图像处理基础：颜色空间及其OpenCV实现

点击上方“AI公园”，关注公众号，选择加“星标“或“置顶”web

做者：Soumyadip Sarkarchrome

编译：ronghuaiyang
数组

导读

对图像的颜色空间作了一个概念性的介绍，并经过代码的方式可视化了每种颜色空间的每一个通道所表示的意义。微信

文章内容包括：
编辑器

什么是颜色空间？
颜色空间有哪些类别？
如何在OpenCV中实现？

什么是颜色空间？

颜色是一种连续的现象，它意味着有无数种颜色。可是，人类的眼睛和感知能力是有限的。因此，为了识别这些颜色，咱们须要一种媒介或这些颜色的表示，这种颜色的表示被称为色彩空间。在技术术语中，一个颜色模型或颜色空间是一个特定的3-D坐标系统以及该系统中的一个子空间，其中每一种颜色都由一个单点表示。函数

有哪些颜色空间的类型？

目前主要有五种类型的颜色模型。可是，我将只写一些常见的(RGB、HSV和HSL)。spa

RGB(Red Green Blue)
HSL(Hue Saturation Lightness)
HSV(Hue Saturation Value)
YUV(Luminance, blue–luminance, red–luminance)
CMYK(Cyan, Magenta, Yellow, Key)

RGB颜色空间：

RGB颜色空间是三维坐标系中红、绿、蓝坐标所表示的著名颜色空间之一。在更专业的术语中，RGB将颜色描述为由三个部分组成的元组。每一个部分均可以取0到255之间的值，其中元组(0,0,0)表示黑色，元组(255,255,255)表示白色。元组的第0、第1和第2个部分分别表示红、绿、蓝的份量。.net

RGB颜色空间的Python实现：

这里咱们导入了必要的库，cv2用于颜色空间转换，NumPy用于数组操做，Matplotlib用于显示图像，os用于访问图像目录，tqdm用于显示加载栏。3d

hsl_img = cv2.cvtColor(X[0],cv2.COLOR_BGR2HLS)  #### CONVERTING BGR COLOR SPACE INTO HSL COLOR SPACE  ####
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

设置两个空列表Z和X，分别用于存储带有各自图像的标签，而后指定图像大小和路径目录。在这以后，我定义了两个函数，用于返回flower类型(assign_lable)和访问每一个图像、读取和调整其大小(make_train_data)。code

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

def assign_label(img,flower_type):
    return flower_type

def make_train_data(flower_type,DIR):
    for img in tqdm(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))#Resizing the image

加载图像，而后在OpenCV以BGR格式读取图像时将BGR颜色空间转换为RGB颜色空间，但Maplotlib使用RGB格式来显示图像。这就是为何咱们须要转换颜色空间后，读取图像为RGB。

而后对固定图像进行三份拷贝，并将每份拷贝的任何双色通道设为零，分别用于访问红、绿、蓝通道。若是你让第0个颜色通道都是0那么你只会获得蓝色通道。

make_train_data('Sunflower',FLOWER_SUNFLOWER_DIR)  #####Loading Sunflower Data
fix_img = cv2.cvtColor(X[0],cv2.COLOR_BGR2RGB)    ###########CONVERTING BGR COLOR SPACE INTO RGB COLOR SPACE #########
new_img_1 = fix_img.copy() 
new_img_2 = fix_img.copy()
new_img_3 = fix_img.copy()
new_img_1[:,:,0] = 0 # making R channel zero    ####For BLUE channel#####
new_img_1[:,:,1] = 0 #making G channel zero
new_img_2[:,:,1] = 0####For RED color Channel####
new_img_2[:,:,2] = 0
new_img_3[:,:,0] = 0###For GREEN Channel####
new_img_3[:,:,2] = 0

显示图像：

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

HSL颜色空间：

HSL的通常含义是色调、饱和度和明度。你能够将HSL以圆柱体的形式可视化，如图2(a)所示。围绕圆柱体的是不一样的颜色，好比绿色、黄色、红色等等(咱们真正想要的颜色)。饱和度是指颜色的多少，而明度是指颜色有多暗或多亮。正如你所看到的，圆柱体的顶部全是白色，底部全是黑色。

图2：HSL颜色空间

HSL颜色空间的Python实现：

使用OpenCV函数**cvtColor()**将BGR颜色空间转换为HSL颜色空间，在这里咱们须要传递图像，以及从哪一个颜色空间到哪一个颜色空间咱们想要改变图像。而后再复制并使两个颜色通道为零，以便分别显示每一个颜色通道。

hsl_img = cv2.cvtColor(X[0],cv2.COLOR_BGR2HLS)  #### CONVERTING BGR COLOR SPACE INTO HSL COLOR SPACE  ####
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

如今显示三个不一样的颜色通道→

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

HSV颜色空间：

HSV这个名字来自于颜色模型的三个坐标，即色相、饱和度和值。它也是一个圆柱形的颜色模型，圆柱体的半径表示饱和度，垂直轴表示值，角度表示色调。对于观察者，色调是占主导地位的，饱和度是混合到色调中的白光的数量，value是chrome的强度，value较低颜色变得更加相似于黑色，value越高，颜色变得更加像颜色自己。经过改变这些参数，咱们能够生成不一样的颜色。

图3：HSV颜色空间

HSV颜色空间的Python实现：

使用cvtColor()函数将色彩空间转换为HSV色彩空间。而后再复制并使两个通道置为零，以便分别显示每一个通道。

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

单独显示每一个颜色通道：

—END—

英文原文：https://medium.com/analytics-vidhya/image-processing-series-part1-colorspaces-836d2e3ca700

请长按或扫描二维码关注本公众号

喜欢的话，请给我个在看吧！

本文分享自微信公众号 - AI公园（AI_Paradise）。
若有侵权，请联系 support@oschina.cn 删除。
本文参与“OSC源创计划”，欢迎正在阅读的你也加入，一块儿分享。