【计算机视觉（二）】常用颜色空间及其转换

前情提要

在【计算机视觉（一）图像数据表示】中，我介绍了RGB和灰度两种颜色空间，并且介绍了像素的概念以及在程序上如何访问。

本期内容

接下来介绍从RGB到灰度的转换，以及两种我常用的颜色空间HSV和二值空间（严格来说属于灰度，只是只有0和255两个值）。

一、RGB转灰度

假如先不谈原理，RGB转灰度你会怎么做？先从我们知道的信息入手，RGB是三通道的，灰度只有一个通道，很自然的会联想到怎么把三个通道“融合”成一个通道，最直接的想法，也许是对于同一个RGB像素值，我们把这三个通道值求一个平均值作为灰度值。用公式表示一下就是：Gray = R * 1/3 + G * 1/ 3 + B * 1/3 。
好，那我们先来写这个程序看看效果。

# coding: utf-8
import cv2
import numpy as np

'''
函数名：rgb2gray_mean
功能：通过求通道平均值得到灰度图
输入：
img    输入的彩图
返回：
result    灰度图
'''
def rgb2gray_mean(img):
    ratio = 1.0 / 3
    # 转换类型
    int_img = img.astype(np.int32)
    
    result = ratio * (int_img[...,0]+int_img[...,1]+int_img[...,2])
    return result.astype(np.uint8)

# 程序入口
def main():
    # 读取lena图
    color = cv2.imread('../lena.jpg')
    # 转灰度
    gray = rgb2gray_mean(color)

    # 显示
    cv2.imshow('color', color)
    cv2.imshow('gray', gray)
    cv2.waitKey(0)

if __name__ == '__main__':
    main()

注意：在rgb2gray_mean函数中我对img做了一个类型转换并存放在int_img中，img的类型是numpy.uint8，也就是8位无符号整数，直接对里面的值进行相加很可能造成数值溢出，也就是255+1会变成0，因此要先用一个能容纳更大的值范围的矩阵装起来，比如int32类型的。这是新手经常会遇到的坑，切记切记。

好那我们来看看运行效果，再一次使用lena测试。

lena

运行的结果：

均值灰度

看起来还行。
OpenCV中也有自带的转换灰度的函数，cvtColor，代码也贴在这里：

gray = cv2.cvtColor(color, cv2.COLOR_BGR2GRAY)

注意第二个参数是BGR2GRAY，是的，OpenCV中默认的彩图通道排列是BGR（蓝绿红）而不是RGB，具体原因我也是道听途说，是因为一开始相机制造商从Sensor拿到的数据就是BGR的，这是他们制定的标准，尽管后来有很多软件也是默认采用RGB。
那么这个cvtColor的效果怎么样呢，请看

OpenCV转灰度

不知道你能否看出区别，不能的话请注意看头发的明暗交界处，cvtColor在本来该黑的地方更黑，该白的地方更白，就是对比度更强烈，还是看不出来的话用程序帮我们看看，数一下灰度值不相等的地方有多少个。

print np.sum(gray != cv_gray)

结果是：244157， 原图的大小是512x512，也就是总共262144个像素点，那这么看下来绝大部分的像素值都不一样，虽然我们看起来也要费点力才能看出来不同。这就说明OpenCV转灰度的方法跟我们拍脑门想的是不一样的，也就是对应到三个通道各自乘的系数是不一样的，假设：

Gray = a * R + b * G + c * B (a + b + c = 1)

a、b、c三个值应该怎么取能让图像看起来比较舒服呢？其实人眼对三原色的“偏好”是不一样的，研究表明人眼对红绿蓝的权重接近3:6:1，更精确的，对于上面的公式，a=0.299，b=0.587，c=0.114，这就是通常所说的心理学模型。在OpenCV中，为了减少浮点运算（浮点运算在一般的CPU中很耗时），使用了类似下面的转换方式：

'''
函数名：心理学模型转换灰度
输入：
img    输入的彩图
返回：
result    灰度图
'''
def rgb2gray_mental(img):
    # 转换类型
    int_img = img.astype(np.int32)
    result = (int_img[...,2]*299 + int_img[...,1]*587 + int_img[...,0]*114 + 500) / 1000
    return result.astype(np.uint8)

经过测试，这跟OpenCV自带的转换函数cvtColor的效果是一模一样的。

二、HSV空间

HSV空间是由RGB空间演变过来的，RGB空间在几何上是一个正方体（详情请查阅【计算机视觉（一）图像数据表示】），而当你从正方体的一个顶点看向离它最远的另一个顶点时，就会看到一个六角锥体，这就是HSV空间的几何表达，如下图：

六角锥体

通常，我们会把顶上的这个六边形近似成一个圆，就变成了一个圆锥，像这样：

HSV圆锥

HSV三个轴的走动方向也在图上标出了，可以理解为一个有深度的极坐标系，我们只看Hue轴，沿着圆周方向走，可以看到每转动一定的角度，所表示的颜色就变了，而且不止红绿蓝，事实上这对应了我们认知上的所有颜色，因此，使用HSV空间的好处就是只要一个维度我们就能表示物体本来的颜色。那其他两个轴是表达什么信息的呢？具体可以参考 百度百科，我这里只说些个人见解。S维度表示饱和度，更通俗的说，是打在物体上的白灯的亮度，比如你在黑夜中用手电筒照着个苹果，电量足够的话苹果看上去当然是正常的红色，电量不够也许看上去是暗红色，关掉手电也就啥都看不到黑漆漆一片了，这就是S维度的信息。V维度表示了一种物体自身的材质信息，是不是透明的，透明度有多少，同样拿照苹果这个例子，如果现在这个苹果换成了水晶苹果，灯光打上去以后看到的颜色也是不一样的，即使当初涂的颜色跟真实的苹果颜色一样，这是由于一些漫反射和折射造成的。

HSV的值域跟RGB的并不一样，其中H维度的值域是0-180，其他两个维度都是0-255，H不取到0-360也许是因为超过了uchar的范围。

HSV空间对颜色的描述是用户友好的，而RGB是硬件友好的。HSV空间在我日常学习中更多是作为颜色筛选的基础，人眼能区分的不同颜色的范围对应HSV的值都比较固定，下面是一个对照表：

HSV颜色对照表

现在举个实际应用的案例，比如我要对下面的图片做车牌识别，我的第一步是要把车牌的区域抠出来，车牌的底色是蓝色的，当然宝马的标志也有蓝色，但我们可以不管三七二十一先把蓝色的东西都抠出来再做筛选，这时候就可以用HSV空间。

车车

图片刚读入的时候是BGR格式的，这时候又要用到cvtColor转换到HSV，示例代码如：

hsv = cv2.cvtColor(bgr, cv2.COLOR_BGR2HSV)

显示HSV的效果如下：

hsv.jpg

现在我们要的是蓝色区域，查找上面的对照表就可以知道，我们要的是H值在100到124，S值在43到255，V值在46到255之间的像素点。怎么表达这个“要”跟“不要”呢？我们可以这么考虑，对于每个像素点只有“要”和“不要”两种状态，就像一盏灯的开关一样，于是我们可以创建一幅等大的图，在上面，“要”的像素点设为一个值，“不要”的像素点设为另一个值，这就是接下来要说的二值图，我也喜欢称其为掩码图。

三、二值图（掩码图）

二值图本质上是灰度图，只是只用了0和255两个值，用0表示“不要”，255表示“要”，整幅图看起来就是符合条件的区域是白色的，不符合的是黑色的。对上面的HSV图作这种条件筛选处理，叫做二值化，OpenCV已经为我们准备了对应的函数cv2.inRange，示例代码如下：

mask = cv2.inRange(hsv, np.array([100,43,46]), np.array([124,255,255]))

处理完的结果如下图：

mask.jpg

可以看到，尽管有很多干扰的白色区域，车牌区域还是在里面，我们只要采取进一步的手段就可以把车牌区域筛选出来，这就要涉及一些形态学处理，敬请期待下一篇文章。