色彩空间转换 - 小咖博客

彩色图像的颜色空间

三原色原理

为了标准化起见，国际照明委员会(CIE)规定用波长为700nm、546.1nm、435.8nm的单色光分别作为红(R)、绿(G)、蓝(B)三原色。红绿蓝三原色按照比例混合可以得到各种颜色，其配色方程为︰C=aR+bG+cB

彩色模型（也称彩色空间或彩色系统)︰简化彩色规范

坐标系-子空间:每种颜色用坐标系的单个点表示
彩色模型有很多︰在实际项目开发应用较多的有RGB、CMY ( CMYK)、HSI、YUv、YCbCr、Lab等。

RGB模型与颜色空间坐标系

常用的一种彩色信息表达方式
用红、绿、蓝三原色的亮度来定量表示颜色
该模型也称为加色混色模型
以RGB三色光相互叠加来实现混色的方法
适合于显示器等发光体的显示

图1 RGB颜色空间坐标系

如图1所示，RGB颜色空间基于三维直角坐标系，包括R、G、B三个原始光谱分量。
RGB颜色空间中的R、G、B三个分量的值分别描述了红色、绿色、蓝色的亮度值。
为了方便描述，将三个分量都进行归一化，使得三元组中的每个数值表示红色、绿色、蓝色三者的比例。在图1中，原点(0, 0, 0)代表黑色，点(1, 1, 1)代表白色，点(1, 0, 0)代表红色，点(0, 1, 0)代表绿色，点(0, 0, 1)代表蓝色。

RGB图像的大小

每一幅红、蓝、绿图像都是一幅8bit图像
RGB图像的每一个像素包含24bit位深
24bit位深的彩色图像称为全(真)彩色图像
全彩色图像的颜色种类总数为2的24次方，

HSI颜色模型与颜色空间

HSI(Hue-Saturation-Intensity , HSI)模型用H、S、I三参数描述颜色特性。

H（色调）由角度来表示，彩色的色调反映了该彩色最接近什么样的光谱波长;
S（饱和度）表示颜色的深浅程度，饱和度越高，颜色越深;
I（亮度）由物体反射系数来决定。反射系数越大，物体的亮度越大，反之越小。
I分量为强度或亮度与图像的彩色信息无关;
H和S分量为彩色信息与人感受颜色的方式紧密相连。

图2 HSI颜色空间

如图2所示，HSI颜色空间圆锥体的中间横截面称为色环，色环更加清晰地展示了色调和饱和度两个参数。
如果把亮度作为色环的垂线，那么H、S、I构成一个柱形彩色空间。HSI模型的三个属性定义了一个三维颜色空间。
色调H由角度表示，其反映了该颜色最接近哪个光谱波长。在色环中，0°表示红色光谱，120°表示绿色光谱，240°表示蓝色光谱。饱和度S由色环的圆心到颜色点的半径表示，距离越长表示饱和度越高，则颜色越鲜明。

RGB与HSI的转换

给定一幅RGB颜色空间格式的图像，将图像的R分量、G分量、B分量分别归一化。在RGB颜色空间中，位于（x，y）空间位置的像素点的颜色用该像素点的R分量R（x，y）、G分量G（x，y）和B分量B（x，y）三个数值表示。在HSI颜色空间中，位于空间位置的像素点的H分量H（x，y）、S分量S（x，y）、I分量I（x，y）可分别由以下公式计算得到：

（1）当H（x，y）∈ [00，1200）时转换公式为：

（2）当H（x，y）∈ [1200，2400）时转换公式为：

（3）当H（x，y）∈ [2400，3600）时转换公式为：

编写RGB与HSI彩色空间转换实验

对于彩色图像的直方图均衡化，首先需利用HSI函数将图像转换至HSI颜色空间，再利用设计的RGB函数将图像从HSI颜色空间转换至RGB颜色空间进行显示。最终，对彩色图像进行图像切割、检测操作，比如切割苹果、检测火焰等，根据测试效果。

代码

RGB转HIS函数;

 1 #RGB转HSI颜色空间  2 def HSI(img):  3 r = img[:,:,0].astype(np.float32)  4 g = img[:,:,1].astype(np.float32)  5 b = img[:,:,2].astype(np.float32)  6  7 I = (r+g+b)/3  8 I = I/255  9 img_min = np.min(img,axis=-1) 10 S = 1 - (3/(r+g+b)*img_min) 11 a = 0.5*((r-g)+(r-b)) 12 botton = ((r-g)2+((r-b)*(g-b))+ sys.float_info.min)0.5 13 den =a /botton 14 den[den>1]=1 15 den[den<-1]=-1 16 H = np.arccos(den) 17 index = np.where(g<b) 18 H[index]= 2*m.pi-H[index] 19 H /= 2 * m.pi 20 H[S == 0] = 0 21 22 hsi = np.zeros([img.shape[0],img.shape[1],img.shape[2]],dtype=np.float32) 23 hsi[:,:,0] = H 24 hsi[:,:,1] = S 25 hsi[:,:,2] = I 26 return hsi

HIS转RGB函数;

 1 #HSI转RGB颜色空间  2 def RGB(hsi):  3 #rgb   4 H = hsi[:,:,0]  5 S = hsi[:,:,1]  6 I = hsi[:,:,2]  7 H *=2*m.pi  8  9 rgb = np.zeros(hsi.shape,np.uint8) 10 R = np.zeros(H.shape, dtype=np.float32) 11 G = np.zeros(H.shape, dtype=np.float32) 12 B = np.zeros(H.shape, dtype=np.float32) 13 14 index = np.where((H>=0)&(H<2*m.pi/3)) 15 R[index] = I[index] * (1+(S[index]*np.cos(H[index]))/(np.cos(m.pi/3-H[index]))) 16 B[index] = I[index]*(1-S[index]) 17 G[index] = 3*I[index]-(B[index]+R[index]) 18 19 index = np.where((H>=2*m.pi/3)&(H<4*m.pi/3)) 20 R[index] = I[index]*(1-S[index]) 21 G[index] = I[index] * (1+(S[index]*np.cos(H[index]-2*m.pi/3))/(np.cos(m.pi-H[index]))) 22 B[index] = 3*I[index]-(R[index]+G[index]) 23 24 index = np.where((H>=4*m.pi/3)&(H<2*m.pi)) 25 B[index] = I[index] * (1+(S[index]*np.cos(H[index]-4*m.pi/3))/(np.cos(5*m.pi/3-H[index]))) 26 G[index] = I[index]*(1-S[index]) 27 R[index] = 3*I[index]-(G[index]+B[index]) 28 29 rgb[:,:,0] = (255*R).astype(np.uint8) 30 rgb[:,:,1] = (255*G).astype(np.uint8) 31 rgb[:,:,2] = (255*B).astype(np.uint8) 32 return rgb

对苹果进行切割；

 1 #苹果检测  2 def appleDetect(img):  3 # img = img.astype(np.float32)  4 r = img[:,:,0]  5 g = img[:,:,1]  6 b = img[:,:,2]  7 hsi = HSI(img)  8 H = hsi[:,:,0]  9 H *=2*m.pi 10  11 apple = np.zeros(img.shape,dtype=np.uint32) 12 detect_ground = np.where(((H>=0)&(H<=m.pi/3.6))|((H>m.pi*1.3)&(H<=2*m.pi))) 13 apple[:,:,0][detect_ground] = r[detect_ground] 14 apple[:,:,1][detect_ground] = g[detect_ground] 15 apple[:,:,2][detect_ground] = b[detect_ground] 16 apple = apple.astype(np.uint8) 17 cv.imshow("apple_img",apple)

对火焰进行检测；

 1 #火焰检测  2 def fireDetect(img):  3  4 r = img[:,:,0]  5 g = img[:,:,1]  6 b = img[:,:,2]  7 hsi = HSI(img)  8 H = hsi[:,:,0]  9 S = hsi[:,:,1] 10 I = hsi[:,:,2] 11 S *= 100 12 I *= 255 13 H *=2*m.pi 14 # rgb = self.RGB(hsi) 15 detect_ground = np.where((H >= 2*m.pi/3) & (H< 2 * m.pi) & (S >= 20 )& (I >=100)) 16 fire = np.zeros(img.shape,dtype=np.uint32) 17 # print(detect_ground) 18 fire[:,:,0][detect_ground] = r[detect_ground] 19 fire[:,:,1][detect_ground] = g[detect_ground] 20 fire[:,:,2][detect_ground] = b[detect_ground] 21 # print(fire) 22 fire = fire.astype(np.uint8) 23 cv.imshow("fire",fire)

图像显示；

 1 #图像显示  2 def main():  3 img_apple = cv.imread("./data/images/apple.jpg")  4 img_fire = cv.imread("./data/images/fire.jpg")  5 hsi = HSI(img_apple)  6 rgb = RGB(hsi)  7  appleDetect(img_apple)  8  fireDetect(img_fire)  9 cv.imshow("orgin_apple",img_apple) 10 # cv.imshow("I",I) 11 # cv.imshow("S",S) 12 # cv.imshow("H",H) 13 cv.imshow("hsi",hsi) 14 cv.imshow("hsi_to_rgb_img",rgb)

程序执行；

1 if __name__=="__main__": 2  main() 3 k = cv.waitKey(0)&0xFF 4 if k == 27: 5  cv.destroyAllWindows() 6

到此这篇色彩空间转换的文章就介绍到这了,更多相关内容请继续浏览下面的相关推荐文章，希望大家都能在编程的领域有一番成就！

上一篇：抽奖小程序怎么做，快速制作小程序平台

下一篇：安卓模拟器防抓包破解

版权声明：
本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如若内容造成侵权、违法违规、事实不符，请将相关资料发送至xkadmin@xkablog.com进行投诉反馈，一经查实，立即处理！

转载请注明出处，原文链接：https://www.xkablog.com/hdkf/10579.html