hsv

小记： 问题1 — RGB与BGR转换 问题2 — BGR灰度化 问题3 — 二值化 问题4 — 大津二值化算法 问题5 — RGB转HSV 一方面是考察图像的以上原理，一方面是考察numpy的使用。 参考： numpy库的基本使用 问题一：通道交换 读取图像，然后将 RGB \text{RGB} RGB 通道替换成 BGR \text{BGR} BGR 通道。 下面的代码用于提取图像的红色通道。 解析： 要把蓝色部分变成红色，而图中蓝色明显，说明B通道灰度值小，故而可以交换 B和R通道中的数值，这样B通道灰度值大，颜色变浅，B通道的灰度值变小，颜色变深，红色也就显现出来了。 import cv2 def BGR2RGB ( img ) : b = img [ : , : , 0 ] . copy ( ) g = img [ : , : , 1 ] r = img [ : , : , 2 ] img [ : , : , 0 ] = r img [ : , : , 1 ] = g img [ : , : , 2 ] = b return img img = cv2 . imread ( "imori.jpg" ) img = BGR2RGB ( img ) cv2 . imshow ( "result" , img ) cv2 . waitKey ( ) 问题二：灰度化

HSV颜色模型 HSV(Hue, Saturation, Value)是根据颜色的直观特性由A. R. Smith在1978年创建的一种颜色空间, 也称六角锥体模型(Hexcone Model)。、这个模型中颜色的参数分别是：色调（H），饱和度（S），亮度（V）。 色调H：用角度度量，取值范围为0°～360°，从红色开始按逆时针方向计算，红色为0°，绿色为120°,蓝色为240°。它们的补色是：黄色为60°，青色为180°,品红为300°； 饱和度S：取值范围为0.0～1.0； 亮度V：取值范围为0.0(黑色)～1.0(白色)。 RGB和CMY颜色模型都是面向硬件的，而HSV（Hue Saturation Value）颜色模型是面向用户的。 HSV模型的三维表示从RGB立方体演化而来。设想从RGB沿立方体对角线的白色顶点向黑色顶点观察，就可以看到立方体的六边形外形。六边形边界表示色彩，水平轴表示纯度，明度沿垂直轴测量。 HSV颜色分量范围 一般对颜色空间的图像进行有效处理都是在HSV空间进行的，然后对于基本色中对应的HSV分量需要给定一个严格的范围，下面是通过实验计算的模糊范围（准确的范围在网上都没有给出）。 H: 0— 180 S: 0— 255 V: 0— 255 此处把部分红色归为紫色范围： HSV六棱锥 H参数表示色彩信息，即所处的光谱颜色的位置。该参数用一角度量来表示，红

1、转换颜色空间 HSV:色调（H），饱和度（S），明度（V）。 比如从 BGR 到灰度图，或者从BGR 到 HSV 等 我们要用到的函数是：cv2.cvtColor(input_image，flflag)，其中 flflag 就是转换类型。 对于 BGR↔Gray 的转换，我们要使用的 flflag 就是 cv2.COLOR_BGR2GRAY。 同样对于 BGR↔HSV 的转换，我们用的 flflag 就是 cv2.COLOR_BGR2HSV。 你还可以通过下面的命令得到所有可用的 flflag。 import cv2 flags=[i for in dir(cv2) if i startswith('COLOR_')] print flags 注意：在 OpenCV 的 HSV 格式中，H（色彩/色度）的取值范围是 [0，179]， S（饱和度）的取值范围 [0，255]，V（亮度）的取值范围 [0，255]。但是不 同的软件使用的值可能不同。所以当你需要拿 OpenCV 的 HSV 值与其他软 件的 HSV 值进行对比时，一定要记得归一化。 2、物体跟踪 在 HSV 颜色空间中要比在 BGR 空间 中更容易表示一个特定颜色。 • 从视频中获取每一帧图像 • 将图像转换到 HSV 空间 • 设置 HSV 阈值到蓝色范围。 • 获取蓝色物体，当然我们还可以做其他任何我们想做的事

不同的色彩空间中对图片的色彩体现有很大不同 #色彩空间的相互转换：最常见的是HSV与RGB,YUV与RGB的相互转换 #常见色彩空间有： #RGB：最常用 #HSV：对指定色彩铭感，用于查找表达特定颜色 #HIS： #YCrCb：在人体肤色识别运用较多 #YUV:Android开发中运用较多 以下是对图片进行所有色彩空间的演示： import cv2 as cv ###导入openc包 def color_space_demo ( image ) : gray = cv.cvtColor ( image,cv.COLOR_BGR2GRAY ) cv.imshow ( "gray" ,gray ) hsv = cv.cvtColor ( image,cv.COLOR_BGR2HSV ) cv.imshow ( "hsv" ,hsv ) yuv = cv.cvtColor ( image,cv.COLOR_BGR2YUV ) cv.imshow ( "yuv" ,yuv ) Ycrcb = cv.cvtColor ( image,cv.COLOR_BGR2YCrCb ) cv.imshow ( "Ycrcb" ,Ycrcb ) HIS = cv.cvtColor ( image,cv.COLOR_BGR2HLS ) cv.imshow ( "HIS" ,HIS ) print ( "-

如果你的照片看上去灰蒙蒙的，缺少生机，那么hsv拉伸也许可以帮你的忙。hsv拉伸是一种可以提高图像鲜艳程度的图像增强方法，它能够让图像的颜色更加鲜活、艳丽，而且它的处理结果看上去很自然，比如源图中较暗的红色会变的鲜红，而不会像拉伸对比度那样把图像弄的难看失真，暗红色变的发紫发黑。 来个例子： 其基本原理如下： 1、 将源图像的(rgb)颜色空间映射到(hsv )， 什么是HSV? 2、 对图像的s和v通道进行一次min-max normalize，h通道不变 所谓min-max normalize是指： dst(x,y) = [src(x,y) – min(src(x,y)) ] / [ (max(src(x,y)) – min(src(x,y)) ] hsv拉伸处理后，图像不失真的关键因素就是h通道不变，即图像的色相与源图一致 3、 将新的(h s' v')映射回(rgb) 下面是gimp给出的源码（只贴出关键部分）： 1 typedef struct { //用来存放最大最小值的结构体 2 double shi; 3 double slo; 4 double vhi; 5 double vlo; 6 } AutostretchData; 7 8 static void //找到最大最小值 9 find_max (guchar *src, gint bpp,