OpenCV进阶--图像颜色空间

Posted 2021-10-06 狗子不帅

一、颜色模型与转换

1.1RGB颜色模型

       RGB颜色空间模型：

 

        该模型的命名方式是采用三种颜色的英文首字母，分别是红色，绿色，和蓝色。在RGB模型中所有的颜色都是这三种颜色通过不同比例的混合模型，如果三种颜色都为零，则表示为黑色，如果三种颜色的分量相同且都为最大值，则表示为白色。在这个基础上增加第四个通道即为RGBA模型，第四个通道表示颜色的透明度，当没有透明度需求的时候，RGBA模型就会退化成RGB模型。

1.2YUV颜色模型

        YUV模型是电视信号系统所采用的颜色编码方式。这三个变量分别表示像素的亮度（Y)、红色分量与亮度信号差值（U)、蓝色与亮度的差值（V)。这种颜色模型主要用于视频和图像的传输。RGB模型与YUV模型之间的转换关系如下：

 1.3HSV颜色模型

        HSV是一种将RGB色彩空间中的点在倒圆锥体中的表示方法。HSV即色相(Hue)、饱和度(Saturation)、明度(Value)，又称HSB(B即Brightness)。色相是色彩的基本属性，就是平常说的颜色的名称，如红色、黄色等。饱和度（S）是指色彩的纯度，越高色彩越纯，低则逐渐变灰，取0-100%的数值。明度（V），取0-max(计算机中HSV取值范围和存储的长度有关)。HSV颜色空间可以用一个圆锥空间模型来描述。圆锥的顶点处，V=0，H和S无定义，代表黑色。圆锥的顶面中心处V=max，S=0，H无定义，代表白色。

1.4Lab颜色模型

        Lab颜色模型弥补来了RGB颜色模型的不足。是一种设备无关和基础与生理特征的颜色模型。在模型中， L表示亮度，a和b是两个颜色通道，两者的取值区间都是-128~127，其中a通道数值有小到打对应的颜色是从绿色变成红色，b通道数值由小到大对应的颜色是由蓝色变成黄色。

1.5GRAY颜色模型

        GRAY模型并不是一个彩色模型，而是一个灰度图像，灰度图像具有相同尺寸相同亚索格式所占容量小，易于采集，便于传输等优点。常用RGB模型转化成灰度图像的方式：

                GRAY = 0.3R+ 0.59G+ 0.11B

1.6不同颜色模型之间的互相转换

        OpenCV提供了cvtColor()函数用于转化功能。

void cv::cvtColor(InputArray src,
                    OutputArray dst,
                    int code,
                    int dstCn = 0
                    )

src: 待转换颜色模型的原始图像。

dst：转换颜色模型后的目标图像。

code：颜色空间转换的标志。

dstCn：目标图像中的通道数。

        如果转换过程中添加了alpha通道（RGB模型中第四个通道，表示透明度），则其值将设置为相应通道范围的最大值：CV_8U为255，CV_16U为65535，CV_32F为1。

cvtColor()函数颜色模型转换常用标志参数

标志参数	简记	作用
COLOR_BGR2BGRA	0	对RGB图像添加alpha通道
COLOR_BGR2RGB	4	彩色图像通道颜色顺序的更改
COLOR_BGR2GRAY	10	彩色图像转化成灰度图像
COLOR_GRAY2BGR	8	灰度图像转化成彩色图像（伪彩色）
COLOR_BGR2YUV	82	RGB颜色模型转成YUV颜色模型
COLOR_YUV2BGR	84	YUV颜色模型转成RGB颜色模型
COLOR_BGR2HSV	40	RGB颜色模型转成HSV颜色模型
COLOR_HSV2BGR	54	HSV颜色模型转成RGB颜色模型
COLOR_BGR2Lab	44	BGR颜色模型转成Lab颜色模型
COLOR_Lab2BGR	56	Lab颜色模型转成RGB颜色模型

代码实例：

#include<opencv2/opencv.hpp>
#include<iostream>
#include<vector>

using namespace std;
using namespace cv;

int main()
{
	Mat img = imread("lena.png");
	if (img.empty())
	{
		cout << "请检查输入的图像数据是否正确" << endl;
		return -1;
	}
	Mat gray, HSV, YUV, Lab;
	cvtColor(img, HSV, COLOR_BGR2HSV);
	cvtColor(img, YUV, COLOR_BGR2YUV);
	cvtColor(img, Lab, COLOR_BGR2Lab);
	cvtColor(img, gray, COLOR_BGR2GRAY);
	imshow("原图", img);
	imshow("HSV", HSV);
	imshow("YUV", YUV);
	imshow("Lab", Lab);
	imshow("gray", gray);
	waitKey(0);
	return 0;
}

二、多通道分离函数与合并

2.1多通道分离函数split()

        OpenCV中针对多通道分离函数split()有两种重载原型。

void cv::split(const Mat &src,
                Mat *mvbegin
                )
void cv::split(InputArray m,
                OutArray mv
                )

src：带分离的多通道图像。

mvbegin：分离后的单通道图像，为数组形式，数组大小需要与图像的通道数相同。

m：带分离的多通道图像。

mv：分离后的单通道图像，为向量(vector)形式。

        虽然两个函数原型输入参数的类型不同，但通道分离的原理是相同的，可以用下式表示：

        mv[c](I) = src(I)

2.2多通道合并函数merge()

        OpenCV针对多通道分离合并函数merge()也有两种重载原型。

void cv::merge(const Mat &mv,
                size_t cout,
                OutputArray dst
                )
void cv::merge(InputArrayOfArrays mv,
                OutputArray dst
                )

mv(第一种重载原型参数) : 需要合并的图像数组，其中每个图像必须有相同的尺寸和数据类型。

cout：输入的图像数组的长度，其数值必须大于0。

mv(第二种重载原型参数)：需要合并的图像向量（vector），其中每个图像必须拥有相同的尺寸和数据类型。

dst：合并后输出的图像，与mv[0]具有相同的尺寸和数据类型，通道数等于所有输入图像的通道数总和。

2.3图像多通道分离与合并例程

#include<opencv2/opencv.hpp>
#include<iostream>
#include<vector>

using namespace std;
using namespace cv;

int main()
{
	Mat img = imread("C:\\\\Users\\\\王淏\\\\Pictures\\\\f9afe18da2fb1fa2ff72c4d8b29fe6a (2).png");
	if (img.empty())
	{
		cout << "请检查输入的图像数据是否正确" << endl;
		return -1;
	}
	Mat HSV;
	cvtColor(img, HSV, COLOR_BGR2HSV);
	Mat imgs0, imgs1, imgs2;         //用于存放数组类型的结果
	Mat imgv0, imgv1, imgv2;          //用于存放vector类型的结果
	Mat result0, result1, result2;         //多通道合并的结果


	//输入数组参数的多通道分离与合并0
	Mat imgs[3];
	split(img, imgs);
	imgs0 = imgs[0];
	imgs1 = imgs[1];
	imgs2 = imgs[2];
	imshow("RGB-B通道", imgs0);
	imshow("RGB-G通道", imgs1);
	imshow("RGB-R通道", imgs2);
	imgs[2] = img;         //将数组中的图像通道数变成不一致
	merge(imgs, 3, result0);       //合并图像
	//imshow("result0", result0);     imshow最多显示4个通道因此结果Image Watch中查看
	Mat zero = cv::Mat::zeros(img.rows, img.cols, CV_8UC1);
	imgs[0] = zero;
	imgs[2] = zero;
	merge(imgs , 3, result1);
	imshow("result1", result1);


	//输入vector参数的多通道分离与合并
	vector<Mat> imgv;
	split(HSV, imgv);
	imgv0 = imgv.at(0);
	imgv1 = imgv.at(1);
	imgv2 = imgv.at(2);
	imshow("HSV-H通道", imgv0);
	imshow("HSV-S通道", imgv1);
	imshow("HSV-V通道", imgv2);
	imgv.push_back(HSV);     //将vector中的图像通道数变成不一致
	merge(imgv, result2);
	//imshow("result2", result2);       imshow最多显示4个通道，因此结果在Image Watch中查看
	waitKey(0);
	return 0;
}