圖像處理的顏色空間及其OpenCV實現

對圖像的顏色空間做了一個概念性的介紹，并通過代碼的方式可視化了每種顏色空間的每個通道所表示的意義。

文章內容包括：

什么是顏色空間？

顏色空間有哪些類別？

如何在OpenCV中實現？

什么是顏色空間？

顏色是一種連續的現象，它意味著有無數種顏色。但是，人類的眼睛和感知能力是有限的。所以，為了識別這些顏色，我們需要一種媒介或這些顏色的表示，這種顏色的表示被稱為色彩空間。在技術術語中，一個顏色模型或顏色空間是一個特定的3-D坐標系統以及該系統中的一個子空間，其中每一種顏色都由一個單點表示。

有哪些顏色空間的類型？

目前主要有五種類型的顏色模型。但是，我將只寫一些常見的(RGB、HSV和HSL)。

RGB(Red Green Blue)

HSL(Hue Saturation Lightness)

HSV(Hue Saturation Value)

YUV(Luminance, blue–luminance, red–luminance)

CMYK(Cyan, Magenta, Yellow, Key)

RGB顏色空間：

RGB顏色空間是三維坐標系中紅、綠、藍坐標所表示的著名顏色空間之一。在更專業的術語中，RGB將顏色描述為由三個部分組成的元組。每個部分都可以取0到255之間的值，其中元組(0,0,0)表示黑色，元組(255,255,255)表示白色。元組的第0、第1和第2個部分分別表示紅、綠、藍的分量。

RGB顏色空間的Python實現：

這里我們導入了必要的庫，cv2用于顏色空間轉換，NumPy用于數組操作，Matplotlib用于顯示圖像，os用于訪問圖像目錄，tqdm用于顯示加載欄。

hsl_img=cv2.cvtColor(X[0],cv2.COLOR_BGR2HLS)####CONVERTINGBGRCOLORSPACEINTOHSLCOLORSPACE####
hsl_img_1=hsl_img.copy()
hsl_img_2=hsl_img.copy()
hsl_img_3=hsl_img.copy()
hsl_img_1[:,:,1]=0####HUE-->ZERO####
hsl_img_1[:,:,2]=0
hsl_img_2[:,:,0]=0####SATURATION-->ZERO####
hsl_img_2[:,:,2]=0
hsl_img_3[:,:,0]=0####LIGHTNESS-->ZERO####
hsl_img_3[:,:,1]=0

設置兩個空列表Z和X，分別用于存儲帶有各自圖像的標簽，然后指定圖像大小和路徑目錄。在這之后，我定義了兩個函數，用于返回flower類型(assign_lable)和訪問每個圖像、讀取和調整其大小(make_train_data)。

Z,X=[],[]
IMG_SIZE=150
FLOWER_SUNFLOWER_DIR='../input/flowers-recognition/flowers/flowers/sunflower'

defassign_label(img,flower_type):
returnflower_type

defmake_train_data(flower_type,DIR):
forimgintqdm(os.listdir(DIR)):
label=assign_label(img,flower_type)
path=os.path.join(DIR,img)
img=cv2.imread(path,cv2.IMREAD_COLOR)
img=cv2.resize(img,(IMG_SIZE,IMG_SIZE))#Resizingtheimage

加載圖像，然后在OpenCV以BGR格式讀取圖像時將BGR顏色空間轉換為RGB顏色空間，但Maplotlib使用RGB格式來顯示圖像。這就是為什么我們需要轉換顏色空間后，讀取圖像為RGB。

然后對固定圖像進行三份拷貝，并將每份拷貝的任何雙色通道設為零，分別用于訪問紅、綠、藍通道。如果你讓第0個顏色通道都是0那么你只會得到藍色通道。

make_train_data('Sunflower',FLOWER_SUNFLOWER_DIR)#####LoadingSunflowerData
fix_img=cv2.cvtColor(X[0],cv2.COLOR_BGR2RGB)###########CONVERTINGBGRCOLORSPACEINTORGBCOLORSPACE#########
new_img_1=fix_img.copy()
new_img_2=fix_img.copy()
new_img_3=fix_img.copy()
new_img_1[:,:,0]=0#makingRchannelzero####ForBLUEchannel#####
new_img_1[:,:,1]=0#makingGchannelzero
new_img_2[:,:,1]=0####ForREDcolorChannel####
new_img_2[:,:,2]=0
new_img_3[:,:,0]=0###ForGREENChannel####
new_img_3[:,:,2]=0

顯示圖像：

f,axes=plt.subplots(1,3,figsize=(15,15))
list=[new_img_1,new_img_2,new_img_3]
i=0
foraxinaxes:
ax.imshow(list[i])
i+=1

HSL顏色空間：

HSL的一般含義是色調、飽和度和明度。你可以將HSL以圓柱體的形式可視化，如圖2(a)所示。圍繞圓柱體的是不同的顏色，比如綠色、黃色、紅色等等(我們真正想要的顏色)。飽和度是指顏色的多少，而明度是指顏色有多暗或多亮。正如你所看到的，圓柱體的頂部全是白色，底部全是黑色。

圖2：HSL顏色空間

HSL顏色空間的Python實現：

使用OpenCV函數**cvtColor()**將BGR顏色空間轉換為HSL顏色空間，在這里我們需要傳遞圖像，以及從哪個顏色空間到哪個顏色空間我們想要改變圖像。然后再復制并使兩個顏色通道為零，以便分別顯示每個顏色通道。

hsl_img=cv2.cvtColor(X[0],cv2.COLOR_BGR2HLS)####CONVERTINGBGRCOLORSPACEINTOHSLCOLORSPACE####
hsl_img_1=hsl_img.copy()
hsl_img_2=hsl_img.copy()
hsl_img_3=hsl_img.copy()
hsl_img_1[:,:,1]=0####HUE-->ZERO####
hsl_img_1[:,:,2]=0
hsl_img_2[:,:,0]=0####SATURATION-->ZERO####
hsl_img_2[:,:,2]=0
hsl_img_3[:,:,0]=0####LIGHTNESS-->ZERO####
hsl_img_3[:,:,1]=0

現在顯示三個不同的顏色通道→

f,axes=plt.subplots(1,3,figsize=(15,15))
list=[hsl_img_1,hsl_img_2,hsl_img_3]
i=0
foraxinaxes:
ax.imshow(list[i])
i+=1

HSV顏色空間：

HSV這個名字來自于顏色模型的三個坐標，即色相、飽和度和值。它也是一個圓柱形的顏色模型，圓柱體的半徑表示飽和度，垂直軸表示值，角度表示色調。對于觀察者，色調是占主導地位的，飽和度是混合到色調中的白光的數量，value是chrome的強度，value較低顏色變得更加類似于黑色，value越高，顏色變得更加像顏色本身。通過改變這些參數，我們可以生成不同的顏色。

圖3：HSV顏色空間

HSV顏色空間的Python實現：

使用cvtColor()函數將色彩空間轉換為HSV色彩空間。然后再復制并使兩個通道置為零，以便分別顯示每個通道。

hsv_img=cv2.cvtColor(X[0],cv2.COLOR_BGR2HSV)
hsv_img_1=hsv_img.copy()
hsv_img_2=hsv_img.copy()
hsv_img_3=hsv_img.copy()
hsv_img_1[:,:,1]=0#HUE-->ZERO
hsv_img_1[:,:,2]=0
hsv_img_2[:,:,0]=0#SATURATION-->ZERO
hsv_img_2[:,:,2]=0
hsv_img_3[:,:,0]=0#VALUE-->ZERO
hsv_img_3[:,:,1]=0

單獨顯示每個顏色通道：

原文標題：解析丨圖像處理基礎：顏色空間及其OpenCV實現

文章出處：【微信公眾號：通信信號處理研究所】歡迎添加關注！文章轉載請注明出處。

責任編輯：haq