【Python·OpenCV】如何实现 HSV 与灰度图的相互转换？

Github 项目地址：https://github.com/Sherry-XLL/HSV2Gray

一、引言

---

HSV(Hue, Saturation, Value)，也称六角锥体模型(Hexcone Model)，是一种较为直观的颜色模型，包含色调(H)，饱和度(S)和明度(V)三个参数。

• 色调 Hue (H)
  色调 H 反映所处的光谱颜色的位置，在六角锥体模型中用角度度量，取值范围为 0°～360°。RGB 三个通道的取值范围通常是 0-255，因此 OpenCV、ncnn 等库倾向于用 UCHAR 表示颜色。由于 360 超出了 UCHAR 的表示范围，不同的软件在对 H 进行量化时的取值范围有所差异。OpenCV 实现了三种范围：0-360， 0-180 和 0-255，本质都是对 H 进行线性变换，将其限制在给定的范围中，cv2 默认 H 的取值范围为 0-180。
• 饱和度 Saturation (S)
  饱和度 S 表示颜色接近光谱色的程度，为一比例值，通常取值范围为 0%～100%，OpenCV 将 S 的范围扩大至 0-255。
• 亮度 Value (V)
  亮度 V 表示色彩的明亮程度，通常取值范围为 0%～100%，OpenCV 同样将 V 的范围扩大至 0-255。
• 颜色对照表

	黑	灰	白	红	橙	黄	绿	青	蓝	紫
hmin	0	0	0	0 / 156	11	26	35	78	100	125
hmax	180	180	180	10 / 180	25	34	77	99	124	155
smin	0	0	0	43	43	43	43	43	43	43
smax	255	43	30	255	255	255	255	255	255	255
vmin	0	46	221	46	46	46	46	46	46	46
vmax	46	220	255	255	255	255	255	255	255	255

本文使用的图片为 Lenna 测试图，即雷娜图。雷娜图（Lenna or Lena）是图像处理领域最受欢迎的测试图，图片中的美丽女性为《花花公子》的玩伴女郎雷娜（LenaSoderberg）。

文中对 RGB 三个颜色通道、转换后的 HSV 以及灰度图进行可视化，得出 HSV 和 Gray 进行颜色转换的方法。代码已上传至 Github，如有建议欢迎留言评论。

二、为什么需要 HSV ？

---

尽管 RGB 是电视和数码相机中使用最广泛的图像表示法，但由于颜色之间的高度相关性，在目标识别和颜色提取任务中人们更多地使用 HSV 而不是 RGB。下图显示了 Lenna 图在 R、G、B 三个通道的颜色分割，可以观察到三个通道中的颜色协同变化，暴露了基于 RGB 模式识别的主要困难。

image = cv2.imread("lenna.png")

# cv2 默认为 BGR 格式，plt.imshow 默认为 RGB 格式
(b, g, r) = cv2.split(image)
bgr = cv2.merge([r, g, b])

# show BGR
plt.subplot(2, 2, 1)
plt.imshow(bgr)
plt.axis('off')
plt.title('original image (BGR)')

B = cv2.merge([zero, zero, b])
plt.subplot(2, 2, 2)
plt.imshow(B)
plt.axis('off')
plt.title('B')

G = cv2.merge([zero, g, zero])
plt.subplot(2, 2, 3)
plt.imshow(G)
plt.axis('off')
plt.title('G')

R = cv2.merge([r, zero, zero])
plt.subplot(2, 2, 4)
plt.imshow(R)
plt.axis('off')
plt.title('R')
plt.show()

三、HSV 三个分量表示什么？

---

HSV 包含色调(H)，饱和度(S)和明度(V)三个参数，下图基于 HSV 分割，将 HSV 三个通道的分量用灰度图进行表示。与 RGB 的颜色通道相比，色调和饱和度通道不受光照条件的影响，从而支持对象边界的有效识别。

hsv = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)
(h, s, v) = cv2.split(hsv)

其中，Value 分量表示色彩的明亮程度，通常取值范围为 0%～100%，在 ncnn 和 OpenCV 中都将 V 的范围扩大至了 0-255，此时 HSV 的 V 分量图即为 HSV 转换为灰度图的一种粗略做法。

四、绘图误区

---

值得注意的是，RGB 与 HSV 是两种不同的颜色表示方式，转换后每个颜色通道的意义和数值发生了改变，但仍表示原来的图片，即 RGB、HSV 只是颜色的不同表示方式，在 Photoshop 中可以有更直观的认识：

网络上经常可以看到使用库函数将 RGB 转换为 HSV 表示，然后直接用 imshow 绘制图片，称其为对应的 HSV 图像，这是不对的：

image = cv2.imread("Lenna.png")
hsv = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)
plt.imshow(hsv)
plt.title('HSV (plt.imshow)')
plt.show()

在 Python 中，matplotlib.pyplot 的 imshow 默认所展示图像的三个通道为 R、G 和 B；cv2 的 imshow 默认所展示图像的三个通道为 B、G 和 R。也就是说，imshow 将 HSV 三个通道的分量当作 RGB 或 BGR 的三个通道得到了如上输出，这样得到的图片从理论上来说是没有意义的。

五、HSV 和灰度图的转换

---

尽管将 HSV 的 V 分量分离得到的图片可以作为灰度图，但图像质量较低。为了得到高质量的灰度图，常用的 HSV 转为灰度图的方法是以 RGB 作为中介。RGB 转换为灰度图的常用公式如下：

Gray = R * 0.299 + G * 0.587 + B * 0.114

对比 RGB 值计算得到的灰度图和 HSV 的 V 分量图，不难看出 RGB 公式转换的灰度图质量更高：

因此，将 HSV 转换为灰度图的代码与 HSV 转换为 RGB 的代码类似，先将 HSV 按照公式转换为 RGB 的颜色表示，再根据RGB 转换成灰度图像的常用公式计算对应的灰度值即可，即 HSV -> RGB -> Gray，详见 HSL and HSV，此处不再赘述。

将三通道的彩色图片转换为灰度图后失去了原图片的部分信息，因此无法实现一一对应的双向转换，在灰度图转 HSV 时只能进行近似处理，直接将灰度值赋于 V，然后 H 和 S 取值为 0.

六、参考链接

---

1. Github 源码
2. ncnn
3. Lenna
4. OpenCV
5. HSL and HSV
6. Add convert color hsv
7. A high performance terabyte-order RGB to HSV parallel conversion implementation