2019-03-29 14:18:20 tomy2426214836 阅读数 100662

RGB颜色空间

RGB(red,green,blue)颜色空间最常用的用途就是显示器系统,彩色阴极射线管,彩色光栅图形的显示器 都使用R、G、B数值来驱动R、G、B 电子枪发射电子,并分别激发荧光屏上的R、G、B三种颜色的荧光粉发出不同亮度的光线,并通过相加混合产生各种颜色;扫描仪也是通过吸收原稿经反射或透射而发送来 的光线中的R、G、B成分,并用它来表示原稿的颜色。RGB色彩空间称为与设备相关的色彩空间,因为不同的扫描仪扫描同一幅图像,会得到不同色彩的图像数据;不同型号的显示器显示同一幅图像,也会有不同 的色彩显示结果。显示器和扫描仪使用的RGB空间与CIE 1931 RGB真实三原色表色系统空间是不同的,后者 是与设备无关的颜色空间。btw:Photoshop的色彩选取器(Color Picker)。可以显示HSB、RGB、LAB和CMYK 色彩空间的每一种颜色的色彩值。

在计算机技术中使用最广泛的颜色空间是RGB颜色空间,它是一种与人的视觉系统结构密切相关的模型。根据人眼睛的结构,所有的颜色都可以看成三个基本颜色-红色(red)、绿色(green)和蓝色(blue)的不同组合,大部分显示器都采用这种颜色模型。对一幅三通道彩色数字图像对每个图像像素(x,y),需要指出三个矢量分量R、G、B;

根据美国国家电视制式委员会NTSC制式的标准,当白色的亮度用Y来表示是,它和红基色(R)、绿基色(G)、蓝基色(B)的关系可用如下的方程等式描述:
在这里插入图片描述

图1 RGB彩色空间
在这里插入图片描述

图2 人视网膜中三种不同视锥细胞的光谱相对敏感性

RGB对应到显示器的三个刺激值,组成三维正交坐标系统,该系统中任何颜色都落入RGB彩色立方体内,在RGB颜色模型中,黑色在原点处,白色位于离原点最远的角上,灰度级沿着这两点的连线分布,每一个分量图像都是其原色图像。

RGB颜色空间最大的优点就是适合于显示系统,直观且容易理解。但是对彩色描述上的应用还有以下不足:

(1) RGB颜色空间利用三个颜色分量的线性组合来表示颜色,因此不同的色彩难以用精确的数值来表示,定量分析困难。

(2) 在RGB颜色系统中,三个颜色分量之间是高度相关的,即只要亮度改变,三个分量都会相应的改变,如果一个颜色的某一个分量发生了一定程度的改变,那么这颜色很可能也要发生改变。

(3) RGB颜色空间是一种均匀性较差的颜色空间,人眼对于三个颜色分量的敏感程度是不一样的,如果颜色的相似性直接用欧氏距离来度量,其结果与人眼视觉会有较大的偏差。

HSV颜色空间

HIS(Hue-Intensity-Saturation)颜色空间是图像处理中另外一个常用的颜色空间,它从人的视觉系统出发,用色调(Hue)、饱和度(Saturation或Chroma)和亮度(Intensity或Brightness)来描述颜色。HIS颜色空间可以用图3的圆锥空间模型来描述。其中,色调H由角度表示,其取值范围是 ,其中表示红色,表示黄色,表示绿色,表示蓝色,表示品红色。饱和度S是HIS彩色空间中轴线到彩色点的半径长度,彩色点离轴线的距离越近,表示颜色的白光越多。强度I用轴线方向上的高度表示,圆锥体的轴线描述了灰度级,强度最小值时为黑色,强度最大值时为白色。每个和轴线正交的切面上的点,其强度值都是相等的。

HSV(hue,saturation,value)颜色空间的模型对应于圆柱坐标系中的一个圆锥形子集,圆锥的顶面对应于V=1. 它包含RGB模型中的R=1,G=1,B=1 三个面,所代表的颜色较亮。色彩H由绕V轴的旋转角给定。红色对应于 角度0° ,绿色对应于角度120°,蓝色对应于角度240°。在HSV颜色模型中,每一种颜色和它的补色相差180° 。 饱和度S取值从0到1,所以圆锥顶面的半径为1。HSV颜色模型所代表的颜色域是CIE色度图的一个子集,这个 模型中饱和度为百分之百的颜色,其纯度一般小于百分之百。在圆锥的顶点(即原点)处,V=0,H和S无定义, 代表黑色。圆锥的顶面中心处S=0,V=1,H无定义,代表白色。从该点到原点代表亮度渐暗的灰色,即具有不同 灰度的灰色。对于这些点,S=0,H的值无定义。可以说,HSV模型中的V轴对应于RGB颜色空间中的主对角线。 在圆锥顶面的圆周上的颜色,V=1,S=1,这种颜色是纯色。HSV模型对应于画家配色的方法。画家用改变色浓和 色深的方法从某种纯色获得不同色调的颜色,在一种纯色中加入白色以改变色浓,加入黑色以改变色深,同时 加入不同比例的白色,黑色即可获得各种不同的色调。前面这一大段我相信看起来也比较费劲,虽然已经尽力准确的去解释了,但我还是建议具体使用请着重数学公式,结合图示理解 ,效果更佳。
在这里插入图片描述
在这里插入图片描述

色相 (Hue):指物体传导或反射的波长。更常见的是以颜色如红色,橘色或绿色来辨识,取 0 到 360 度的数值来衡量。

饱和度 (Saturation):又称色度,是指色彩的强度或纯度。饱和度代表灰色与色调的比例,并以 0% (灰色) 到 100% (完全饱和) 来衡量。

亮度 (Intensity):是指颜色的相对明暗度,通常以 0% (黑色) 到 100% (白色) 的百分比来衡量。

虽然这种描述HIS颜色空间的圆锥模型相当复杂,但却能把色调、亮度和饱和度的变化情形表现得很清楚。通常把色调和饱和度通称为色度,用来表示颜色的类别与深浅程度。由于人的视觉对亮度的敏感程度远强于对颜色浓淡的敏感程度,为了便于颜色处理和识别,经常采用HIS颜色空间,它比RGB颜色空间更符合人的视觉特性。在图像处理和计算机视觉中大量算法都可在HIS颜色空间上使用,它们可以分开处理而且是相互独立的。因此,在HIS颜色空间可以大大简化图像分析和处理的工作量。

必须说明,HIS颜色空间和RGB颜色空间只是同一物理量的不同表示方法
在这里插入图片描述

图3 HIS/HSV彩色空间(一)
在这里插入图片描述

图4 HIS/HSV彩色空间(二)

在HIS颜色空间中进行彩色图像分割有两个优点:

(1) H和S分量与人感受彩色的方式相似,彩色图像中的每一个均匀性彩色区域都对应一个相一致的色度和饱和度,色度和饱和度能够被用来进行独立于亮度的彩色区域分割。

(2) I分量与颜色信息无关。

Lab 颜色空间

Lab颜色空间是由CIE(国际照明委员会)制定的一种色彩模式。自然界中任何一点色都可以在Lab空间中表达出来,它的色彩空间比RGB空间还要大。另 外,这种模式是以数字化方式来描述人的视觉感应, 与设备无关,所以它弥补了RGB和CMYK模式必须依赖于设备色彩特性的不足。 由于Lab的色彩空间要比RGB模式和CMYK模式的色彩空间大。这就意味着,RGB、CMYK所能描述的色彩信息,在Lab颜色空间中都能得以影身寸。

Lab颜色空间取坐标Lab,其中L亮度;a的正数代表红色,负端代表绿色;b的正数代表黄色, 负端代表兰色(a,b)有L=116f(y)-16, a=500[f(x/0.982)-f(y)], b=200[f(y)-f(z/1.183 )];其中: f(x)=7.787x+0.138, x〈0.008856; f(x)=(x)1/3,x〉0.008856

CIE-lab/luv色彩空间

CIE(Commission International del’Eclairage)国际标准照明委员会于1931年建立了一系列表示可见光谱的颜色空间标准。它有三个基本量,用X、Y、Z表示,通过X、Y、Z能够表示任何一种颜色,X、Y、Z的值能够利用R、G、B线性表示出来,相对于RGB颜色空间,XYZ颜色空间几乎能包含人类能够感觉到的所有颜色,但XYZ颜色空间仍然是一种不均匀的颜色空间。因此在CIE-XYZ颜色空间的基础上又有了CIE-Lab,CIE-Luv等颜色空间。国际照明委员会制定了Lab颜色空间,人类所能感觉到的任何颜色都可以在Lab颜色空间中表示出来,其颜色空间比RGB颜色空间还大,可以直接使用欧几里德距离来衡量两种颜色的差异性。这种模式是以数字化的方式来描述人的视觉感觉,它与显示器的色移、输出设备以及其他设备无关。Lab系统是一个优秀的亮度和彩色分离器,它在图像压缩方面很有用。其中L代表亮度,a的正方向代表红色,负方向代表绿色,b的正方向代表黄色,负方向代表蓝色。Lab颜色空间由XYZ转换而得
在这里插入图片描述

图5 CIE-Lab彩色空间

YUV颜色空间

在现代彩色电视系统中,通常采用三管彩色摄像机或彩色CCD(点耦合器件)摄像机,它把摄得的彩色图像 信号,经分色、分别放大校正得到RGB,再经过矩阵变换电路得到亮度信号Y和两个色差信号R-Y、B-Y, 最后发送端将亮度和色差三个信号分别进行编码,用同一信道发送出去。这就是我们常用的YUV色彩空间。 采用YUV色彩空间的重要性是它的亮度信号Y和色度信号U、V是分离的。如果只有Y信号分量而没有U、V分量, 那么这样表示的图就是黑白灰度图。彩色电视采用YUV空间正是为了用亮度信号Y解决彩色电视机与黑白电视机 的兼容问题,使黑白电视机也能接收彩色信号。根据美国国家电视制式委员会,NTSC制式的标准,当白光的 亮度用Y来表示时,它和红、绿、蓝三色光的关系可用如下式的方程描述:Y=0.3R+0.59G+0.11B 这就是常用 的亮度公式。色差U、V是由B-Y、R-Y按不同比例压缩而成的。如果要由YUV空间转化成RGB空间,只要进行 相反的逆运算即可。与YUV色彩空间类似的还有Lab色彩空间,它也是用亮度和色差来描述色彩分量,其中L为 亮度、a和b分别为各色差分量。

YUV、YCbCr:该颜色空间主要是基于人眼对亮度比对色度敏感这一特性而来的,将颜色分量和亮度分量分离开来。早期的黑白电视机和彩色电视机的原理也是有此而来的,具体转换公式可以参照ITU标准公式。

RGB三颜色分量转换为YUV422之后,图像的数据量便减少了1/3,如果是YUV420,则数据量便减少了一半。常用这种转换后的数据进行图像压缩编码。

也有一些图像边缘增强的算法,在此颜色空间展开。主要是因为色彩信息和亮度信息分离开来了。

CMYK颜色空间

CMYK(cyan,magenta,yellow)颜色空间应用于印刷工业,印刷业通过青©、品(M)、黄(Y)三原色油墨的不同 网点面积率的叠印来表现丰富多彩的颜色和阶调,这便是三原色的CMY颜色空间。实际印刷中,一般采用青 ©、品(M)、黄(Y)、黑(BK)四色印刷,在印刷的中间调至暗调增加黑版。当红绿蓝三原色被混合时,会产生 白色,但是当混合蓝绿色、紫红色和黄色三原色时会产生黑色。既然实际用的墨水并不会产生纯正的颜色, 黑色是包括在分开的颜色,而这模型称之为CMYK。CMYK颜色空间是和设备或者是印刷过程相关的,则工艺方法、 油墨的特性、纸张的特性等,不同的条件有不同的印刷结果。所以CMYK颜色空间称为与设备有关的表色空间。 而且,CMYK具有多值性,也就是说对同一种具有相同绝对色度的颜色,在相同的印刷过程前提下,可以用分种 CMYK数字组合来表示和印刷出来。这种特性给颜色管理带来了很多麻烦,同样也给控制带来了很多的灵活性。 在印刷过程中,必然要经过一个分色的过程,所谓分色就是将计算机中使 用的RGB颜色转换成印刷使用的CMYK 颜色。在转换过程中存在着两个复杂的问题,其一是这两个颜色空间在表现颜色的范围上不完全一样,RGB的 色域较大而CMYK则较小,因此就要进行色域压缩;其二是这两个颜色都是和具体的设备相关的,颜色本身没有 绝对性。因此就需要通过一个与设备无关的颜色空间来进行转换,即可以通过以上介绍的XYZ或LAB色空间来 进行转换。

CMY颜色空间

CMY是一种颜料混合配色体系

RGB是一种光混合配色体系C - Cyan青 〈互补色〉 R - Red 红 M - Magenta 品红 〈互补色〉 G - Green 绿 Y - Yellow 黄 〈互补色〉 B - Blue 蓝

工业印刷中用前一种配色体系(因为是用颜料印刷),但是如果用CMY来配黑色的话很难,往往配出的是一种灰黑色,所以实际应用时还单独有黑色,即K - 黑色,故而工业中实用的印刷使用CMYK体系。

·C和R相反,M和G相反,Y和B相反

其他颜色模型:

HSL颜色空间HSL(hue,saturation,lightness)颜色空间,这个颜色空间都是用户台式机图形程序的颜色表示, 用六角形锥体表示自己的颜色模型。

HSB颜色空间HSB(hue,saturation,brightness)颜色空间,这个颜色空间都是用户台式机图形程序的颜色表示, 用六角形锥体表示自己的颜色模型。

Ycc颜色空间 柯达发明的颜色空间,由于PhotoCd在存储图像的时候要经过一种模式压缩,所以 PhotoCd采用了 Ycc颜色空间,Ycc空间将亮度作由它的主要组件,具有两个 单独的颜色通道,采用Ycc颜色空间 来保存图像,可以节约存储空间。

XYZ颜色空间国际照明委员会(CIE)在进行了大量正常人视觉测量和统计,1931年建立了"标准色度观察者", 从而奠定了现代CIE标准色度学的定量基础。由于"标准色度观察者"用来标定光谱色时出现负刺激值,计算不便,也不易理解,因此1931年CIE在RGB 系统基础上,改用三个假想的原色X、Y、 Z建立了一个新的色度系统。将它匹配等能光谱的三刺激值,定名为"CIE1931 标准色度观察者 光谱三刺激值",简称为"CIE1931标准色度观察者"。这一系统叫做"CIE1931标准色度系统"或称为" 2° 视场XYZ色度系统"。CIEXYZ颜色空间稍加变换就可得到Yxy色彩空间,其中Y取三刺激值中Y的值, 表示亮度,x、y反映颜色的色度特性。定义如下:在色彩管理中,选择与设备无关的颜色空间是 十分重要的,与设备无关的颜色空间由国际照明委员会(CIE)制定,包括CIEXYZ和CIELAB两个标准。 它们包含了人眼所能辨别的全部颜色。而且,CIEYxy测色制的建立给定量的确定颜色创造了条件。 但是,在这一空间中,两种不同颜色之间的距离值并不能正确地反映人们色彩感觉差别的大小, 也就是说在CIEYxy色厦图中,在 不同的位置不同方向上颜色的宽容量是不同的,这就是Yxy颜色空间 的不均匀性。这一缺陷的存在,使得在Yxy及XYZ空间不能直观地评价颜色。
红包+折扣,阿里云上云大礼包!
https://promotion.aliyun.com/ntms/yunparter/invite.html?userCode=5wzgtzow
【全民云计算】 云主机低至4折
https://promotion.aliyun.com/ntms/act/qwbk.html?userCode=5wzgtzow
【阿里云新用户】 云通信专享8折
https://www.aliyun.com/acts/alicomcloud/new-discount?userCode=5wzgtzow
【商标注册服务】 低至680
https://tm.aliyun.com/?userCode=5wzgtzow

2018-11-25 14:48:46 shanlepu6038 阅读数 876

一、RGB空间

这是我们最熟悉的色彩空间。
根据色度学原理,自然界的各种颜色光都可以由红、绿、蓝三种颜色的光按不同比例混合而成。因此将红绿蓝三种颜色成为三基色。
几乎所有的彩色成像设备和彩色显示设备都采用RGB三基色。不仅如此,数字图像文件的常用存储形式也以RGB为主,由RGB三基色为坐标形成的空间称为RGB彩色空间。
由下图可知,青色可由绿色和蓝色合成,洋红可由红色和蓝色合成,黄色可由红色和绿色合成,而青色、洋红和黄色恰好是CMY(Cyan,Magenta,Yellow)三基色。
在RGB彩色空间中,任意彩色光L的配色方程参见下式:
L = r[R] +g[G] + b[B]
在这里插入图片描述

二、CMY彩色空间

CMY彩色空间的形成在上面已有简述,这里详细说一下。
自然界物体颜色光的形成方式将物体划分为两类:发光物体和不发光物体。发光物体成为有源物体,不发光物体成为无源物体。
有源物体颜色由物体发出的光决定,采用RGB颜色空间描述。
有源物体颜色由物体吸收或反射的光决定,采用CMY颜色空间描述,例如油墨和颜料的三基色是CMY而非RGB。

三、HSI彩色空间

HSI:Hue/Saturation/Intensity(色调,饱和度,强度)
采用色调和饱和度来描述颜色,是从人类的色视觉机理出发提出的。
色调(Hue)表示颜色,颜色与彩色光的波长有关,将颜色按红层黄绿青蓝紫顺序排列定义色调值,并用角度值(0-360)来表示。
饱和度(Saturation)表示颜色的纯度,也就是彩色光中掺杂白光的程度,白光越多饱和度越低,白光越少饱和度越高且颜色越纯。饱和度的取值采用百分数,0%表示灰色光or白光,100%表示纯色光
强度(Intensity)表示人眼感受到彩色光颜色的强弱程度,它与彩色
光的能量大小(或彩色光的亮度)有关,因此有时也用亮度来表示
在这里插入图片描述

四、RGB转HSI

在这里插入图片描述

2019-04-25 22:09:02 KID_yuan 阅读数 123

 在图像处理的应用中各种色彩空间的转换非常重要,尤其是RGB与HSV(HIS)空间相互转换,H(色调)S(饱和度)V(亮度)。

图像色彩空间转换

RGB:

• RGB颜色模型称为与设备相关的颜色模型,RGB颜色模型所覆盖的颜色域取决于显示设备荧光点的颜色特性,与硬件相关。
• 使用最多,最熟悉的颜色模型。它采用三维直角坐标系。红、绿、蓝原色是加性原色,各个原色混合在一起可以产生复合色。
• RGB颜色模型通常采用单位立方体来表示。在正方体的主对角线上,各原色的强度相等,产生由暗到明的白色,也就是不同的灰度值。(0,0,0)为黑色,(1,1,1)为白色。正方体的其他六个角点分别为红、黄、绿、青、蓝和品红。

HSI:

HSI模型的建立基于两个重要的事实:

① I分量与图像的彩色信息无关;② H和S分量与人感受颜色的方式是紧密相联的。

• HSI颜色模型的双圆锥表示
– I是强度轴
– 色调H的角度范围为[0,2π],其中,纯红色的角度为0,纯绿色的角度为2π/3,纯蓝色的角度为4π/3。
– 饱和度S是颜色空间任一点距I轴的距离。
• 注意: 当强度I=0时,色调H、饱和度S无定义;当S=0时,色调H无定义。

#4.1,色彩空间转换
import cv2 as cv
import numpy as np

def colorSpace_Transform(image):
    grayImage=cv.cvtColor(image,cv.COLOR_BGR2GRAY)#转换为灰度图像
    hsvImage=cv.cvtColor(image,cv.COLOR_RGB2HSV)#转换为HSV图像
    yuvImage=cv.cvtColor(image,cv.COLOR_RGB2YUV)#转换为YUV图像
    labImage=cv.cvtColor(image,cv.COLOR_BGR2Lab)#转换为LAB图像
    xyzImage=cv.cvtColor(image,cv.COLOR_BGR2XYZ)#转换为XYZ图像
    cv.namedWindow("Saber",0)
    cv.imshow("Saber",image)
    cv.namedWindow("grayImage",0)
    cv.imshow("grayImage",grayImage)
    cv.namedWindow("hsvImage",0)
    cv.imshow("hsvImage",hsvImage)
    cv.namedWindow("yuvImage",0)
    cv.imshow("yuvImage",yuvImage)
    cv.namedWindow("labImage",0)
    cv.imshow("labImage",labImage)
    cv.namedWindow("xyzImage",0)
    cv.imshow("xyzImage",xyzImage)
srcImage2=cv.imread('F:\OutputResult\SrcImage\saber9.jpg')
colorSpace_Transform(srcImage2)
cv.waitKey(0)
cv.destroyAllWindows()

程序运行效果:

  • 函数参数说明:
  • cv.cvtColor(image,cv.COLOR_BGR2GRAY)
  • 第一个参数:表示输入图像,即待转换的图像。
  • 第二个参数:表示需要转换的色彩空间。

 色彩过滤:

彩色空间的相互转换在图像处理领域的一个简单的重要应用就是特定图像色彩的过滤,一般在RGB空间下要过滤掉色彩不是那么容易,在HSV空间中就可以很容易地做到。

视频色彩过滤:

一般对颜色空间的图像进行有效处理都是在HSV空间进行的,然后对于基本色中对应的HSV分量需要给定一个严格的范围,首先要了解想要滤掉的色彩在HSV空间中范围,没有特定的准确范围,下面是通过实验计算的模糊范围:

对于HSV空间中Opencv计算时各自的最大和最小取值范围为:

H:[0,180];S:[0,255];V[0,255]。

此处把部分红色归为紫色范围:

 

过滤视频中的指定范围像素值:

#4.2,色彩过滤
import cv2 as cv
import numpy as np

def color_Filter():
    capture=cv.VideoCapture(r'F:\OutputResult\1.avi')#实例化并读取视频
    while True:
        ret,frame=capture.read()
        if ret==0:
            print("视频未找到!!!")
        else:
            hsvImage=cv.cvtColor(frame,cv.COLOR_BGR2HSV)#转换为hsv色彩空间
            #设置视频中需要过滤颜色最大值和最小值PS:由于图像为三通道,所以下面阈值为三个通道分别各自的阈值
            lower_hsv=np.array([0,40,46])
            high_hsv=np.array([10,255,255])
            mask=cv.inRange(hsvImage,lower_hsv,high_hsv)
            cv.imshow("video",hsvImage)
            cv.imshow("mask",mask)
            #表示等待显示时间间隔为30ms,按下"q"按键退出
            if cv.waitKey(30)& 0xFF==ord('q'):
                break
                
color_Filter()
cv.waitKey(0)
cv.destroyAllWindows()

函数参数说明:

cv.inRange(src, lowerb, upperb[, dst]) :

对于单通道图像,将像素值在[lowerb,upperb]的阈值范围内,则在dst图像中令该像素值为255,否则令其为0,这样就生成了一幅二值化的输出图像。

对于三通道图像,要满足三个通道以及多通道图像都满足在[lowerb,upperb]的阈值范围内,则进行二值化输出。

src:输入图像(CV_8U即,无符号8位整型)

lowerb:低阈值

upperb:高阈值

[,dst]:表示可选择的参数,输出图像

 

效果如下:

 

 

 

参考文献:

http://www.cnblogs.com/wangyblzu/p/5710715.html

2019-12-28 20:09:35 m0_43505377 阅读数 950

在这里插入图片描述

一、什么是图像处理?

图像处理(image processing),用计算机对图像进行分析,以达到所需结果的技术。又称影像处理。图像处理一般指数字图像处理。数字图像是指用工业相机、摄像机、扫描仪等设备经过拍摄得到的一个大的二维数组,该数组的元素称为像素,其值称为灰度值。图像处理技术一般包括图像压缩,增强和复原,匹配、描述和识别3个部分。

二、常见的色彩空间介绍:

RGB:

RGB (Red 红色,Green 绿色,Blue 蓝色),是根据人眼识别的颜色而定义的空间,可用于表示大部分颜色,也是图像处理中最基本、最常用、面向硬件的颜色空间,是一种光混合的体系.
在这里插入图片描述
RGB 颜色模式用三维空间中的一个点表示一种颜色,每个点有三个分量,分别表示红、绿、蓝的亮度值
在RGB模型的立方体中,
[1] - 原点对应的颜色为黑色,它的三个分量值都为0;
[2] - 距离原点最远的顶点对应的颜色为白色,三个分量值都为1.
[3] - 从黑色到白色的灰度值分布在这两个点的连线上,该虚线称为灰度线.
[4] - 立方体的其余各点对应不同的颜色,即三原色红、绿、蓝及其混合色黄、品红、青色.

在这里插入图片描述

HSI:

HSI 颜色空间可以用一个圆锥空间模型来描述,能清晰表现色调(Hue)、饱和度(Saturation, Chroma)和亮度(Intensity, Brightness)的变化情形.

色相 H(Hue) - 表示颜色的相位角. 红、绿、蓝分别相隔 120 度;互补色分别相差 180 度,即颜色的类别.

饱和度 S(Saturation) - 色彩的强度或纯度. 表示成所选颜色的纯度和该颜色最大的纯度之间的比率,范围:[0, 1],即颜色的深浅程度.

亮度 I(Intensity) - 表示颜色的明亮程度,通常以 0% (黑色) 到 100% (白色) 的百分比来衡量(人眼对亮度很敏感).
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

三、 OpenCV基础图像处理

1、图像颜色空间转换
cv2.cvtColor(src,code,dst=None,dstCn=None)

  • src:颜色空间转换的图像
  • code:图像转换方式
模式 作用
cv2.COLOR_BGR2GRAY BGR 转 灰度
cv2.COLOR_BGR2HSV BGR 转 HSV
cv2.COLOR_HSV2BGR HSV 转 BGR
cv2.COLOR_BGR2RGB BGR 转 RGB
cv2.COLOR_RGB2BGR RGB 转 BGR
import cv2
imgBGR = cv2.imread("first.jpg",cv2.IMREAD_COLOR)
imgGRAY = cv2.cvtColor(imgBGR,cv2.COLOR_BGR2GRAY)
imgHSV = cv2.cvtColor(imgBGR,cv2.COLOR_BGR2HSV)
imgRGB = cv2.cvtColor(imgBGR,cv2.COLOR_BGR2RGB)
cv2.imshow("GRAY",imgGRAY)
cv2.imshow("BGR",imgBGR)
cv2.imshow("RGB",imgRGB)
cv2.imshow("HSV",imgHSV)
cv2.waitKey()
cv2.destroyAllWindows()

在这里插入图片描述
2、图像的二值化:
阈值:
阈的意思是界限,故阈值又叫临界值,是指一个效应能够产生的最低值或最高值
简单来说 就是高于阈值取 最高值 低于阈值取 最低值(或者特殊值)
thresh , dst=threshold(src, thresh, maxval, type, dst=None)

  • src:待处理的图像
  • thresh:阈值
  • maxval:高于阈值所变为的最高值
  • type:划分的时候使用的是什么类型的算法,常用值为0(cv2.THRESH_BINARY)

在这里插入图片描述
接受值:

  • thresh : 阈值
  • dst : 二值化后的图像
import cv2
img = cv2.imread("first.jpg",cv2.IMREAD_UNCHANGED)
retavel , dst = cv2.threshold(img,100,255,cv2.THRESH_BINARY)
print("阈值",retavel)
cv2.imshow("threshold",dst)
cv2.waitKey()
cv2.destroyAllWindows()

在这里插入图片描述
练习题3:
对一个图像颜色空间转换为GRAY,同时将图像进行二值化,显示2副图像,按s键保存。

评论出你的答案

2018-04-29 23:01:03 qq_25366173 阅读数 923

图像像素操作

 - 几何运算-加减乘除

 - 逻辑运算-与或非取反

 - 像素读写

 - 通道混合与调整

 - 对比度与亮度调整

 

图像几何变换

 - 插值(zoom in或out)

 - 旋转(rotate)

 - 透视变换

 - 错切变换

 - 翻转

 

像素统计

 - 计算均值与方差

 - 计算直方图

 - 计算最大最小

 - 计算像素内方差

 

色彩空间

 - RGB

 - HSL

 - YUV

 - YCrCb

 - 色彩空间转换

 - 灰度转换

 - 调整饱和度与亮度

 - 主色彩提取与分析

 

卷积图像处理

-空间域卷积

-频率域卷积

-FFT空域到时域转换

-模糊

-边缘提取

-去噪

-增强

-直方图均衡化

-直方图反向投影

 

形态学处理

-腐蚀

-膨胀

-开闭操作

-形态学梯度

-顶帽

-黑帽

-内梯度与外梯度

-分水岭分割

 

图像分割

-K-Means

-Mean-Sift

-分水岭

-Fuzzy-C Means

-GMM

-Graphic Cut

-区域生长

 

特征提取

-SIFT

-SURF

-LBP

-HOG

-Haars

-Blob

-DOG或者LOG

-金字塔

-Haars Corner

-Shi-Tomasi Corner

-Hessian

 

二值图像

-全局阈值二值化

-局部阈值二值化

-轮廓提取

-区域测量

-几何矩特性

-连通区域计算

-泛洪填充

-霍夫变换

-距离变换

-分水岭分割

-链式编码

-骨架提取

-欧拉数计算

 

对象识别与匹配

 - 直方图匹配

 - 相关性匹配

 - 模板匹配

 - KNN

 - SVM

图像空间

阅读数 961

没有更多推荐了,返回首页