圖像處理基礎：顏色空間及其OpenCV實現(xiàn)

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(xiàn)？

什么是顏色空間？

顏色是一種連續(xù)的現(xiàn)象，它意味著有無數(shù)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(tǒng)以及該系統(tǒng)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)。

1. RGB(Red Green Blue)
2. HSL(Hue Saturation Lightness)
3. HSV(Hue Saturation Value)
4. YUV(Luminance, blue–luminance, red–luminance)
5. 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(yè)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(xiàn)：

這里我們導入了必要的庫，cv2用于顏色空間轉換，NumPy用于數(shù)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)??####?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

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(shù)，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'

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)??#####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

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
for?ax?in?axes:
????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。

HSL顏色空間的Python實現(xiàn)：

使用OpenCV函數(shù)**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)??####?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

現(xiàn)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
for?ax?in?axes:
????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(shù)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(shù)，我們可以生成不同的顏色。

HSV顏色空間的Python實現(xiàn)：

使用cvtColor()函數(shù)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：