颜色空间探究：RGB、HSV和HSL

从RGB空间说起

所谓RGB空间就是red，green和blue颜色3个向量张成的空间，正好类似于3维欧氏空间。

如图所示，3个向量均归一化了，其中(0，0，0)处为黑色，（1，1，1）处为白色。这种映射关系和光学棱镜色散和叠加相对应。实际应用常用的在[0, 255]区间编码。

简单的例子：RGB空间（0，0，255）为纯蓝色，（255，0，0）为纯红色。

举栗

import cv2
import matplotlib.pyplot as plt
from scipy.signal import convolve2d
import numpy as np

img = cv2.imread('monalisa.jpg')
plt.figure()
plt.imshow(img)

这个蒙娜丽莎有点奇怪，原来是opencv的接口使用BGR，而matplotlib.pyplot 则是RGB模式。如下代码将颜色空间重排。

b,g,r = cv2.split(img)
img2 = cv2.merge([r,g,b])
plt.figure()
plt.imshow(img2)
plt.axis('off')

 

这才是正常的蒙娜丽莎，使用cv2.cvtColor()函数也能实现颜色转换

img3=cv2.cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
plt.figure()
plt.imshow(img3)
plt.axis('off')

函数名cvt即convert。而且参数很简单，就一个int型参数：

>>>cv2.COLOR_BGR2RGB
4

彩色图像转化为灰度图像 

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
plt.figure()
plt.imshow(gray,cmap='gray')
plt.axis('off')

 

>>>cv2.COLOR_BGR2GRAY
6

点评：颜色空间有很多种，如“秋天”，“冬天”，‘jet’，‘hot’等，类似Matlab的colormap。

反色

def inverse_color(image):
    height,width,temp = image.shape
    img2 = image.copy()
    for i in range(height):
        for j in range(width):
            img2[i,j] = (255-image[i,j][0],255-image[i,j][1],255-image[i,j][2])
    return img2

img4=inverse_color(img)
plt.figure()
plt.imshow(img4)
plt.axis('off')

def inverse_gray(image):
    height,width = image.shape
    img2 = image.copy()
    for i in range(height):
        for j in range(width):
            img2[i,j] = (255-image[i,j])
    return img2

img5=inverse_gray(gray)
plt.figure()
plt.imshow(img5,cmap='gray')
plt.axis('off')

彩色转灰度图像还能用深度学习中的1×1卷积实现，思路就是3通道加权叠加成1通道。

def rgb2gray(rgb):
    return np.dot(rgb[...,:3], [0.299, 0.587, 0.144])

img6 = rgb2gray(img)
plt.figure()
plt.imshow(img6,cmap='gray')

HSV和HSL

HSL 表示hue（色相）、saturation（饱和度）、lightness（亮度），HSV表示hue、saturation、value(色调)。

如图所示，这两个空间基于柱坐标系统，那么调节3个分量的值，可遍历不同风格的渲染颜色。