彩色图像处理 & 彩色空间转换及代码实现
一、彩色图像基础
为什么要研究彩色图像处理？
- 符合人类视觉特点：人类可以辨别几千种颜色色调和亮度；只能辨别几十种灰度层次。
- 有用的描绘子：简化目标物的区分；目标识别，根据目标的颜色特征。
彩色图像处理可分为：
- 全彩色处理：数码相机，数码摄像机，彩色扫描仪。
- 伪彩色处理：对不同的灰度或灰度范围赋予不同的颜色。
当一束白光通过一个玻璃棱镜时，出现的光束 不是白光，而是由一端为紫色到另一端为红色的 连续彩色谱组成。
光特性是颜色科学的核心。
描述彩色光的3个基本量：
- 辐射率：从光源流出能量的总量，用瓦特(W) 度量
- 光强：观察者从光源接收的能量总和
- 亮度：主观描绘子
三原色 ：红色（Red）、绿色（Green）、蓝色（Blue）
二、彩色空间（也称彩色模型或彩色系统）
色彩模式
RGB
- CCD技术直接感知R,G,B三个分量
- 是图像成像、显示、打印等设备的基础
CMY(青、深红、黄)、CMYK (青、深红、 黄、黑）
运用在大多数在纸上沉积彩色颜料的设备， 如彩色打印机和复印机。
CMYK
- 打印中的主要颜色是黑色
- 等量的CMY原色产生黑色，但不纯
- 在CMY基础上，加入黑色，形成CMYK彩色 空间
HSI(色调、饱和度、亮度）
两个特点：
- 分量与图像的彩色信息无关
- H和S分量与人感受颜色的方式是紧密相连的
将亮度(I)与色调（H）和饱和度（S）分开；
避免颜色受到光照明暗(I)等条件的干扰；
仅仅分析反映色彩本质的色调和饱和度；
广泛用于计算机视觉、图像检索和视频检索。
YIQ
- Y指亮度(Brightness),即灰度值
- I和Q指色调，描述色彩及饱和度
- 用于彩色电视广播，被北美的电视系统 所采用（属于NTSC系统）
- Y分量可提供黑白电视机的所有影像信息
YUV
- Y指亮度,与YIQ的Y相同
- U和V也指色调，不同于YIQ的I和Q
- 用于彩色电视广播，被欧洲的电视系统所采用（属于PAL系统）
- Y分量也可提供黑白电视机的所有影像信息
YCbCr
- Y指亮度,与YIQ和YUV的Y相同
- Cb和Cr由U和V调整得到
- JPEG采用的彩色空间
彩色空间转换
伪彩色图像处理
伪彩色图像处理，也叫假彩色图像处理，根据一定的准则对灰度值赋以彩色的处理。
区分：伪彩色图像、真彩色图像、单色图像
为什么需要伪彩色图像处理?人类可以辨别上千种颜色和强度，但只能辨别二十几种灰度。
应用：为人们观察和解释图像中的灰度目标。
怎样进行伪彩色图像处理？ 强度分层技术；灰度级到彩色转换技术。
强度分层技术
把一幅图像描述为三维函数（x,y,f(x,y)）
分层技术：放置平行于(x,y)坐标面的平面
每一个平面在相交区域切割图像函数
令[0,L-1]表示灰度级，使l0代表黑色（f(x,y)=0）, lL-1代表白色(f(x,y)=L-1)。假设垂直于强度轴的P 个平面定义为量级l1,l2,…,lP。0 c_k是与强度间隔 V_k第k级强度有关的颜色，Vk 是由在l=k-1和l=k分割平面定义的。 全彩色图像处理研究分为两大类： 对大小为 M * N 的图像 彩色变换函数 补色 补色：在如图所示的彩色环上，与一种色调直接 相对立的另一种色调称为补色。 作用：增强嵌在彩色图像暗区的细节。 令Sxy表示在RGB彩色图像中定义一个中心在(x,y) 的邻域的坐标集，在该邻域中RGB分量的平均值为 RGB彩色空间，分别计算每一分量图像的拉普拉斯变换 HSI彩色空间分割——直观 RGB彩色空间——直接 令z代表RGB空间中的任意一点，a是分割 颜色样本集的平均颜色向量 具体而言，包括： 1）RGB → CMY； 转换公式 代码 效果 公式 代码 效果 公式 代码 效果 公式 代码 效果 公式 python代码 matlab代码 效果 公式 python代码 matlab代码 效果 公式 代码 效果 公式 代码 效果 公式 代码 效果 公式 代码 效果 代码 效果 爬取视频 颜色模式转换 效果 数字图像处理学习笔记（十六）——彩色图像处理_闭关修炼——暂退的博客-CSDN博客_强度分层技术 Python实现数字图像处理之5种彩色空间转换（单图+多图+视频）_闭关修炼——暂退的博客-CSDN博客 版权声明：本文为CSDN博主「闭关修炼——暂退」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
灰度级到彩色的转换
全彩色图像处理基础
彩色变换
彩色图像平滑
彩色图像尖锐化（拉普拉斯微分）
彩色分割（把一幅图像分成区域）
RGB彩色空间分割
三、python实现5种彩色空间的转换
2) CMY → RGB；
3) RGB → HSI；
4) HSI → RGB；
5) RGB → YIQ；
6) YIQ → RGB；
7) RGB → YUV；
8) YUV → RGB；
9) RGB → YCbCr；
10) YCbCr → RGB；
1 RGB → CMY
'''-----------------RGB → CMY------------------------'''
import cv2
import imutils
def rgb_cmy(img):
r, g, b = cv2.split(img) # split the channels
# normalization [0,1]
r = r / 255.0
g = g / 255.0
b = b / 255.0
c = 1 - r
m = 1 - g
y = 1 - b
result = cv2.merge((c, m, y)) # merge the channels
return result
if __name__ == '__main__':
img = cv2.imread("E:/1.PNG")
img_CMY = rgb_cmy(img)
img_NEW = img_CMY * 255
cv2.imwrite('F:/img_CMY.PNG', img_NEW)
cv2.imshow("CMY image", imutils.resize(img_CMY, 666))
cv2.imshow("original image", imutils.resize(img, 666))
cv2.waitKey(0)
cv2.destroyAllWindows()
2 CMY → RGB
'''-----------------CMY → RGB------------------------'''
import cv2
import imutils
def cmy_rgb(img):
c, m, y = cv2.split(img) # split the channels
# normalization[0,1]
c = c / 255.0
m = m / 255.0
y = y / 255.0
r = 1 - c
g = 1 - m
b = 1 - y
result = cv2.merge((r, g, b)) # merge the channels
print(result)
return result
if __name__ == '__main__':
img = cv2.imread("F:/img_CMY.PNG")
img_CMY = cmy_rgb(img)
cv2.imshow("RGB image", imutils.resize(img_CMY, 666))
cv2.imshow("original image", imutils.resize(img, 666))
cv2.waitKey(0)
cv2.destroyAllWindows()
3 RGB → HSI
'''-----------------RGB → HSI------------------------'''
import cv2
import math
import imutils
import numpy as np
def rgb_hsi(rgb_Img):
img_rows = int(rgb_Img.shape[0])
img_cols = int(rgb_Img.shape[1])
b, g, r = cv2.split(rgb_Img)
# normalization[0,1]
r = r / 255.0
g = g / 255.0
b = b / 255.0
hsi_Img = rgb_Img.copy()
H, S, I = cv2.split(hsi_Img)
for i in range(img_rows):
for j in range(img_cols):
num = 0.5 * ((r[i, j]-g[i, j])+(r[i, j]-b[i, j]))
den = np.sqrt((r[i, j]-g[i, j])**2+(r[i, j]-b[i, j])*(g[i, j]-b[i, j]))
theta = float(np.arccos(num/den))
if den == 0:
H = 0
elif b[i, j] <= g[i, j]:
H = theta
else:
H = math.pi - theta
min_RGB = min(min(b[i, j], g[i, j]), r[i, j])
sum = b[i, j]+g[i, j]+r[i, j]
if sum == 0:
S = 0
else:
S = 1 - 3*min_RGB/sum
H = H/(math.pi)
I = sum/3.0
# 输出HSI图像，扩充到255以方便显示，一般H分量在[0,2pi]之间，S和I在[0,1]之间
hsi_Img[i, j, 0] = H*255
hsi_Img[i, j, 1] = S*255
hsi_Img[i, j, 2] = I*255
return hsi_Img
if __name__ == '__main__':
rgb_Img = cv2.imread("E:/1.PNG")
hsi_Img = rgb_hsi(rgb_Img)
cv2.imwrite('F:/img_HSI.PNG', hsi_Img)
cv2.imshow('original image', imutils.resize(rgb_Img, 600))
cv2.imshow('HSI image', imutils.resize(hsi_Img, 600))
key = cv2.waitKey(0) & 0xFF
if key == ord('q'):
cv2.destroyAllWindows()
4 HSI → RGB
'''-----------------HSI → RGB------------------------'''
import cv2
import math
import imutils
def hsi_rgb(hsi_img):
img_rows = int(hsi_img.shape[0])
img_cols = int(hsi_img.shape[1])
H, S, I = cv2.split(hsi_img)
# normalization[0,1]
H = H / 255.0
S = S / 255.0
I = I / 255.0
bgr_img = hsi_img.copy()
B, G, R = cv2.split(bgr_img)
for i in range(img_rows):
for j in range(img_cols):
if S[i, j] < 1e-6:
R = I[i, j]
G = I[i, j]
B = I[i, j]
else:
H[i, j] *= 360
if H[i, j] > 0 and H[i, j] <= 120:
B = I[i, j] * (1 - S[i, j])
R = I[i, j] * (1 + (S[i, j] * math.cos(H[i, j] * math.pi / 180)) / math.cos((60 - H[i, j]) * math.pi / 180))
G = 3 * I[i, j] - (R + B)
elif H[i, j] > 120 and H[i, j] <= 240:
H[i, j] = H[i, j] - 120
R = I[i, j] * (1 - S[i, j])
G = I[i, j] * (1 + (S[i, j] * math.cos(H[i, j] * math.pi / 180)) / math.cos((60 - H[i, j]) * math.pi / 180))
B = 3 * I[i, j] - (R + G)
elif H[i, j] > 240 and H[i, j] <= 360:
H[i, j] = H[i, j] - 240
G = I[i, j] * (1 - S[i, j])
B = I[i, j] * (1 + (S[i, j] * math.cos(H[i, j] * math.pi / 180)) / math.cos((60 - H[i, j]) * math.pi / 180))
R = 3 * I[i, j] - (G + B)
bgr_img[i, j, 0] = B * 255
bgr_img[i, j, 1] = G * 255
bgr_img[i, j, 2] = R * 255
return bgr_img
if __name__ == '__main__':
hsi_Img = cv2.imread("F:/img_HSI.PNG")
rgb_Img = hsi_rgb(hsi_Img)
cv2.imshow('original image', imutils.resize(rgb_Img, 600))
cv2.imshow('RGB image', imutils.resize(hsi_Img, 600))
key = cv2.waitKey(0) & 0xFF
if key == ord('q'):
cv2.destroyAllWindows()
5 RGB → YIQ
'''-----------------RGB → YIQ------------------------'''
import cv2
import imutils
import numpy as np
def rgb_yiq(rgb_Img):
img_rows = int(rgb_Img.shape[0])
img_cols = int(rgb_Img.shape[1])
yiq_image = rgb_Img.copy()
R, G, B = cv2.split(yiq_image)
for x in range(img_rows):
for y in range(img_cols):
right_matrix = np.array([[R[x,y]],
[G[x,y]],
[B[x,y]]])
left_matrix = np.array([[0.299,0.587,0.114],
[0.596,-0.275,-0.321],
[0.212,-0.528,0.311]])
matrix = np.dot(left_matrix,right_matrix)
r = matrix[0][0]
g = matrix[1][0]
b = matrix[2][0]
yiq_image[x, y] = (r, g, b)
return yiq_image
if __name__ == '__main__':
rgb_Img = cv2.imread("E:/1.PNG")
yiq_Img = rgb_yiq(rgb_Img)
cv2.imshow('original image', imutils.resize(rgb_Img, 600))
cv2.imshow('YIQ image', imutils.resize(yiq_Img, 600))
cv2.imwrite('F:/img_YIQ1.PNG', yiq_Img)
key = cv2.waitKey(0) & 0xFF
if key == ord('q'):
cv2.destroyAllWindows()% 清变量，关闭窗口
clear;
close all;
% 文件读取
img=imread('E:/1.PNG'); %获得256*256*3数组
imshow(img);title('原始RGB图像');
rgb=im2double(img); %将原图像转换到[0,1]空间
% figure; %与原图像相同
% imshow(rgb);
r=rgb(:,:,1);
g=rgb(:,:,2);
b=rgb(:,:,3)
% rgb模型到yiq模型
y=0.299*r+0.587*g+0.114*b;
i=0.596*r-0.274*g-0.322*b;
q=0.211*r-0.523*g+0.312*b;
img_YIQ=cat(3,y,i,q);
figure;
imshow(img_YIQ);title('RGB2YIQ图像');
6 YIQ → RGB
'''-----------------YIQ → RGB------------------------'''
import cv2
import imutils
import numpy as np
def yiq_rgb(yiq_Img):
img_rows = int(yiq_Img.shape[0])
img_cols = int(yiq_Img.shape[1])
rgb_image = yiq_Img.copy()
Y, I, Q = cv2.split(rgb_image)
for x in range(img_rows):
for y in range(img_cols):
right_matrix = np.array([[Y[x,y]],
[I[x,y]],
[Q[x,y]]])
left_matrix = np.array([[1,0.956,0.620],
[1,-0.272,-0.647],
[1,-1.108,1.705]])
matrix = np.dot(left_matrix,right_matrix)
r = matrix[0][0]
g = matrix[1][0]
b = matrix[2][0]
rgb_image[x, y] = (r, g, b)
return rgb_image
if __name__ == '__main__':
yiq_Img = cv2.imread("F:/img_YIQ1.PNG")
rgb_Img = yiq_rgb(yiq_Img)
cv2.imshow('original image', imutils.resize(yiq_Img, 600))
cv2.imshow('RGB image', imutils.resize(rgb_Img, 600))
key = cv2.waitKey(0) & 0xFF
if key == ord('q'):
cv2.destroyAllWindows()% 清变量，关闭窗口
clear;
close all;
% 文件读取
img=imread('F:\img_YIQ.PNG'); %获得256*256*3数组
imshow(img);title('原始YIQ图像');
yiq=im2double(img); %将原图像转换到[0,1]空间
% figure; %与原图像相同
% imshow(rgb);
y=yiq(:,:,1);
i=yiq(:,:,2);
q=yiq(:,:,3)
% rgb模型到yiq模型
r=1*y+0.956*i+0.620*q;
g=1*y-0.272*i-0.674*q;
b=1*y-1.108*i+1.705*q;
img_YIQ=cat(3,r,g,b);
figure;
imshow(img_YIQ);title('YIQ2RGB图像');
7 RGB → YUV
'''-----------------RGB → YUV------------------------'''
import numpy as np
import cv2 as cv
import imutils
def rgb_yuv(rgb_img):
W = np.array([
[0.299, 0.587, 0.114],
[-0.148, -0.289, 0.437],
[0.615, -0.515, -0.100]
])
rgb_Img = rgb_img.copy()
rgb_Img = rgb_Img.astype(np.float)
h, w, c = rgb_Img.shape
for i in range(h):
for j in range(w):
rgb_Img[i, j] = np.dot(W, rgb_Img[i, j])
imc = rgb_Img.astype(np.uint8)
return imc
if __name__ == '__main__':
img_rgb = cv.imread('E:/1.PNG')
img_yuv1 = cv.cvtColor(img_rgb, cv.COLOR_RGB2YUV)
img_yuv2 = rgb_yuv(img_rgb)
cv.imwrite('F:/img_YUV.PNG', img_yuv1)
# cv.imwrite('F:/img_YUV_self.PNG', img_yuv2)
cv.imshow('original image', imutils.resize(img_rgb, 600))
cv.imshow('OpenCV_YUV image', imutils.resize(img_yuv1, 600))
cv.imshow('Self_YUV image', imutils.resize(img_yuv2, 600))
cv.waitKey(0)
8 YUV → RGB
'''-----------------YUV → RGB------------------------'''
import numpy as np
import cv2 as cv
import imutils
def yuv_rgb(yuv_img):
W = np.array([
[1, 0., 1.13983],
[1, -0.39465, -0.58060],
[1, 2.03211, 0.]
])
rgb_img = yuv_img.copy()
rgb_img = yuv_img.astype(np.float)
h, w, c = rgb_img.shape
for i in range(h):
for j in range(w):
rgb_img[i, j][0] -= 16 # Y
rgb_img[i, j][1] -= 128 # U
rgb_img[i, j][2] -= 128 # V
rgb_img[i, j] = np.matmul(W, rgb_img[i, j])
imc = rgb_img.astype(np.uint8)
return imc
if __name__ == '__main__':
img_rgb = cv.imread('F:/img_YUV.PNG')
img_yuv1 = yuv_rgb(img_rgb)
img_yuv2 = cv.cvtColor(img_rgb, cv.COLOR_YUV2RGB)
cv.imshow('original image', imutils.resize(img_rgb, 600))
cv.imshow('OpenCV_RGB image', imutils.resize(img_yuv2, 600))
cv.imshow('Self_RGB image', imutils.resize(img_yuv1, 600))
cv.waitKey(0)
9 RGB → YCbCr
'''-----------------RGB → YCbCr------------------------'''
import numpy as np
import cv2 as cv
import imutils
def rgb2ycbcr(rgb_image):
"""convert rgb into ycbcr"""
if len(rgb_image.shape)!=3 or rgb_image.shape[2]!=3:
raise ValueError("input image is not a rgb image")
rgb_image = rgb_image.astype(np.float32)
# 1：创建变换矩阵，和偏移量
transform_matrix = np.array([[0.257, 0.564, 0.098],
[-0.148, -0.291, 0.439],
[0.439, -0.368, -0.071]])
shift_matrix = np.array([16, 128, 128])
ycbcr_image = np.zeros(shape=rgb_image.shape)
w, h, _ = rgb_image.shape
# 2：遍历每个像素点的三个通道进行变换
for i in range(w):
for j in range(h):
ycbcr_image[i, j, :] = np.dot(transform_matrix, rgb_image[i, j, :]) + shift_matrix
return ycbcr_image
if __name__ == '__main__':
img_rgb = cv.imread('E:/1.PNG')
img_ycbcr = rgb2ycbcr(img_rgb)
img_NEW = img_ycbcr / 255
cv.imwrite('F:/img_YCbCr.PNG', img_ycbcr)
cv.imshow('original image', imutils.resize(img_rgb, 600))
cv.imshow('Self_YCbCr image', imutils.resize(img_NEW, 600))
cv.waitKey(0)
10 YCbCr → RGB
'''-----------------YCbCr → RGB------------------------'''
import numpy as np
import cv2 as cv
import imutils
def ycbcr2rgb(ycbcr_image):
"""convert ycbcr into rgb"""
if len(ycbcr_image.shape)!=3 or ycbcr_image.shape[2]!=3:
raise ValueError("input image is not a rgb image")
ycbcr_image = ycbcr_image.astype(np.float32)
transform_matrix = np.array([[0.257, 0.564, 0.098],
[-0.148, -0.291, 0.439],
[0.439, -0.368, -0.071]])
transform_matrix_inv = np.linalg.inv(transform_matrix)
shift_matrix = np.array([16, 128, 128])
rgb_image = np.zeros(shape=ycbcr_image.shape)
w, h, _ = ycbcr_image.shape
for i in range(w):
for j in range(h):
rgb_image[i, j, :] = np.dot(transform_matrix_inv, ycbcr_image[i, j, :]) - np.dot(transform_matrix_inv, shift_matrix)
return rgb_image.astype(np.uint8)
if __name__ == '__main__':
img_ycbcr = cv.imread('F:/img_YCbCr.PNG')
img_rgb = ycbcr2rgb(img_ycbcr)
img_NEW = img_rgb / 255
cv.imshow('original image', imutils.resize(img_ycbcr, 600))
cv.imshow('Self_RGB image', imutils.resize(img_NEW, 600))
cv.waitKey(0)
11 扩展1——多图处理
'''-----------------RGB → CMY------------------------'''
import cv2
import imutils
def rgb_cmy(img):
r, g, b = cv2.split(img) # split the channels
# normalization [0,1]
r = r / 255.0
g = g / 255.0
b = b / 255.0
c = 1 - r
m = 1 - g
y = 1 - b
result = cv2.merge((c, m, y)) # merge the channels
return result
if __name__ == '__main__':
for i in range(3):
img = cv2.imread("F:/{}.PNG".format(i))
img_CMY = rgb_cmy(img)
img_NEW = img_CMY * 255
cv2.imwrite('F:/img_CMY.PNG', img_NEW)
cv2.imshow("CMY image{}".format(i), imutils.resize(img_CMY, 666))
cv2.imshow("original image{}".format(i), imutils.resize(img, 666))
cv2.waitKey(0)
cv2.destroyAllWindows()12 扩展2——视频处理
import requests
import json
import re
def change_title(title):
# 替换非法字符
pattern = re.compile(r"[\/\\\:\*\?\"\<\>\|]")
new_title = re.sub(pattern, "_", title)
return new_title
# 示例爬取3页数据
for page in range(1, 4):
print('---------------正在爬取第{}页小姐姐视频-------------------'.format(page))
# 获取 URL 地址
url = 'https://v.6.cn/minivideo/getlist.php?act=recommend&page={}&pagesize=20'.format(page)
# headers 参数确定
headers = {
'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/80.0.3987.122 Safari/537.36'
}
# 模拟浏览器发送 URL 地址请求
response = requests.get(url, headers=headers)
# 去除 response 响应对象中的文本数据
response_data = response.text
# print(response_data)
# 转换数据类型
dict_data = json.loads(response_data) # 字典
# print(dict_data)
# 数据解析
data_list = dict_data['content']['list'] # 列表
# print(data_list)
# 遍历
for data in data_list:
# print(data)
video_title = data['title'] # 视频文件名
video_alias = data['alias'] # 视频作者名
video_playurl = data['playurl'] # 视频 url
# print('视频:', video_title, '作者:', video_alias, 'url地址:', video_playurl)
print('正在下载视频：', video_title)
new_title = change_title(video_title)
# 发送视频 URL 请求
video = requests.get(video_playurl, headers=headers).content
# 保存数据
with open(r'F:\Beautiful Girl Video\\' + new_title + '_' + video_alias + '.mp4', 'wb') as video_file:
video_file.write(video)
print('视频下载成功…… \n')
print('---------------第{}页小姐姐视频爬取完毕-------------------'.format(page))'''-----------------RGB → CMY------------------------'''
import cv2
def rgb_cmy(video):
while True:
ret, frame=video.read()
if not ret:
break
else:
r, g, b = cv2.split(frame) # split the channels
# normalization [0,1]
r = r / 255.0
g = g / 255.0
b = b / 255.0
c = 1 - r
m = 1 - g
y = 1 - b
result = cv2.merge((c, m, y)) # merge the channels
cv2.imshow('original video',frame)
cv2.imshow('CMY video',result)
cv2.waitKey(ret)
if __name__ == '__main__':
img = cv2.VideoCapture(r"F:\Beautiful Girl Video\video.mp4")
img_CMY = rgb_cmy(img)参考博客
原文链接：https://blog.csdn.net/IT_charge/article/details/106469458