在這一篇文章中，我們將會學習使用一下OpenCV中色彩空間的轉換函數(shù)，我們這里說的色彩空間是說的使用多種顏色（通常指三種以上），來表示顏色的方法，像是我們平時所說的RGB,HSV,YUV,YCRCB,都是色彩空間模型。OpenCV也很方便的封裝了很多的色彩空間函數(shù)。下面我們一起來實踐一下（以下所有試驗都根據(jù)下圖完成，我截取的Windows自帶的壁紙^_^）

一：RGB

RGB我們很熟悉，一幅圖像是由三個獨立的紅，藍，綠通道構成，每個值代表每個像素的每個分量的度量值，如果值越高也就越亮。

因為人眼也是由三種感光細胞構成，因此RGB我們是最熟悉的，比如在電競的時候，使用RGB燈可以刺激人的感官，提升成績。

上圖也就是RGB的實現(xiàn)方式。

二：灰度

灰度圖像我們的應用也是非常廣泛，包括我們后續(xù)的如果做視頻追蹤也都是將彩色視頻逐幀轉換為灰度圖像再去定位，不過這是后話。

彩色轉換為灰度圖像的計算方法如下：

每個像素值只表示灰度信息這一單一信息

RGB[A]準換成灰度：Y=0.299*R+0.587*G+0.114*B

灰度轉換為RGB[A]：R=Y,G=Y,B=Y,A=max(ChannelRange)

在OpenCV中我們可以使用cvtColor函數(shù)來實現(xiàn)轉換

結果如下：

三:HSV

HSV顏色空間輸入面向色度的顏色坐標系統(tǒng)的一種。這種類型的顏色模型接近人類顏色感知的仿真模型。

HSV的三個通道表示色度（H給出的顏色光譜構成的一種度量），飽和度（S給出主波長中的純光比例，這表明一種顏色距離相同亮度灰度的程度）和純度（V給出相對于白色光照強度的亮度），對應于直覺上的色彩、明暗和色調。HSV廣泛應用于色彩的比較.

關于HSV的計算可以參考以下的公式：

這里我們用OpenCV實現(xiàn)：

得到的結果如下：

這樣來看，似乎什么信息都沒有，這里要注意一點，因為在代碼中顯示函數(shù)使用的是imshow（）,這個函數(shù)是以RGB來顯示的，因此我們使用HSV肯定是不正確的，如果想顯示正確，必須要將其轉換成RGB空間，這個具體以后再詳細說一下。

四：YCRCB

該空間廣泛用于視頻和圖像壓縮，不能算作純粹的色彩空間，它是RGB顏色空間的一種解碼方式Y通道表示亮度，而Cr和Cb表示紅色差值(在RGB空間中R通道和Y的差值）和藍色差值(在RGB空間中B通道和Y的差值）各自的色度分量。

其變化的計算如下：

在OpenCV中，我們使用：

得到的結果如下：

總體來看，還是可以看得出相對于其他的色彩模型，還是能夠保留一定的色彩，但是因為壓縮的緣故，色彩空間還是差很多。

完整的代碼如下，希望大家可以多多動手，親身嘗試一下。

import cv2 as cvimport numpy as np#色彩空間轉換函數(shù)：RGB,HSV,YUV重要def color_space_demo(image): gray = cv.cvtColor(image,cv.COLOR_BGR2GRAY) cv.imshow("gray",gray) hsv = cv.cvtColor(image,cv.COLOR_BGR2HSV) cv.imshow("HSV",hsv) yuv = cv.cvtColor(image,cv.COLOR_BGR2YUV) cv.imshow("YUV",yuv) Ycrcb = cv.cvtColor(image,cv.COLOR_BGR2YCrCb) cv.imshow("YCRCB",Ycrcb) #imread函數(shù)用來讀取圖片src = cv.imread("D:/1.png")#namedWindow函數(shù)用來指定輸出圖片的尺寸和窗口大小，autosize是自動大小cv.namedWindow("input image",cv.WINDOW_AUTOSIZE)#imshow函數(shù)用來顯示圖像cv.imshow("input image",src)color_space_demo(src)#等待鍵盤觸發(fā)，否則一直在此窗口等待cv.waitKey(0)#結束所有的窗口cv.destroyAllWindows()

責任編輯：xj

原文標題：【CV學習筆記】色彩空間

文章出處：【微信公眾號：深度學習自然語言處理】歡迎添加關注！文章轉載請注明出處。