OpenCV与图像处理学习二——图像基础知识（下）

OpenCV与图像处理学习二——图像基础知识（下）

• • 2.4 图像直方图（Image Histogram）
  • 2.5 颜色空间

本次学习笔记是对上次笔记的续写，一次写太多看起来也累。。
上次笔记的连接：OpenCV与图像处理学习一——图像基础知识（上）

2.4 图像直方图（Image Histogram）

用以表示数字图像中亮度分布的直方图，标绘了图像中每个亮度值的像素数。横坐标左侧为纯黑、较暗区域，右侧为纯白、较亮区域。

如下图所示，两幅图的右上角都绘制了它们各自的图像直方图：

意义：是图像中像素强度分布的图形表达方式。它统计了每个强度值所具有的像素个数。CV领域借助图像直方图来实现图像的二值化。

2.4.1 直方图的绘制

函数：

cv.calcHist( images, channels, mask, histSize, ranges[, hist[, accumulate]]	)

参数：

1. images：待统计图像，需用中括号括起来。
2. channels：待统计的通道。
3. mask：这里没用到，暂时不知道干啥的。
4. histSize：表示直方图分成多少份。
5. ranges：表示直方图中各个像素的值，灰度值范围。

先来看一下单通道的统计：

from matplotlib import pyplot as plt
import cv2
import numpy as np
img = cv2.imread('girl.jpg')
img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

plt.imshow(img_gray, cmap=plt.cm.gray)
hist = cv2.calcHist([img], [0], None, [256], [0, 256])

plt.figure()
plt.title("Grayscale Histogram")
plt.xlabel("Bins")
plt.ylabel("# of Pixels")
plt.plot(hist)
plt.xlim([0, 256])
plt.show()

这里只统计了第一个通道的直方图，结果如下所示：

2.4.2 三通道直方图绘制

看一下三个通道的例子：

from matplotlib import pyplot as plt
import cv2
girl = cv2.imread("girl.jpg")
cv2.imshow("girl", girl)
color = ("b", "g", "r")
#使用for循环遍历color列表，enumerate枚举返回索引和值
for i, color in enumerate(color):
    hist = cv2.calcHist([girl], [i], None, [256], [0, 256])
    plt.title("girl")
    plt.xlabel("Bins")
    plt.ylabel("num of perlex")
    plt.plot(hist, color = color)
    plt.xlim([0, 260])
plt.show()
cv2.waitKey(0)
cv2.destroyAllWindows()

看一下结果：

由此可见，三通道的彩色图里的像素值的分布是不一样的。

2.5 颜色空间

颜色空间也称彩色模型/彩色空间/彩色系统，用途是在某些标准下用通常可接受的方式对彩色加以说明。

常见的颜色空间有RGB、HSV、HSI以及CMYK，下面分别来看一下。

2.5.1 RGB颜色空间

主要用于计算机图形学中，依据人眼识别的颜色创建，图像中每一个像素都具有R、G、B三个颜色分量组成，均属于[0，255]。通常表示某个颜色时，写成一个3维向量形式（110,150,130）。

RGB颜色模型：

• 原点对应的颜色为黑色，三分量均为0。
• 距离原点最远的顶点对应颜色为白色，三分量均为1。
• 从黑色到白色的灰度值分布在这两点的连线上，该虚线称为灰度线。
• 立方体其余各点对应不同颜色，即三原色红、绿、蓝及其混合色黄、品红、青色。

2.5.2 HSV颜色空间（Hue、Saturation、Value）

根据颜色直观特性由A.R.Smith在1978年创建的一种颜色空间，参数分别是：色调（Hue）、饱和度（Saturation）、明度（ Value）。

HSV颜色模型：

• H通道：Hue，色调/色彩，代表颜色，0°对应红色，120°对应绿色，240°对应蓝色。
• S通道：Saturation，饱和度，取值范围：0%~100%，值越大，越饱和。
• V通道：Value，明暗，数值越大越亮，0%（黑）到100%（白）。

RGB空间与HSV空间转化：

import cv2
# 色彩空间转换函数
def color_space_demo(image):
    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
    cv2.imshow('gray', gray)
    hsv = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)
    # print(hsv)
    cv2.imshow('hsv', hsv)
# 读入一张彩色图
src = cv2.imread('girl.jpg')
cv2.imshow('before', src)
# 调用color_space_demo函数进行色彩空间转化
color_space_demo(src)
cv2.waitKey(0)
cv2.destroyAllWindows()

结果如下所示：

2.5.3 HSI

由美国色彩学家孟塞尔于1915年提出，它反映了人视觉系统感知彩色的方式，以色调、饱和度和强度三种基本特征量来感知颜色，即把HSV中的明度换成了强度I。

HSI颜色模型：

模型优点：

• 在处理彩色图像时，可仅对I分量进行处理，结果不改变原图像中的彩色种类。
• HSI模型完全反映了人感知颜色的基本属性，与人感知颜色的基本属性，与人感知颜色的结果一一对应。

2.5.4 CMYK（Cyan、Magenta、Yellow、black）

应用于印刷工业，印刷业通过青（C）、品（M）、黄（Y）三原色油墨的不同网点面积率的叠印来表现丰富多彩的颜色和阶调，这便是三原色的CMY颜色空间。

本文地址：https://blog.csdn.net/qq_40467656/article/details/109009718