图像颜色空间对比(Opencv)

发布于:2025-04-12 ⋅ 阅读:(40) ⋅ 点赞:(0)

1. 颜色转换

import cv2
import matplotlib.pyplot as plot

img = cv2.imread("tmp.jpg")
img_r = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
img_g = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
img_h = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
img_l = cv2.cvtColor(img, cv2.COLOR_BGR2LAB)

plot.figure(figsize=(15,3));
plot.subplot(1,5,1)
plot.title('BGR image')
plot.imshow(img)
plot.subplot(1,5,2)
plot.title('BGR to RGB')
plot.imshow(img_r)
plot.subplot(1,5,3)
plot.title('BGR to Gray')
plot.imshow(img_g)
plot.subplot(1,5,4)
plot.title('BGR to HSV')
plot.imshow(img_h)
plot.subplot(1,5,3)
plot.title('BGR to LAB')
plot.imshow(img_l)

plot.show()

在这里插入图片描述

2. 各颜色空间对比

颜色空间 通道数 通道含义 数据范围 主要应用场景 优缺点
RGB 3 Red(红)、Green(绿)、Blue(蓝) 各通道值范围:0-255 图像显示、基础图像处理 ✅ 直观易用
❌ 对光照变化敏感
BGR 3 Blue(蓝)、Green(绿)、Red(红) 各通道值范围:0-255 OpenCV默认图像格式、视频处理 ✅ OpenCV原生支持
❌ 与常规RGB顺序相反
Gray 1 亮度(Luminance) 单通道值范围:0-255 人脸检测、文字识别、简化计算 ✅ 计算效率高
❌ 丢失颜色信息
HSV 3 Hue(色相)、Saturation(饱和度)、Value(明度) H: 0-180
S/V: 0-255
颜色检测、色彩分割、光照鲁棒处理 ✅ 颜色分离效果好
❌ H通道是循环角度值(0°=180°)
Lab 3 L(亮度)、a(红绿轴)、b(黄蓝轴) L: 0-255
a/b: -128~127
颜色一致性校正、复杂颜色分割 ✅ 接近人类视觉感知
❌ 计算复杂度较高

3. 应用说明

3.1 RGB vs BGR

  • OpenCV默认使用BGR格式,与其他库(如Matplotlib)交互时需转换
  • 转换方法:cv2.cvtColor(img, cv2.COLOR_BGR2RGB)

3.2 HSV

  • H(色相)在OpenCV中被压缩到0-180范围(常规为0-360°)
  • 常用于颜色过滤(如检测红色物体)

3.3 Lab

  • L通道表示亮度,与设备无关
  • a通道:绿色→红色(-128→127)
  • b通道:蓝色→黄色(-128→127)
  • 在Photoshop等专业工具中广泛使用

3.4 Gray

  • 转换公式:Gray = 0.299R + 0.587G + 0.114*B(加权平均法)

3.5 典型使用场景示例:

  • 人脸检测:优先使用灰度图(减少计算量)
  • 颜色追踪:HSV空间定义颜色范围(如cv2.inRange())
  • 图像增强:Lab空间调整亮度(L通道)不影响颜色
  • 跨设备颜色一致性:Lab空间进行颜色校正

网站公告

今日签到

点亮在社区的每一天
去签到