opencv之Rgb图像转化到HSV、Lab空间，对各通道的操作
一：色彩模式:
1、颜色模式HSV:色象 饱和度 明度,是基于视觉反映的颜色H.色象:360度,从0开始,表示纯红色,360度也表示纯红色 ,黑白无色象.
S.饱和度:100%表示色彩纯度为满
V.明度:表示明暗,100%表示很亮,为0时表示黑色
2、颜色模式RGB:红 绿 蓝,是基于光色的颜色,也为加色模式,即两这重合变亮
R.红色:Red,0~255阶,一共256阶色G.绿色:Green,0~255阶,一共256阶色
B:.蓝色,Blue,0~255阶,一共256阶色
三者放到一起表示一种颜色:如R:255 G:0 B:0表示红色;R:0 G:255 B:0表示绿色特殊:R G B:255 255 255表示白色;R G B:0 0 0表示黑色
两个分量的变化都是从-128到127;当a=0、b=0时显示灰色,同时L=100时为百色,L=0时为黑色;如果一定要用Lab模式来表达颜色，那么R色值为：L=54、a=81、b=70；G色值为：L=88、a=-79、b=81；B色值为：L=29、a=68、b=-112；C色值为：L=62、a=-31、b=-64；M色值为：L=48、a=83、b=-3；Y色值为：L=94、a=-14、b=100。
大致上说：在表达色彩范围上，最全的是Lab模式，其次是RGB模式，最窄的是CMYK模式。也就是说Lab模式所定义的色彩最多，且与光线及设备无关，并且处理速度与RGB模式同样快，比CMYK模式快数倍。因此，您可放心大胆的在图像编辑中使用Lab模式，而且，Lab模式保证在转换成CMYK模式时色彩最少丢失或被替代。因此，从理论上讲最佳避免色彩损失的方法是：应用Lab模式编辑图像，再转换CMYK模式打印。
至于从RGB转化到hsv或者lab直接调用cvtColor就行。
二：对各通道的操作
通过搜索找到以下几种方法：
1.、at方法
使用at模板函数能访问某行某列的像素
例如：
Mat::.at<cv::Vec3b>(j,i)
访问其各个通道：
Mat::at<cv::Vec3b>(j,i)[0] b通道
Mat::at<cv::Vec3b>(j,i)[1] g通道
Mat::at<cv::Vec3b>(j,i)[2] r通道
2.ptr方法
使用ptr模板可以得到行数据的头指针
uchar * data=iMat::.ptr<uchar>(j);//得到j行指针(储存行数据的地址)
访问第i个像素各个通道：
本质是根据指针移步实现，根据图像结构来移步
data[i*img1.nchanles+0]
data[i*img1.nchanles+1]
data[i*img1.nchanles+2]
3.iterator方法（迭代器）
迭代器方法，类似一维数组的模式，利用迭代器操作，方便操作像素
cv::Mat_<cv::Vec3b>::iterator it=img1.begin<cv::Vec3b>();cv::Mat_<cv::Vec3b>::iterator it_end=img1.end<cv::Vec3b>();
访问像素：
(*it)[0] b通道
(*it)[1] g通道
(*it)[2] r通道
it++
如果图像为单通道 src.at<uchar>(j,i)
如果图像为三通道 src.at<Vec3b>(j,i)[channel]
注意：
mage.at<uchar>(x,y)
image.at<uchar>(point)这两者的区别
打断一下：
数据的存储，这一直就是一个值得关注的问题，Mat_<uchar>对应的是CV_8U，Mat_<uchar>对应的是CV_8U，Mat_<char>对应的是CV_8S，Mat_<int>对应的是CV_32S，Mat_<float>对应的是CV_32F，Mat_<double>对应的是CV_64F。
在这里用的是at方法，代码如下：
// 1.cpp : 定义控制台应用程序的入口点。
//
#include "stdafx.h"
#include"opencv243.h"
#include"stdlib.h"
using namespace std;
using namespace cv;
int _tmain(int argc, _TCHAR* argv[])
{
//...取图像中像素第二通道g大于128，全部置成红色.......//
Mat img=imread("C:\\Users\\sony\\Desktop\\Airplane.jpg",1);
Mat dst_hsv,dst_hsl;
for(int j=0;j<img.rows;j++)
{
for(int i=0;i<img.cols;i++)
{
if(img.at<Vec3b>(j,i)[2]>128)
{
img.at<Vec3b>(j,i)=Vec3b(0,0,255);
}
}
}
imshow("k",img);
//.....在图像的正中间画一个实心圆........//
Mat m(400,400,CV_8UC3,Scalar(255,255,255));
Mat_<Vec3b> m1=m;
// m2 是 Mat_<Vec3b> 类型的, 因为 m 中元素的类型是 CV_8UC3, 可以用 Vec3b 存储 3 个通道的值
// 注意 Mat_<CV_8UC3> 这种写法是错误的, 因为 CV_8UC3 只是一个宏定义
for(int j=0;j<m.rows;j++)
{
for(int i=0;i<m.cols;i++)
{
if(pow(double(i-200),2)+pow(double(j-200),2)-20000.0<0.0000000000001)
m1(j,i)=Vec3b(0,0,255);
}
}
imshow("1",m1);
waitKey(0);
return 0;
}