=B
转换之后V和S都是在0-1之间,H是在 0 ° 0\\degree 0° 360 ° 360\\degree 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。
( 110 , 20 , 50 ) / 255 ⟶ ( 0.4314 , 0.0784 , 0.1961 )   V = m a x ( 0.4314 , 0.0784 , 0.1961 ) = 0.4314   S = 0.4314 − m i n ( 0.4314 , 0.0784 , 0.1961 ) 0.4314 = 0.8183   H = 60 ( 0.0784 − 0.1961 ) 0.4314 − m i n ( 0.4314 , 0.0784 , 0.1961 ) ≈ − 20 (110, 20, 50) / 255 \\longrightarrow (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 (110,20,50)/255(0.4314,0.0784,0.1961) V=max(0.4314,0.0784,0.1961)=0.4314 S=0.43140.4314min(0.4314,0.0784,0.1961)=0.8183 H=0.4314min(0.4314,0.0784,0.1961)60(0.07840.1961)20
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:
H : 340 / 2 ⟶ 170 S : 0.8183 × 255 ⟶ 209 V : 0.4314 × 255 ⟶ 110 H: 340/2 \\longrightarrow 170 \\\\ S: 0.8183\\times255 \\longrightarrow 209 \\\\ V:0.4314\\times255 \\longrightarrow 110 H:340/2170S:0.8183×255209V:0.4314×255110
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 ° 0\\degree 0° 360 ° 360\\degree 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 0 0 1 1 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 0 0 1 1 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?