2.1 GRAY色彩空间#

​ GRAY色彩空间是一种只有一个通道的色彩空间，像素值的范围是[0,255]，用于表示图像的亮度信息。

• 转换方式

  • RGB转GRAY：Gray = 0.299 * 𝑅 + 0.587 * 𝐺 + 0.114 * 𝐵

  • GRAY转RGB：R = G = B = Gray，当图像由GRAY色彩空间转换为RGB色彩空间时，所有通道的值都将是相同的。

2.2 YCrCb色彩空间#

​ 在YCrCb色彩空间中，Y代表光源的亮度，体现了颜色的亮暗程度，色度信息保存在Cr和Cb中，Cr 表示红色分量信息，Cb表示蓝色分量信息。

• 转换方式

• RGB转YCrCb
  • 𝑌 = 0.299 * 𝑅 + 0.587 * 𝐺 + 0.114 * 𝐵
  • Cr = (𝑅 − 𝑌) × 0.713 + delta
  • Cb = (𝐵 − 𝑌) × 0.564 + delta
• YCrCb转RGB
  • 𝑅 = 𝑌 + 1.403 * (Cr − delta)
  • 𝐺 = 𝑌 − 0.714 * (Cr − delta) − 0.344 * (Cb − delta)
  • 𝐵 = 𝑌 + 1.773 * (Cb − delta)

2.3 HSV色彩空间#

​ HSV色彩空间是一种面向视觉感知的颜色模型。HSV色彩空间从心理学和视觉的角度出发，指出人眼的色彩知觉包含的三要素：色调（Hue）、饱和度（Saturation）、亮度（Value）。色调指光的颜色，饱和度是指色彩的深浅程度，亮度指人眼感受到光的明暗程度 。

• 色调：取值范围为[0, 360]。将颜色分布在圆周上，不同的角度代表不同的颜色，两个角度之间的角度对应两个颜色之间的过渡色。
• 饱和度：取值范围是[0, 1]。所选颜色的纯度值和该颜色最大纯度值之间的比值。
• 亮度：取值范围是[0, 1]。表示色彩的明亮程度。

2.4 L*a*b*色彩空间#

​ L*a*b*色彩空间是均匀色彩空间模型，它也是面向视觉感知的颜色模型。

​ 在L*a*b*色彩空间中，L*分量用于表示像素的亮度，取值范围是[0,100]，表示从纯黑到纯白；a*分量表示从红色到绿色的范围，取值范围是[-127,127]；b*分量表示从黄色到蓝色的范围，取值范围是[-127,127]。

2.5 L*u*v*色彩空间#

​ L*u*v*色彩空间与设备无关，适用于显示器显示和根据加色原理进行组合的场合，该模型中比较强调对红色的表示， 即对红色的变化比较敏感，但对蓝色的变化不太敏感。

2.6 Bayer色彩空间#

​ Bayer色彩空间被广泛地应用在CCD和CMOS相机中，它能够从R、G、B交错表中获取彩色图像。

3.1 调用方式#

• 函数：dst = cv2.cvtColor( src, code [, dstCn] )
  • dst表示输出图像，与原始输入图像具有同样的数据类型和深度。
  • src表示原始输入图像，可以是8位无符号图像、16位无符号图像，或者单精度浮点数等。
  • code是色彩空间转换码。
  • dstCn是目标图像的通道数，默认为0。

注意

由于计算过程存在四舍五入，所以转换过程并不是精准可逆的。

3.2 转换码#

3.3 示例#

RGB与GRAY#

1
import cv2
2

3
BGR = cv2.imread("person.jpg")
4

5
GRAY = cv2.cvtColor(BGR, cv2.COLOR_BGR2GRAY)
6
cv2.imwrite("GRAY.jpg", GRAY)
7
GRAY_BGR = cv2.cvtColor(GRAY, cv2.COLOR_GRAY2BGR)
8
cv2.imwrite("GRAY_BGR.jpg", GRAY_BGR)

BGR	BGR转GRAY	GRAY转BGR

RGB与YCrCb#

1
import cv2
2

3
BGR = cv2.imread("person.jpg")
4

5
YCbCr = cv2.cvtColor(BGR, cv2.COLOR_BGR2YCrCb)
6
cv2.imwrite("Y.jpg", YCbCr[:,:,0])
7
cv2.imwrite("Cb.jpg", YCbCr[:,:,1])
8
cv2.imwrite("Cr.jpg", YCbCr[:,:,2])
9
YCbCr_BGR = cv2.cvtColor(YCbCr, cv2.COLOR_YCrCb2BGR)
10
cv2.imwrite("YCbCr_BGR.jpg", YCbCr_BGR)

BGR	Y	Cb	Cr	YCrCb转BGR

RGB与HSV#

1
import cv2
2

3
BGR = cv2.imread("person.jpg")
4

5
HSV = cv2.cvtColor(BGR, cv2.COLOR_BGR2HSV)
6
cv2.imwrite("H.jpg", HSV[:,:,0])
7
cv2.imwrite("S.jpg", HSV[:,:,1])
8
cv2.imwrite("V.jpg", HSV[:,:,2])
9
HSV_BGR = cv2.cvtColor(HSV, cv2.COLOR_HSV2BGR)
10
cv2.imwrite("HSV_BGR.jpg", HSV_BGR)

BGR	H	S	V	HSV转BGR

4.1 控制方式#

• 函数：cv2.inRange()，判断图像内像素点的像素值是否在指定的范围内，可以用来生成相应的掩膜
• 调用方式：dst = cv2.inRange( src, lower, upper )
• 参数说明：
  • dst：表示输出结果，大小和src一致。
  • src：表示要检查的数组或图像。
  • lower：表示范围下界。
  • upper：表示范围上界。

4.2 示例#

1
import cv2
2
import numpy as np
3

4
bgr = cv2.imread("logo.png")
5
hsv = cv2.cvtColor(bgr, cv2.COLOR_BGR2HSV)
6

7
minBlue = np.array([110,100,100])
8
maxBlue = np.array([130,255,255])
9
maskBlue = cv2.inRange(hsv, minBlue, maxBlue)
10
blue = cv2.bitwise_and(bgr, bgr, mask=maskBlue)
11
cv2.imwrite("B.jpg", blue)
12

13
minGreen = np.array([50,100,100])
14
maxGreen = np.array([70,255,255])
15
maskGreen = cv2.inRange(hsv, minGreen, maxGreen)
16
green = cv2.bitwise_and(bgr, bgr, mask=maskGreen)
17
cv2.imwrite("G.jpg", green)
18

19
minRed = np.array([0,100,100])
20
maxRed = np.array([30,255,255])
21
maskRed = cv2.inRange(hsv, minRed, maxRed)
22
red = cv2.bitwise_and(bgr, bgr, mask=maskRed)
23
cv2.imwrite("R.jpg", red)

LOGO	R	G	B