首页 > 其他分享> 文章详细

色彩空间转换

2022-05-19 19:01:44 阅读：178 来源： 互联网

标签：hsi 转换 img HSI np RGB 空间颜色色彩

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

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。

ICode9