基础要点

这里主要讲了图像色彩空间的处理和色彩空间的基础知识

什么是色彩空间

人们建立了多种的色彩模型，以一维、二维、三维甚至四维空间坐标来表示某一色彩，这种坐标系统所能定义的色彩范围即色彩空间

常见的色彩空间有哪些

常见的色彩空间有：RGB、HSV、HSI、YCrCb、YUV

RGB

HSV

称六角锥体模型，是根据颜色的直观特性创建的一种颜色空间，这个颜色空间是本节课讲解的一个重点。

HSI

是从人的视觉系统出发，用色调（ Hue ）、色饱和 度（ Saturation 或 Chroma ）和亮度（ Intensity 或 Brightness ）来描述颜色。 HSI 颜色空间可以用一个圆 锥空间模型来描述

YCrCb

主要用于优化彩色视频信号的传输，使其向后相容老式黑白电视，这个可以用来检测皮肤和检测人脸

YUV

是被欧洲电视系统所采用的一种颜色编码方法（属于PAL），是PAL和SECAM模拟彩色电视制式采用的颜色空间。

应用

标记图像中的特定颜色

一般对颜色空间的图像进行有效处理都是在HSV空间进行的，然后对于基本色中对应的HSV分量需要给定一个严格的范围，下面是网友通过实验计算的模糊范围（准确的范围在网上都没有给出）。

H: 0 — 180

S: 0 — 255

V: 0 — 255

以下是不同颜色的HSV最大最小的范围：

image.png

代码实现

import cv2 as cv
import numpy as np
def access_fixel(img):
    '''访问图像的所有元素'''
    print(img.shape)
    # 获取图像的高度 图像的高度为shape的第一个值（维度）
    height = img.shape[0]
    # 获取图像的宽度 图像的宽度为shape的第二个值（维度）
    weight = img.shape[1]
    # 获取图像的通道数量 图像的通道数量为shape的第三个值（维度）
    channels = img.shape[2]
    for row in range(height):
        for col in range(weight):
            for c in range(channels):
                pv = img[row,col,c]
                img[row,col,c]=255-pv
    cv.imshow("access_fixel ", img)
img = cv.imread("/Users/reon/Code/Python/OpenCv/durrells.jpg")
cv.namedWindow("input ")
cv.imshow("input ",img)
gray = cv.cvtColor(img,cv.COLOR_BGR2GRAY)
cv.imshow("gray ",gray)
hsv = cv.cvtColor(img,cv.COLOR_BGR2HSV)
cv.imshow("hsv ",hsv)
yuv = cv.cvtColor(img,cv.COLOR_BGR2YUV)
cv.imshow("yuv ",yuv)
luv = cv.cvtColor(img,cv.COLOR_BGR2LUV)
cv.imshow("luv",luv)
# 再hsv的基础上，将图片的黑色部分以白色显示，其他颜色以黑色显示
# h_min_hsv = np.array([0,0,0])
# h_max_hsv = np.array([180,255,46])
# 再hsv的基础上，将图片的红色部分以白色显示，其他颜色以黑色显示
h_min_hsv = np.array([0,43,46])
h_max_hsv = np.array([10,255,255])
# 颜色标注OpenCV 提供了一个方法，inRange()
# 该方法提供三个参数，
# 第一个参数是图像色彩空间即hsv值，
# 第二个参数是hsv的最小查找范围，
# 第三个参数是hsv的最大查找范围。

mask = cv.inRange(hsv,h_min_hsv,h_max_hsv)
cv.imshow("mask ",mask )
cv.waitKey(0)