python如何實現RGB與YCBCR顏色空間轉換

小編給大家分享一下python如何實現RGB與YCBCR顏色空間轉換，相信大部分人都還不怎么了解，因此分享這篇文章給大家參考一下，希望大家閱讀完這篇文章后大有收獲，下面讓我們一起去了解一下吧！

1、灰度值和亮度的關系

人類能夠從灰度圖像中獲取理解場景需要的大部分信息，所以看黑白電視機并不會嚴重影響人對視頻中場景的理解。圖像的亮度和像素值成正比，如果需要增加圖像的亮度，比如從黑色逐漸過渡到白色，就可以對單通道的灰度圖像素值進行增加來實現。保存灰度圖像的每個像素值一般采用8個bit，像素值的范圍為0-255。

下面的例子展示了灰度圖像的像素值增加時亮度的變化過程，假設圖像初始像素值為0：

上面顯示了lena圖像像素值增加時膚色的變化。代碼的實現比較簡單，讀取圖片，然后不斷的對圖像的每個像素值增加偏移量：

import numpy as np
import matplotlib.pyplot as plt
import imageio
image = imageio.imread("lena.jpg")
# 設置每次循環像素的增加量
shift = 6*np.ones(shape=(64, 64))
plt.figure()

for i in range(1, 17):
    plt.subplot(4, 4, i)
    plt.imshow(image/255, cmap="gray", vmin=0, vmax=1)
    plt.axis("off")
    image = image + shift

2、RGB顏色空間與顏色控制

RGB模型在硬件設備中被廣泛的使用，通過R（紅色）、G（綠色）、B（藍色）三者進行疊加可以形成更多的顏色。RGB顏色空間和后面將要進行介紹的YCbCr顏色空間和HSV顏色空間存在線性的變換關系，所以只要擁有RGB圖像就能得到其它顏色空間的圖像。

一幅圖像中R、G、B分別作為三個通道，如果某兩個通道的值為0，圖像的顏色就會被不為零的那個通道控制。

比如：

實現上面的效果需要三個步驟：

• （1）創建一幅3通道的空圖像

• （2）給3通道空圖像的R通道添加一幅單通道圖像

• （3）給3通道圖像的R通道像素值不斷增加偏移量

# 1：創建一幅3通道的空圖像
= np.zeros(shape=(64, 64, 3))
r = imageio.imread("lena.jpg")/2
# 2：給3通道空圖像的R通道添加一幅單通道圖像
image[:, :, 0] = image[:, :, 0] + r
shift = 4*np.ones(shape=(64, 64))
plt.figure()

for i in range(1, 17):
    plt.subplot(4, 4, i)
    plt.imshow(image/255, vmin=0, vmax=1)
    plt.axis("off")
    # （3）給3通道圖像的R通道像素值不斷增加偏移量
    image[:, :, 0] = image[:, :, 0] + shift

但是，由于最終圖像呈現出的顏色是三R\G\B三者的疊加，而現實中不僅僅是其中之一的顏色，所以很難控制最終圖像的顏色，所以我們需要其它的顏色空間。

3、YCbCr顏色空間及與RGB的變換關系

YCbCr顏色空間中的Y是亮度通道，Cb是藍色分量，Cr是紅色分量。它在電視系統中比較常用，比如早期的黑白電視機使用彩色電視信號線，就可以單獨使用亮度值；這種功能RGB顏色空間就做不到，因為我們不能僅僅使用RGB中某個通道作為亮度信號來使用。

由于YCbCr經常和YUV顏色空間比較相似，所以二者容易被認為是從屬或者等價關系，按照維基百科的說法：YUV 是模擬信號，而YCbCr是數字信號。

YCbCr和RGB存在線性的變換關系，本文介紹的變換矩陣來自ITU.BT-601，所規定的變換矩陣Trans形式如下：

實現rgb2ycbcr（）函數只需要兩個步驟：（1）創建變換矩陣Trans；（2）遍歷圖像每個像素點，并對三個通道分別進行矩陣計算。

下面的代碼展示了如何實現從RGB空間到YCBCR變換：

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：創建變換矩陣，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：遍歷每個像素點的三個通道進行變換
    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

如果想要求逆變換，只需要根據矩陣求逆法則進行就可以了，需要注意的是：逆變換時偏移矩陣也需要左乘變換矩陣Trans的逆！逆變換只需要將rgb2ycbcr中的transform_matrix求逆即可，再次強調：shift_matrix也需要乘以transform_matrix的逆，而不是直接減去shift_matrix！

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)

所需要的包以及繪圖代碼如下，繪圖用到的就是上面定義的兩個函數。首先將rgb轉為ycbcr，在從ycbcr轉為rgb：

import numpy as np
import imageio
import matplotlib.pyplot as plt
rgb_image = imageio.imread("lena.jpg")
ycbcr_image = rgb2ycbcr(rgb_image)
cycle_image = ycbcr2rgb(ycbcr_image)
images = [rgb_image, ycbcr_image, cycle_image]
titles = ["orignal", "ycbcr", "cycle"]
for i in range(1, len(images)+1):
    plt.subplot(1, 3, i)
    plt.title(titles[i-1])
    plt.imshow(images[i-1]/255)

下圖中左邊是原始的rgb圖像，中間是轉換得到的ycbcr空間圖像，右邊是再次轉回rgb空間的圖像：

最后，對比了opencv提供的標準庫的轉換效果：

import cv2
rgb_image = imageio.imread("lena.jpg")
ycrcb_image = cv2.cvtColor(rgb_image, cv2.COLOR_RGB2YCR_CB)
cycle_image = cv2.cvtColor(ycbcr_image, cv2.COLOR_YCR_CB2RGB)
images = [rgb_image, ycrcb_image, cycle_image]
titles = ["orignal", "ycrcb", "cycle"]
for i in range(1, len(images)+1):
    plt.subplot(1, 3, i)
    plt.title(titles[i-1])
    plt.imshow(images[i-1]/255)

opencv得到的結果如下：

原始rgb效果和cycle（重構）效果很接近，而中間結果不一致是因為opencv采用的是“ycrcb”，而不是“ycbcr”。

以上是“python如何實現RGB與YCBCR顏色空間轉換”這篇文章的所有內容，感謝各位的閱讀！相信大家都有了一定的了解，希望分享的內容對大家有所幫助，如果還想學習更多知識，歡迎關注億速云行業資訊頻道！