首页 > 其他分享> > 色彩空间转换

色彩空间转换

2022-05-19 19:01:44 作者：互联网

彩色图像的颜色空间

三原色原理

为了标准化起见，国际照明委员会(CIE)规定用波长为700nm、546.1nm、435.8nm的单色光分别作为红(R)、绿(G)、蓝(B)三原色。红绿蓝三原色按照比例混合可以得到各种颜色，其配色方程为︰C=aR+bG+cB

彩色模型（也称彩色空间或彩色系统)︰简化彩色规范

坐标系-子空间:每种颜色用坐标系的单个点表示
彩色模型有很多︰在实际项目开发应用较多的有RGB、CMY ( CMYK)、HSI、YUv、YCbCr、Lab等。

RGB模型与颜色空间坐标系

常用的一种彩色信息表达方式
用红、绿、蓝三原色的亮度来定量表示颜色
该模型也称为加色混色模型
以RGB三色光相互叠加来实现混色的方法
适合于显示器等发光体的显示

图1 RGB颜色空间坐标系

如图1所示，RGB颜色空间基于三维直角坐标系，包括R、G、B三个原始光谱分量。
RGB颜色空间中的R、G、B三个分量的值分别描述了红色、绿色、蓝色的亮度值。
为了方便描述，将三个分量都进行归一化，使得三元组中的每个数值表示红色、绿色、蓝色三者的比例。在图1中，原点(0, 0, 0)代表黑色，点(1, 1, 1)代表白色，点(1, 0, 0)代表红色，点(0, 1, 0)代表绿色，点(0, 0, 1)代表蓝色。

RGB图像的大小

每一幅红、蓝、绿图像都是一幅8bit图像
RGB图像的每一个像素包含24bit位深
24bit位深的彩色图像称为全(真)彩色图像
全彩色图像的颜色种类总数为2的24次方，16777216

HSI颜色模型与颜色空间

HSI(Hue-Saturation-Intensity , HSI)模型用H、S、I三参数描述颜色特性。

H（色调）由角度来表示，彩色的色调反映了该彩色最接近什么样的光谱波长;
S（饱和度）表示颜色的深浅程度，饱和度越高，颜色越深;
I（亮度）由物体反射系数来决定。反射系数越大，物体的亮度越大，反之越小。
I分量为强度或亮度与图像的彩色信息无关;
H和S分量为彩色信息与人感受颜色的方式紧密相连。

图2 HSI颜色空间

如图2所示，HSI颜色空间圆锥体的中间横截面称为色环，色环更加清晰地展示了色调和饱和度两个参数。
如果把亮度作为色环的垂线，那么H、S、I构成一个柱形彩色空间。HSI模型的三个属性定义了一个三维颜色空间。
色调H由角度表示，其反映了该颜色最接近哪个光谱波长。在色环中，0°表示红色光谱，120°表示绿色光谱，240°表示蓝色光谱。饱和度S由色环的圆心到颜色点的半径表示，距离越长表示饱和度越高，则颜色越鲜明。

RGB与HSI的转换

给定一幅RGB颜色空间格式的图像，将图像的R分量、G分量、B分量分别归一化。在RGB颜色空间中，位于（x，y）空间位置的像素点的颜色用该像素点的R分量R（x，y）、G分量G（x，y）和B分量B（x，y）三个数值表示。在HSI颜色空间中，位于空间位置的像素点的H分量H（x，y）、S分量S（x，y）、I分量I（x，y）可分别由以下公式计算得到：

（1）当H（x，y）∈ [0⁰，120⁰）时转换公式为：

（2）当H（x，y）∈ [120⁰，240⁰）时转换公式为：

（3）当H（x，y）∈ [240⁰，360⁰）时转换公式为：

编写RGB与HSI彩色空间转换实验

对于彩色图像的直方图均衡化，首先需利用HSI函数将图像转换至HSI颜色空间，再利用设计的RGB函数将图像从HSI颜色空间转换至RGB颜色空间进行显示。最终，对彩色图像进行图像切割、检测操作，比如切割苹果、检测火焰等，根据测试效果。

生成结果

使用imread读入图片，imshow显示原图片；

RGB转换成HIS颜色空间，显示结果图片；

HIS转换成RGB颜色空间，显示结果图片；

使用where函数筛选红苹果的色调值 [0-50]或[240-360],重新转换成RGB显示结果；

使用where函数筛选火焰的色调范围[120-360]，饱和度范围：[20-100]，亮度范围[100-255],重新转换成RGB显示结果；

实验代码

RGB转HIS函数;

 1 #RGB转HSI颜色空间
 2 def HSI(self,img):
 3     r = img[:,:,0].astype(np.float32)
 4     g = img[:,:,1].astype(np.float32)
 5     b = img[:,:,2].astype(np.float32)
 6 
 7     I = (r+g+b)/3
 8     I = I/255
 9     img_min = np.min(img,axis=-1)
10     S = 1 - (3/(r+g+b)*img_min)
11     a = 0.5*((r-g)+(r-b))
12     botton = ((r-g)**2+((r-b)*(g-b))+ sys.float_info.min)**0.5
13     den =a /botton
14     den[den>1]=1
15     den[den<-1]=-1
16     H = np.arccos(den)
17     index = np.where(g<b)
18     H[index]= 2*m.pi-H[index]
19     H /= 2 * m.pi
20     H[S == 0] = 0
21     
22     hsi = np.zeros([img.shape[0],img.shape[1],img.shape[2]],dtype=np.float32)
23     hsi[:,:,0] = H
24     hsi[:,:,1] = S
25     hsi[:,:,2] = I
26     return hsi

HIS转RGB函数;

 1 #HSI转RGB颜色空间
 2 def RGB(self,hsi):
 3     #rgb 
 4     H = hsi[:,:,0]
 5     S = hsi[:,:,1]
 6     I = hsi[:,:,2]
 7     H *=2*m.pi
 8 
 9     rgb = np.zeros(hsi.shape,np.uint8)
10     R = np.zeros(H.shape, dtype=np.float32)   
11     G = np.zeros(H.shape, dtype=np.float32)   
12     B = np.zeros(H.shape, dtype=np.float32)   
13 
14     index = np.where((H>=0)&(H<2*m.pi/3))
15     R[index] = I[index] * (1+(S[index]*np.cos(H[index]))/(np.cos(m.pi/3-H[index])))
16     B[index] = I[index]*(1-S[index])
17     G[index] = 3*I[index]-(B[index]+R[index])
18 
19     index = np.where((H>=2*m.pi/3)&(H<4*m.pi/3))
20     R[index] = I[index]*(1-S[index])
21     G[index] = I[index] * (1+(S[index]*np.cos(H[index]-2*m.pi/3))/(np.cos(m.pi-H[index])))
22     B[index] = 3*I[index]-(R[index]+G[index])
23 
24     index = np.where((H>=4*m.pi/3)&(H<2*m.pi))
25     B[index] = I[index] * (1+(S[index]*np.cos(H[index]-4*m.pi/3))/(np.cos(5*m.pi/3-H[index])))
26     G[index] = I[index]*(1-S[index])
27     R[index] = 3*I[index]-(G[index]+B[index])
28 
29     rgb[:,:,0] = (255*R).astype(np.uint8)
30     rgb[:,:,1] = (255*G).astype(np.uint8)
31     rgb[:,:,2] = (255*B).astype(np.uint8)
32     return rgb

对苹果进行切割；

 1 #苹果检测
 2 def appleDetect(self,img):
 3     # img = img.astype(np.float32)
 4     r = img[:,:,0]
 5     g = img[:,:,1]
 6     b = img[:,:,2]
 7     hsi = self.HSI(img)
 8     H = hsi[:,:,0]
 9     H *=2*m.pi
10     print(img.shape)
11     apple = np.zeros(img.shape,dtype=np.uint32)
12     detect_ground = np.where(((H>=0)&(H<=m.pi/3.6))|((H>m.pi*1.3)&(H<=2*m.pi)))
13     apple[:,:,0][detect_ground] = r[detect_ground]
14     apple[:,:,1][detect_ground] = g[detect_ground]
15     apple[:,:,2][detect_ground] = b[detect_ground]
16     apple = apple.astype(np.uint8)
17     cv.imshow("apple_img",apple)

对火焰进行检测；

 1 #火焰检测
 2 def fireDetect(self,img):
 3     
 4     r = img[:,:,0]
 5     g = img[:,:,1]
 6     b = img[:,:,2]
 7     hsi = self.HSI(img)
 8     H = hsi[:,:,0]
 9     S = hsi[:,:,1]
10     I = hsi[:,:,2]
11     S *= 100                                 
12     I *= 255   
13     H *=2*m.pi
14     # rgb = self.RGB(hsi)
15     detect_ground = np.where((H >= 2*m.pi/3) & (H< 2 * m.pi) & (S >= 20 )& (I >=100))
16     fire = np.zeros(img.shape,dtype=np.uint32)
17     # print(detect_ground)
18     fire[:,:,0][detect_ground] = r[detect_ground]
19     fire[:,:,1][detect_ground] = g[detect_ground]
20     fire[:,:,2][detect_ground] = b[detect_ground]
21     # print(fire)
22     fire = fire.astype(np.uint8)
23     cv.imshow("fire",fire)

图像显示；

 1 #图像显示
 2 def main(self):
 3     img_apple = cv.imread("./data/images/apple.jpg")
 4     img_fire = cv.imread("./data/images/fire.jpg")
 5     hsi = self.HSI(img_apple)
 6     rgb = self.RGB(hsi)
 7     self.appleDetect(img_apple)
 8     self.fireDetect(img_fire)
 9     cv.imshow("orgin_apple",img_apple)
10     # cv.imshow("I",I)
11     # cv.imshow("S",S)
12     # cv.imshow("H",H)
13     cv.imshow("hsi",hsi)
14     cv.imshow("hsi_to_rgb_img",rgb)

程序执行；

1 if __name__=="__main__":
2     PicDetect().main()
3     k = cv.waitKey(0)&0xFF
4     if k == 27:
5         cv.destroyAllWindows()
6

标签：hsi,转换,img,HSI,np,RGB,空间,颜色,色彩
来源： https://www.cnblogs.com/air-space/p/16288200.html