OpenCV中的顏色空間實例分析

這篇文章主要講解了“OpenCV中的顏色空間實例分析”，文中的講解內容簡單清晰，易于學習與理解，下面請大家跟著小編的思路慢慢深入，一起來研究和學習“OpenCV中的顏色空間實例分析”吧！

1 不同的色彩空間

在本節中，我們將介紹計算機視覺中使用的一些重要的色彩空間。我們不會描述它們背后的理論，我們只需要知道如何使用。

OpenCV顏色空間轉換很簡單，imread函數讀取圖像以BGR格式加載，cvtColor函數在不同的顏色空間之間進行轉換。

下圖是不同的照明下的立方體圖像。第一張圖像是在陽光明媚的室外條件下拍攝的，而第二張圖像是在室內光線條件正常的情況下拍攝的。

1.1RGB顏色空間

RGB顏色空間具有以下屬性： 1. 它是一種加色空間，其中顏色通過紅色R，綠色G和藍色B的線性組合獲得。1. 物體光照會影響該顏色空間各個通道值，三個顏色通道是具有相關性的。 讓我們將上面圖像分成R，G和B分量并觀察它們以更深入地了解色彩空間。

從下圖可以看到如果你看藍色通道，可以看到在室內光照條件下第二張圖像中的魔方藍色和白色部分看起來相似，但第一張圖像有明顯差異。這種不均勻性使得在該顏色空間中基于顏色的分割非常困難。此外，兩個圖像的值之間存在總體差異。因此RGB顏色空間存在顏色值分布不均勻以及色度和亮度混合在一起的問題。

1.2 Lab色彩空間

類似RGB空間，Lab也有三個圖像通道。

• L：亮度通道，表亮度。

• a：顏色通道a，表示從綠色到洋紅色的顏色。

• b：顏色通道b，表示從藍色到黃色的顏色。

Lab顏色空間與RGB顏色空間完全不同。在RGB顏色空間中，顏色信息被分成三個通道，但是相同的三個通道也包含亮度信息。另一方面，在Lab顏色空間中，L通道獨立于顏色信息并僅只含亮度信息。另外兩個通道編碼顏色。

Lab顏色空間還具有以下特性： 1. 感知上均勻的色彩空間近似于我們如何感知色彩。1. 獨立于設備（捕獲或顯示）。1. 廣泛用于Adobe Photoshop。1. 通過復數變換方程與RGB顏色空間相關。 OpenCV中讀取圖像，轉換為Lab空間圖像結果如下圖所示：

• 從圖中可以清楚地看出，光照的變化主要影響l分量。1. 包含顏色信息的a和b分量，在光照的變化下沒有經歷大的變化。1. 綠色，橙色和紅色（它們是a通道的主要顏色）的相應值在b通道中沒有變化，同樣地，藍色和黃色（它們是b通道的主要顏色）在a通道中沒有變化。 ##

1.3  YCrCb顏色空間

YCrCb顏色空間源自RGB顏色空間，并具有以下三個成分。

• 通道Y：伽馬校正后從RGB獲得的亮度或亮度分量。

• 通道Cr：Cr=R-Y（紅色成分與亮度成分Y的距離）。

• 通道Cb：Cb=B-Y（藍色成分與亮度成分Y的距離）。

此顏色空間具有以下屬性。 1. 將亮度和色度分量分成不同的通道。1. 主要用于電視傳輸的壓縮（Cr和Cb組件）。1. 取決于設備。 YCrCb顏色空間中分成其通道的兩個圖像如下所示：

對于照度變化，可以針對強度和顏色分量對LAB進行類似的觀察。與LAB相比，室外圖像中紅色和橙色之間的感知差異較小。白色在所有3個組件中發生了變化。

1.4 HSV顏色空間

HSV顏色空間具有以下三個成分：

H色調，S飽和度，V明度。

HSV最大的特點是它只使用一個通道來描述顏色（H），這使得指定顏色變得非常直觀。但是HSV色彩取決于設備。

兩個圖像的H，S和V分量如下所示。

從下圖可以看到

H分量在兩個圖像中非常相似，這表明即使在光照變化下顏色信息也是完整的。

兩個圖像中的S分量也非常相似。

V分量表示亮度，因此它會因照明變化而發生變化。

紅色室外和室內圖像的值之間存在巨大差異。這是因為H值是以角度表示紅色表示起始角度。因此它可能會取角度 [300,360]和[0,60]之間的值。

2 如何使用這些顏色空間進行分割

現在我們已經了解了不同的顏色空間，讓我們首先嘗試使用它們來檢測魔方中的綠色。

2.1 獲取特定顏色的顏色值

找到每個顏色空間的綠色值的近似范圍。通過獲取每個像素的所有顏色空間的值，如下所示：

2.2 應用分段閾值

只是應用inRange函數選擇合適的閾值分割圖像而已。在實際中，通過顏色分割圖像一般效果很差。建議不要使用，了解下就行了。

感謝各位的閱讀，以上就是“OpenCV中的顏色空間實例分析”的內容了，經過本文的學習后，相信大家對OpenCV中的顏色空間實例分析這一問題有了更深刻的體會，具體使用情況還需要大家實踐驗證。這里是億速云，小編將為大家推送更多相關知識點的文章，歡迎關注！