RGB色彩空间和HSV色彩空间的理解

Posted 2020-12-27 jorsean

转自：https://blog.csdn.net/u010429424/article/details/76577399

 

本文的结构如下： 
1、RGB色彩空间 
2、HSV色彩空间（附HSV颜色分量范围表） 
3、RGB到HSV的转换的Demo 
??使用OpenCV实现RGB转HSV，并通过滑动条动态设定HSV阈值 
??自己写程序，实现RGB转HSL

 

1、RGB色彩空间

RGB色彩空间源于使用阴极射线管的彩色电视，RGB分别代表三个基色（R-红色、G-绿色、B-蓝色），具体的色彩值由三个基色叠加而成。在图像处理中，我们往往使用向量表示色彩的值，如(0,0,0)表示黑色、(255, 255, 255)表示白色。其中，255表示色彩空间被量化成255个数，最高亮度值为255（255 = 2^8 - 1，即每个色彩通道用8位表示）。在这个色彩空间中，有256*256*256种颜色。RGB色彩空间如下图所示（图片来自百度百科）。是一个包含Red、Green、Blue的三维空间。

注： 
1、在OpenCV中，RGB色彩空间的顺序是BGR，千万不要弄错了 
2、在Java的Bitmap中，RGB色彩空间被表示为ARGB，其中A代表透明度

2、HSV色彩空间

HSV色彩空间（Hue-色调、Saturation-饱和度、Value-值）将亮度从色彩中分解出来，在图像增强算法中用途很广。在我本人接触的图像处理项目中，经常将图像从RGB色彩空间转换到了HSV色彩空间，以便更好地感知图像颜色，利用HSV分量从图像中提取感兴趣的区域。

HSV色彩空间也被称为HSB（色调、饱和度、亮度），在PS中常被用到。

HSV色彩空间如下图所示，用一个倒圆锥体表示整个色彩空间：

注： 
1、H的范围是[0，360），S和V的范围是[0，1]。但是在OpenCV 中，HSV好像被规范化到了[0, 255]，此处求大神指导。 
2、另外，网上有人总结了HSV颜色对应RGB的分量范围，见下面的表格。参考自： 
http://www.cnblogs.com/wangyblzu/p/5710715.html 
http://blog.csdn.net/taily_duan/article/details/51506776

3、RGB到HSV的转换的Demo

(1) 使用OpenCV的cv2.cvtColor(src, cv2.COLOR_BGR2HSV)

OpenCV为我们提供了现成的函数cvtColor()，帮助我们将图像从BGR转换到HSV。

# -*- coding:utf-8 -*-

import cv2

"""
功能：读取一张图片，显示出来，并转化为HSV色彩空间
"""
image = cv2.imread(‘images/my_wife2.jpg‘) # 根据路径读取一张图片
cv2.imshow("BGR", image) # 显示图片


# 转化图片到HSV色彩空间
dst = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)
cv2.imshow("HSV", dst) # 显示图片
cv2.waitKey(0) # 等待键盘触发事件，释放窗口

结果如下：

挺好看的美女，结果被弄成了这个样子。一些初学者包括我自己有时会问，为什么要把好端端的图片转成HSV色彩空间呢。其实这样做大有用处，比如我们要提取美女的头发区域，就可以通过设置HSV色彩空间的高低阈值来做。

# -*- coding:utf-8 -*-

import cv2
import numpy as np   # ------------------改变1

"""
功能：读取一张图片，显示出来，并转化为HSV色彩空间
"""
image = cv2.imread(‘images/my_wife2.jpg‘) # 根据路径读取一张图片
cv2.imshow("BGR", image) # 显示图片


# 转化图片到HSV色彩空间
dst = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)
cv2.imshow("HSV", dst) # 显示图片


# 根据HSV提取头发 --------------------------------改变2
low_hsv = np.array([0, 0, 46])
high_hsv = np.array([200, 40, 220])
dst = cv2.inRange(dst, low_hsv, high_hsv)
cv2.imshow("result", dst) # 显示图片

cv2.waitKey(0) # 等待键盘触发事件，释放窗口

程序的运行效果如下。我们看到，头发区域显示为白色，这样我们就初步地提取出了头发区域。当然这个效果并不理想，是因为我们设定的阈值不好，如果能动态地设定阈值就好了。

我们可以利用滑块动态地设置阈值，一边拖动滑块，一边观察图像。OpenCV提供了createTrackbar()，用于创建滑块。代码如下：

# -*- coding:utf-8 -*-

import cv2
import numpy as np

"""
功能：读取一张图片，显示出来，转化为HSV色彩空间
     并通过滑块调节HSV阈值，实时显示
"""

image = cv2.imread(‘images/my_wife2.jpg‘) # 根据路径读取一张图片
cv2.imshow("BGR", image) # 显示图片

hsv_low = np.array([0, 0, 0])
hsv_high = np.array([0, 0, 0])

# 下面几个函数，写得有点冗余

def h_low(value):
    hsv_low[0] = value

def h_high(value):
    hsv_high[0] = value

def s_low(value):
    hsv_low[1] = value

def s_high(value):
    hsv_high[1] = value

def v_low(value):
    hsv_low[2] = value

def v_high(value):
    hsv_high[2] = value

cv2.namedWindow(‘image‘)
cv2.createTrackbar(‘H low‘, ‘image‘, 0, 255, h_low) 
cv2.createTrackbar(‘H high‘, ‘image‘, 0, 255, h_high)
cv2.createTrackbar(‘S low‘, ‘image‘, 0, 255, s_low)
cv2.createTrackbar(‘S high‘, ‘image‘, 0, 255, s_high)
cv2.createTrackbar(‘V low‘, ‘image‘, 0, 255, v_low)
cv2.createTrackbar(‘V high‘, ‘image‘, 0, 255, v_high)

while True:
    dst = cv2.cvtColor(image, cv2.COLOR_BGR2HSV) # BGR转HSV
    dst = cv2.inRange(dst, hsv_low, hsv_high) # 通过HSV的高低阈值，提取图像部分区域
    cv2.imshow(‘dst‘, dst)
    if cv2.waitKey(1) & 0xFF == ord(‘q‘):
        break
cv2.destroyAllWindows()

 

程序运行的效果如下，我们拉动滑块会自动改变HSV的高低阈值，进而根据高低阈值提取的图像区域也会改变：