OpenCV学习笔记（06）：OpenCV颜色空间转换的两种方式

1.背景知识

1）什么是色域？

在计算机图形当中，色域是对颜色进行编码的一种方案，最常见的编码方案是RGB模式。

我个人的理解是，色域是计算机描述色彩空间的一种量化方式，颜色对于人而言，是一种感性而主观的概念（比如说，蓝蓝的天空，白白的云），但在计算机中，对于颜色的描述必须数字化，以0和1的方式表达，那么如何规定这些表达，色域遍应运而生，比如在计算机内存中，蓝色为RGB(0,0,255)，对应值#0000FF，白色为RGB(255,255,255)，对应值#FFFFFF。计算机在内存中以0和1编码方式存储这些值，然后再根据不同的值调用屏幕显示设备不同的显示输出，得到对应的像素点颜色显示。

2）什么是颜色空间？

本质上，颜色空间是坐标系统和子空间的阐述。位于系统的每种颜色都有单个点表示。采用的大多数颜色模型都是面向硬件或面向应用的。颜色空间从提出到现在已经有上百种，大部分只是局部的改变或专用于某一领域。颜色空间有许多种，常用有RGB，CMY，HSV,HSI等。

以RGB为例，举个例子——

我们知道，一幅图像的基本组成单位是以RGB为基础展开的，为此可以理解为一个图像由RGB这样的三个元素组成，R为一个红色通道，表示为1；G为一个绿色通道，表示为2；B 为一个蓝色通道，表示为3；有一处白色图像则为4,它是由1、2、3处的通道颜色混合而成，这相当于我们使用的调色板，几种颜色混合在一起将产生一种新的颜色

2.使用cvtColor函数进行颜色空间的转换

OpenCV对于色彩空间的转换提供了很好的支持，cvtColor函数可以直接用于部分空间的色彩转换

cvtColor函数

void cv::cvtColor	(InputArray 	src,
OutputArray 	dst,
int 	code,
int 	dstCn = 0
)		

第一个参数表示输入图像
第二个参数表示输出图像
第三个参数表示转换的编码，比如，RGB转灰度图对应COLOR_BGR2GRAY
第四个参数表示输出图像的通道数，默认为0，表示由参数code来决定

一个例子，RGB转灰度图

#include
#include
using namespace std;
using namespace cv;
int main()
{
	Mat src = imread("E:\\Test.jpg");
	Mat dst(src.rows,src.cols, src.type());
	
	cvtColor(src, dst, COLOR_BGR2GRAY);
	imshow("BGR", src);
	imshow("GRAY", dst);
	waitKey(0);

	return 0;
}

运行结果

注意：
　　1.OpenCV里图像的默认模式是BGR，而不是RGB；
　　2.如果转换模式对应的编号填错的话，会产生运行时异常；
　　3.cvtColor支持原地操作。

3.自己编写转换函数——RGB到YIQ的转换

如果遇到OpenCV不支持的色域空间，该怎么办？

下面我们通过RGB转YIQ的例子，来介绍一种简单粗暴的解决方案——

思路： 我们可以通过色域转换矩阵对图像像素的每一个元素进行转换，进而得到最后的结果

RGB转YIQ的转换矩阵为

即，

Y=0.299R+0.587G+0.114B
I=0.596R-0.274G-0.322B
Q=0.211R-0.523G+0.312B

程序实现如下——

#include
using namespace cv;

int main()
{
	Mat src = imread("E:\\1.jpg");
	src.convertTo(src, CV_32FC3);
	
	Mat dst = src.clone();

	for (int i = 0; i < src.rows; i++)
	{
		for (int j = 0; j < src.cols; j++){
			dst.at<Vec3f>(i, j)[2] = (((0.299*src.at<Vec3f>(i, j)[2] +
				0.587*src.at<Vec3f>(i, j)[1] +
				0.114*src.at<Vec3f>(i, j)[0])) / 255);
			dst.at<Vec3f>(i, j)[1] = (((0.596*src.at<Vec3f>(i, j)[2] +
				-0.274*src.at<Vec3f>(i, j)[1] +
				-0.322*src.at<Vec3f>(i, j)[0])) / 255);
			dst.at<Vec3f>(i, j)[0] = (((0.211*src.at<Vec3f>(i, j)[2] +
				-0.523*src.at<Vec3f>(i, j)[1] +
				0.312*src.at<Vec3f>(i, j)[0])) / 255);
		}
	}

	imshow("YIQ", dst);
	waitKey(0);

	return 0;
}

运行结果

一些说明：

• 由公式不难看出，该转换矩阵涉及到浮点型运算，因此，为了提高运算精度，我们也应当把矩阵转换为浮点型。并且，需要注意的是，整型RGB取值范围是0_{255，浮点型对应0}1，故而，在运算过程中，做了除以255的归一性处理；
• imshow对于图像显示会因存储类型的不同而不同，如果矩阵是浮点型，那么必须保证其值在0~1范围内，不然图片很可能显示纯白或者纯黑（超出范围，默认为0或者1，对应黑色和白色），因此，从整型到浮点型，除了covertTo函数转换类型外，归一化处理，必不可少。

4. 参考文献

[1] http://blog.csdn.net/yjhxdzyx/article/details/43488153