色彩空间类型---OpenCV-Python开发指南（7）

前言

在前面，我们只介绍了三种图像的类型，分别位二值图像、灰度图像以及RGB图像。但我们现在常用的图像肯定是RGB图像，不过它只是色彩空间的一种类型，在实际的图像中，还有许多其他的色彩空间，对于会PS的读者来说肯定不会陌生。

比如GRAY色彩空间（灰度图像），XYZ色彩空间，YCrCb色彩空间，HSV色彩空间，HLS色彩空间，CIELab色彩空间，CIELuv色彩空间，Bayer色彩空间等。

每个图像都有其擅长处理的内容，因此我们要掌握这些色彩空间图像的转换，以便后续更方便的处理图像的问题。

GRAY色彩空间

GRAY就是我们前面介绍的灰度图像，通常指8位灰度图像，其具有256个灰度级，像素值范围位[0,255]。

RGB转换位GRAY的数学公式如下：

Gray=0.229R+0.587G+0.114*B

而图像有GRAY色彩空间转换为RGB色彩空间时，最终所有通道的值都是相同的，其处理方式如下：

R=Gray

G=Gray

B=Gray

XYZ色彩空间

XYZ色彩空间是由CIE（International Commission on Illumination）定义的，是一种更便于计算的色彩空间，它不像RGB转换位GRAY，只能单向转换，XYZ色彩空间与RGB转换不会丢失任何值。

将RGB色彩空间转换为XYZ色彩空间，其转换公式为：

将XYZ色彩空间转换为RGB色彩空间，其转换公式为：

YCrCb色彩空间

人眼视觉系统对颜色的敏感度要低于对亮度的敏感度。在传统的RGB色彩空间内，RGB三原色具有相同的重要性，但是忽略了亮度的信息。所以，才有了YCrCb色彩空间。

在YCrCb色彩空间中，Y代表光源的亮度，色度信息保存在Cr和Cb中，其中，Cr表示红色分量信息，Cb表示蓝色分量信息。

亮度给出了颜色亮或暗的程度信息，该信息可以通过照明中强度成分的加权和来计算。在RGB光源中，绿色分量的影响最大，蓝色分量的影响最小。

从RGB色彩空间转换YCrCb色彩空间的数学公式如下：

Y=0.229R+0.587G+0.114*B

Cr=(R-Y)*0.713+delta

Cb=(B-Y)*0.564+delta

其中delta的值为：

从YCrCb色彩空间转RGB数学公式如下：

R=Y+1.403*(Cr-delta)

G=Y-0.714*(Cr-delta)-0.344*(Cb-delta)

B=Y+1.773*(Cb-delta)

HSV色彩空间

RGB是从硬件的角度提出的颜色模型，在与人眼匹配的过程中可能存在一定的差异。而HSV色彩空间是一种面向视觉感知的颜色模型。HSV色彩空间是从心理学和视觉的角度出发，指出人眼色彩知觉主要包含3个要素：色调，饱和度，亮度。

说到这里，相信用过PS的都应该清楚HSV到底能干什么了吧？不过，我们还是介绍一些这3个要素，毕竟本篇博文就是专门将色彩空间理论知识的，不能有空缺。

色调（H）：指光的颜色，色调与混合光谱中的主要光波长相关，例如“赤橙黄绿青蓝紫”分别表示不同的色调。如果从波长的角度考虑，不同的波长的光表现为不同的颜色，实际上它们体现的是色调的差异。

饱和度（S）：指色彩的深浅层度，相对于纯净度，或一种颜色混合白光的数量。纯谱色是全饱和的，像深红色（红加白）和淡紫色（紫加白）这样的彩色是欠饱和的，饱和度与所加白光的数量成反比。

亮度（V）：反映的是人眼感受到的光的明暗程度，该指标与物体的反射度有关。对于色彩来讲，如果在其中掺入的白色越多，则其亮度越高；如果在其掺入的黑色越多，则亮度越低。

在具体的实现上，我们将物理空间的颜色分布在圆周上，不同的角度代表不同的颜色。因此，通过调整色调值，我们就能选取不同的颜色，色调的取值范围为[0，360]。色调取值不同，颜色也不同，具体如下表所示：

饱和度的值为[0,1]，饱和度的值为0时，只有灰度，饱和度越大，颜色值越丰富。至于亮度，其取值范围也是[0,1]。

例如，博主现在取色调=0，饱和度=1，亮度=1，就可以提取色彩深红色。

介绍完理论知识，HSV与上面的色彩空间一样，也需要与RGB进行转换，不过，我们这里转换之前，需要先将RGB色彩空间的值转换到[0,1]之间，然后在进行处理。具体处理如下：

V=max(R,G,B) 亮度

这里，H的计算结果可能小于0，如果出现这种情况，则需要对H进一步的处理计算。如下所示：

上述公式计算的结果肯定与前面说的色调，亮度，饱和度的范围一致。至于HSV转RGB，感兴趣的可以参考开发文档。

HLS色彩空间

HLS与HSV色彩空间类似，都具有3要素。只是HLS色彩空间就L与V不同，其中HLS色彩空间的L（光亮度/明度）替换了亮度。

那么什么是光亮度/明度呢？

其实，光亮度/明度是用来控制色彩的明暗变换，它的取值范围同样也是[0,1]。我们在程序中，可以通过光亮度/明度的大小来衡量有多少光线从物体表面反射出来。光亮度/明度对于眼睛感知颜色很重要，因为当一个具有色彩的物体处于光线太强或者太暗的地方时，眼睛是无法准确获取物体颜色的。

说实话，编辑公式有点费劲，感兴趣的自己查询开发文档，后续在python中开发，我们都是使用cv2.cvtColor()进行转换的。使用起来，你只需要了解其到底做什么的，并不需要知道其内部如何实现，但内部实现，就是上面的这些数学公式。

CIELab*色彩空间

CIELab*色彩空间是均匀色彩空间模型，它是面向视觉感知的颜色模型。从视觉感知均匀的角度来讲，人所感知到的两种颜色的区别程度，应该与这两种颜色在色彩空间中的距离成正比。在某个色彩空间中如果人所观察的两种颜色的区别程度，与这两种颜色在该色彩空间中对应的点之间的欧式距离成正比，则称该色彩空间为均匀色彩空间。

CIELab色彩空间中的L分量用于表示像素的亮度，取值范围为[0,100]，表示从纯黑到纯白；a分量表示从红色到绿色的范围，取值范围为[-127,127]；b*分量表示从黄色到蓝色的范围，取值范围为[-127.127]。

由于CIELab是在CIE的XYZ色彩空间上发展起来的，所以转换的时候，需要先将RGB转换为XYZ色彩空间，然后在转换为CIELab。具体的数学公式感兴趣的查询开发文档。

CIELuv*色彩空间

CIELuv色彩空间同CIELab色彩空间一样，是均匀的颜色模型。CIELuv*色彩空间与设备无关，适用于显示器显示和根据加色原理进行组合的场合，该模型中比较强调对红色的表示，即对红色的变化比较敏感，但对蓝色的变化不太敏感。

同样的，CIELuv色彩空间也需要先将RGB转换为XYZ色彩空间，然后在转换为CIELuv，具体公式感兴趣的可以查询开发文档。

Bayer色彩空间

Bayer色彩空间被广泛的应用在CCD和CMOS相机中。

色彩空间的理论知识，到这里基本就讲解完成了，感兴趣的可以自己扩展最后几个数学公式。