【数字图像处理】颜色空间的转换-编程知识

【数字图像处理】颜色空间的转换

颜色空间的转换

在这里插入图片描述

CMY 空间
CMY 颜色空间正好与 RGB 颜色空间互补，即用白色减去 RGB 颜色空间中的某一颜色值就等于这种颜色在 CMY 颜色空间中的值。

$\begin{cases}C=1-R\\M=1-G\\Y=1-B\end{cases}$

HSV 空间
HSI/ HSV 颜色空间模型是从人的视觉系统出发，用 H （Hue）、 S（Saturation）、 I（Intensity）或 V（Value）分别代表色调、色饱和度、亮度三种独立的颜色特征。
对于[0,1]的 R、G、B 值，HSV 各个分量计算如下

$V=\frac{R+G+B}{3}$

$S=1-\frac{3}{R+G+B}\min(R,G,B)$

$H=\begin{cases}\theta,&B\le G\\360^\circ-\theta,&B>G\end{cases}$
其中
$\theta=\arccos\left\{\frac{(R-G)+(R-B)}{2\Big[(R-G)^2+(R-B)(G-B)\Big]^{\frac{1}{2}}}\right\}$

YCbCr 空间
YCbCr 颜色空间采用一个亮度信号（Y）和两个色差信号（Cb ， Cr ）来表示。
对于[0,1]的 R、G、B，Y、Cr、Cb 计算如下：

$\begin{bmatrix}Y\\C_\mathrm{r}\\C_\mathrm{b}\end{bmatrix}=\begin{bmatrix}0.2990&0.5870&0.1140\\0.5000&-0.4187&-0.0813\\-0.1687&-0.3313&0.5000\end{bmatrix}\begin{bmatrix}R\\G\\B\end{bmatrix}+\begin{bmatrix}6\\128\\128\end{bmatrix}$


import cv2
import numpy as np
import matplotlib.pyplot as pltdef read_show_image(img, flag=0):img = np.squeeze(img)if np.ndim(img) == 2:plt.imshow(img, 'gray'), plt.title('灰度图'), plt.xticks([]), plt.yticks([])plt.show()elif np.ndim(img) == 3:R = img[..., 0]G = img[..., 1]B = img[..., 2]if flag == 1:plt.subplot(221), plt.imshow(img, 'gray'), plt.title('彩色图'), plt.xticks([]), plt.yticks([])plt.subplot(222), plt.imshow(R, 'gray'), plt.title('通道1'), plt.xticks([]), plt.yticks([])plt.subplot(223), plt.imshow(G, 'gray'), plt.title('通道2'), plt.xticks([]), plt.yticks([])plt.subplot(224), plt.imshow(B, 'gray'), plt.title('通道3'), plt.xticks([]), plt.yticks([])plt.show()else:zeros = np.zeros(img.shape[:2], dtype='uint8')plt.subplot(221), plt.imshow(img), plt.title('彩色图'), plt.xticks([]), plt.yticks([])plt.subplot(222), plt.imshow(cv2.merge([R, zeros, zeros])), plt.title('通道1'), plt.xticks([]), plt.yticks([])plt.subplot(223), plt.imshow(cv2.merge([zeros, G, zeros])), plt.title('通道2'), plt.xticks([]), plt.yticks([])plt.subplot(224), plt.imshow(cv2.merge([zeros, zeros, B])), plt.title('通道3'), plt.xticks([]), plt.yticks([])plt.show()else:print('Input error')def RGB2CMY(img):'''青 （Cyan）、 品红（Magenta） 和黄 （Yellow）'''r, g, b = cv2.split(img)  # split the channels# normalization [0,1]r = r / 255.0g = g / 255.0b = b / 255.0c = 1 - rm = 1 - gy = 1 - bresult = cv2.merge((c, m, y))* 255  # merge the channelsreturn np.array(result).astype(np.uint8)def RGB2HSV(rgb_Img):''' 用 H（Hue）、 S（Saturation）、 I（Intensity） 或 V（Value） 分别代表色调、 色饱和度、 亮度'''img_rows = int(rgb_Img.shape[0])img_cols = int(rgb_Img.shape[1])b, g, r = cv2.split(rgb_Img)# normalization[0,1]r = r / 255.0g = g / 255.0b = b / 255.0hsv_Img = rgb_Img.copy()for i in range(img_rows):for j in range(img_cols):num = 0.5 * ((r[i, j] - g[i, j]) + (r[i, j] - b[i, j]))den = np.sqrt((r[i, j] - g[i, j]) ** 2 + (r[i, j] - b[i, j]) * (g[i, j] - b[i, j]))theta = float(np.arccos(num / den))if den == 0:H = 0elif b[i, j] <= g[i, j]:H = thetaelse:H = np.pi - thetamin_RGB = min(min(b[i, j], g[i, j]), r[i, j])sum = b[i, j] + g[i, j] + r[i, j]if sum == 0:S = 0else:S = 1 - 3 * min_RGB / sumH = H / (np.pi)V = sum / 3.0# 输出HSI图像，扩充到255以方便显示，一般H分量在[0,2pi]之间，S和I在[0,1]之间hsv_Img[i, j, 0] = H * 255hsv_Img[i, j, 1] = S * 255hsv_Img[i, j, 2] = V * 255return hsv_Imgdef RGB2YCbCr(rgb_image):"""Y:亮度 Cb:色差 Cr:色差"""if len(rgb_image.shape) != 3 or rgb_image.shape[2] != 3:raise ValueError("input image is not a rgb image")rgb_image = rgb_image.astype(np.float32)transform_matrix = np.array([[0.299, 0.587, 0.114],[0.5, 0.4187, -0.0813],[-0.1687, -0.3313, 0.5]])shift_matrix = np.array([16, 128, 128])ycbcr_image = np.zeros(shape=rgb_image.shape)w, h, _ = rgb_image.shapefor i in range(w):for j in range(h):ycbcr_image[i, j, :] = np.dot(transform_matrix, rgb_image[i, j, :]) + shift_matrixreturn np.array(ycbcr_image).astype(np.uint8)if __name__ == '__main__':lena = cv2.imread('lena_std.bmp')lena = np.array(lena)[..., ::-1]cmy = RGB2CMY(lena)hsv = RGB2HSV(lena)ycbcr = RGB2YCbCr(lena)plt.figure('RGB')read_show_image(lena)plt.figure('cmy')read_show_image(cmy)plt.figure('hsv')read_show_image(hsv,flag=1)plt.figure('ycbcr')read_show_image(ycbcr,flag=1)