实验2 色彩模式转换

1. 实验目的

①了解常用的色彩模式，理解色彩模式转换原理；
②掌握Photoshop中常用的颜色管理工具和色彩模式转换方法；
③掌握使用Matlab/Python+OpenCV编程实现色彩模式转换的方法。

2. 实验内容

①使用Photoshop中的颜色管理工具，转换色彩模式并查看各通道图像。
②调用Matlab/OpenCV中相关函数，实现RGB、YCbCr、HSV等色彩模式之间的转换；
③使用Matlab/Python，自行编写函数实现任意两个色彩模式之间的转换。

3. 实验过程

3.1 Photoshop颜色管理工具

打开Photoshop，新建空白文件，使用“拾色器”工具，改变前景色和后景色，观察各颜色通道变化规律和变化范围；确定颜色后，使用画笔工具和橡皮擦工具，观察图层变化情况；
① 实验步骤

②实验结果展示

3.2 Photoshop实现色彩模式转换

在Photoshop中实现RGB到CMYK，Lab色彩模式的转换，并查看各通道图像。
①实验步骤

② 实验结果展示

3.3 使用函数实现色彩模式转换

使用 Matlab/OpenCV中相关函数，实现RGB、YCbCr、HSV等色彩模式之间的转换。具体步骤如下：
⑴将RGB图像分离为R/G/B通道并显示；将R/G/B通道合并为RGB图像。
⑵将RGB图像转换为YCbCr/HSV图像，并分别显示各个通道图像；再将各个通道合并为YCbCr/HSV图像。
⑶将⑵中的YCbCr/HSV图像重新转换为RGB图像。

3.3.1 Matlab实现：

调用Matlab相关函数，实现各色彩模式之间的转换：
① 主要函数及其参数
请填写以下函数对应的参数说明：

② 实验代码展示

%将 RGB 图像分离为 R/G/B 通道并显示，然后将 R/G/B 通道合并为 RGB 图像，可以使用以下函数：

% 读取 RGB 图像
rgbImage = imread('lena.png');

% 分离 R/G/B 通道
redChannel = rgbImage(:,:,1);
greenChannel = rgbImage(:,:,2);
blueChannel = rgbImage(:,:,3);

% 显示 R/G/B 通道图像
figure;
subplot(2,2,1);
imshow(rgbImage);
title('Original RGB Image');
subplot(2,2,2);
imshow(redChannel);
title('Red Channel');
subplot(2,2,3);
imshow(greenChannel);
title('Green Channel');
subplot(2,2,4);
imshow(blueChannel);
title('Blue Channel');

% 合并 R/G/B 通道为 RGB 图像
mergedImage = cat(3, redChannel, greenChannel, blueChannel);
figure;
imshow(mergedImage);
title('Merged RGB Image');

%将 RGB 图像转换为 YCbCr/HSV 图像，并分别显示各个通道图像，然后将各个通道合并为 YCbCr/HSV 图像，可以使用以下函数：

% RGB 转 YCbCr 图像
ycbcrImage = rgb2ycbcr(rgbImage);

% 分离 Y/Cb/Cr 通道
yChannel = ycbcrImage(:,:,1);
cbChannel = ycbcrImage(:,:,2);
crChannel = ycbcrImage(:,:,3);

% 显示 Y/Cb/Cr 通道图像
figure;
subplot(2,2,1);
imshow(rgbImage);
title('Original RGB Image');
subplot(2,2,2);
imshow(yChannel);
title('Y Channel');
subplot(2,2,3);
imshow(cbChannel);
title('Cb Channel');
subplot(2,2,4);
imshow(crChannel);
title('Cr Channel');

% 合并 Y/Cb/Cr 通道为 YCbCr 图像
mergedYCbCrImage = cat(3, yChannel, cbChannel, crChannel);
figure;
imshow(mergedYCbCrImage);
title('Merged YCbCr Image');

% RGB 转 HSV 图像
hsvImage = rgb2hsv(rgbImage);

% 分离 H/S/V 通道
hChannel = hsvImage(:,:,1);
sChannel = hsvImage(:,:,2);
vChannel = hsvImage(:,:,3);

% 显示 H/S/V 通道图像
figure;
subplot(2,2,1);
imshow(rgbImage);
title('Original RGB Image');
subplot(2,2,2);
imshow(hChannel);
title('H Channel');
subplot(2,2,3);
imshow(sChannel);
title('S Channel');
subplot(2,2,4);
imshow(vChannel);
title('V Channel');

% 合并 H/S/V 通道为 HSV 图像
mergedHSVImage = cat(3, hChannel, sChannel, vChannel);
figure;
imshow(mergedHSVImage);
title('Merged HSV Image');

%将上述步骤中得到的 YCbCr/HSV 图像重新转换为 RGB 图像，可以使用以下函数：

% YCbCr 转 RGB 图像
reconstructedRGBImage = ycbcr2rgb(ycbcrImage);
figure;
imshow(reconstructedRGBImage);
title('Reconstructed RGB Image from YCbCr');

% HSV 转 RGB 图像
reconstructedRGBImage = hsv2rgb(hsvImage);
figure;
imshow(reconstructedRGBImage);
title('Reconstructed RGB Image from HSV');

②实验结果展示

3.3.2 Python+OpenCV实现

调用OpenCV中相关函数，实现各色彩模式之间的转换：
① 主要函数及其参数
请填写以下函数对应的参数说明：

② 实验代码展示

import cv2 as cv
import numpy as np

# 读取图像
image = cv.imread('lena.png')

# (1) RGB图像通道分离和合并
b, g, r = cv.split(image)  # 分离通道
cv.imshow('Blue Channel', b)
cv.imshow('Green Channel', g)
cv.imshow('Red Channel', r)

merged_image = cv.merge([b, g, r])  # 合并通道
cv.imshow('Merged RGB Image', merged_image)
cv.waitKey(0)
cv.destroyAllWindows()

# (2) RGB到YCbCr和HSV的转换
ycbcr_image = cv.cvtColor(image, cv.COLOR_BGR2YCrCb)
y, cb, cr = cv.split(ycbcr_image)  # 分离通道
cv.imshow('Y Channel', y)
cv.imshow('Cb Channel', cb)
cv.imshow('Cr Channel', cr)

hsv_image = cv.cvtColor(image, cv.COLOR_BGR2HSV)
h, s, v = cv.split(hsv_image)  # 分离通道
cv.imshow('Hue Channel', h)
cv.imshow('Saturation Channel', s)
cv.imshow('Value Channel', v)

cv.waitKey(0)
cv.destroyAllWindows()

# (3) YCbCr和HSV到RGB的转换
rgb_from_ycbcr = cv.cvtColor(ycbcr_image, cv.COLOR_YCrCb2BGR)
cv.imshow('RGB Image from YCbCr', rgb_from_ycbcr)

rgb_from_hsv = cv.cvtColor(hsv_image, cv.COLOR_HSV2BGR)
cv.imshow('RGB Image from HSV', rgb_from_hsv)

cv.waitKey(0)
cv.destroyAllWindows()

③实验结果展示
在此仅为部分实验结果

3.3.3 自行编写代码实现

不调用相关库中的函数，根据色彩模式转换原理，找到各色彩模式对应的转换关系，并自行编写代码实现·RGB、YCbCr、HSV等色彩模式的转换。
①实验代码展示

② 实验结果展示
效果与上图类似，只需在脚本中调用即可。

4. 实验小结

① 使用调用的Matlab函数，OpenCV函数以及自己编写的函数，进行相同的色彩模式转换。得到的转换结果以及各通道图像是一样的吗？查阅相关资料并分析产生这种结果的原因。
答：算法实现的差异：不同的库或代码实现可能会在算法的具体实现上存在微小的差异。这可能涉及数值计算的舍入误差、通道值的截断或舍入方式等。这些差异可能会导致微小的像素级差异，尤其是在通道值较小的情况下。
数据类型的差异：不同的库或代码实现可能使用不同的数据类型来表示图像和通道值。例如，某些库可能使用整数类型（如uint8）表示通道值，而其他库可能使用浮点类型（如float或double）。这可能会导致数值范围和精度方面的差异。
图像加载和保存的差异：图像加载和保存的过程中可能存在不同的编解码算法或参数设置。这可能导致在图像加载和保存过程中引入一些额外的差异。
② 将10张尺寸为160×60的RGB图像存储在多维数组pic中，多维数组的各个维度分别代表了图像中的哪些信息？在不同的图像处理库中，各个维度所代表的含义一样吗？
答：第一个维度（维度0）：表示图像的索引或编号。在这种情况下，它表示第几张图像，范围通常是从0到9。
第二个维度（维度1）：表示图像的行索引，即图像的垂直方向。
第三个维度（维度2）：表示图像的列索引，即图像的水平方向。
第四个维度（维度3）：表示图像的通道索引，通常用于表示图像的不同颜色通道。在RGB图像中，常见的通道顺序是红色（R）、绿色（G）和蓝色（B）