【OpenCV 4开发详解】颜色模型与转换

通用模板

本文首发于“小白学视觉”微信公众号，欢迎关注公众号本文作者为小白，版权归人民邮电出版社发行所有，禁止转载，侵权必究！

经过几个月的努力，小白终于完成了市面上第一本OpenCV 4入门书籍《OpenCV 4开发详解》。为了更让小伙伴更早的了解最新版的OpenCV 4，小白与出版社沟通，提前在公众号上连载部分内容，请持续关注小白。

图像颜色空间

通过红绿蓝三种颜色不同比例的混合能够让图像展现出五彩斑斓的颜色，这种模型称为RGB颜色模型，RGB颜色模型是最常见的颜色模型之一，常用于表示和显示图像。为了能够表示三种颜色的混合，图像以多通道的形式分别存储某一种颜色的红色分量、绿色分量和蓝色分量。除了RGB颜色模型，图像的颜色模型还有YUV、HSV等模型，分别表示图像的亮度、色度、饱和度等分量。了解图像颜色空间对分割拥有颜色区分特征的图像具有重要的帮助，例如提取图像中的红色物体可以通过比较图像红色通道的像素值实现。

颜色模型与转换

本小节中将介绍几种OpenCV 4中能够互相转换的常见的颜色模型，例如RGB模型、HSV模型、Lab模型、YUV模型以及GRAY模型，并介绍这几种模型之间的数学转换关系，以及OpenCV 4中提供的这几种模型之间的变换函数。

RGB颜色模型

前面对于RGB颜色模型已经有所介绍，该模型的命名方式是采用三种颜色的英文首字母组成，分别是红色（Red）、绿色（Green）和蓝色（Blue）。虽然该颜色模型的命名方式是红色在前，但是在OpenCV中却是相反的顺序，第一个通道时蓝色（B）分量，第二个通道时绿色（G）分量，第三个通道时红色（R）分量。根据存储顺序的不同，OpenCV 4中提供了这种顺序的反序格式，用于存储第一个通道是红色分量的图像，但是这两种格式的图像的颜色空间是相同的，颜色空间如图3-1所示。三个通道对于颜色描述的范围是相同的，因此RGB颜色模型的空间构成是一个立方体。在RGB颜色模型中，所有的颜色都是由这三种颜色通过不同比例的混合得到，如果三种颜色分量都为0，则表示为黑色，如果三种颜色的分量相同且都为最大值，则表示为白色。每个通道都表示某一种颜色由0到1的过程，不同位数的图像表示将这个颜色变化过程细分成不同的层级，例如8U3C格式的图像每个通道将这个过程量化成256个等级，分别由0到255表示。在这个模型的基础上增加第四个通道即为RGBA模型，第四个通道表示颜色的透明度，当没有透明度需求的时候，RGBA模型就会退化成RGB模型。

图3-1 RGB颜色空间模型

YUV颜色模型

YUV模型是电视信号系统所采用的颜色编码方式。这三个变量分别表示是像素的亮度（Y）以及红色分量与亮度的信号差值（U）和蓝色与亮度的差值（V）。这种颜色模型主要用于视频和图像的传输，该模型的产生与电视机的发展历程密切相关。由于彩色电视机在黑白电视机发明之后才产生，因此用于彩色电视机的视频信号需要能够兼容黑白电视机。彩色电视机需要三个通道的数据才能显示彩色，而黑白电视机只需要一个通道的数据即可，因此为了使视频信号能够兼容彩色电视与黑白电视，将RGB编码方式转变成YUV的编码方式，其Y通道是图像的亮度，黑白电视只需要使用该通道就可以显示黑白视频图像，而彩色相机通过将YUV编码转成RGB编码方式，便可以在彩色电视种显示彩色图像，较好的解决了同一个视频信号兼容不同类型电视的问题。RGB模型与YUV模型之间的转换关系如式(3.1)所示，其中RGB取值范围均为0-255。

{Y=0.299R+0.587G+0.114BU=−0.147R−0.289G+0.436BV=0.615R−0.515G−0.100BR=Y+1.14VG=Y−0.39U−0.58VB=Y+2.03U(3.1)\left\{ \begin{array}{l} {\rm{Y = 0}}{\rm{.299R + 0}}{\rm{.587G + 0}}{\rm{.114B}}\\ {\rm{U = - 0}}{\rm{.147R - 0}}{\rm{.289G + 0}}{\rm{.436B}}\\ {\rm{V = 0}}{\rm{.615R - 0}}{\rm{.515G - 0}}{\rm{.100B}}\\ {\rm{R = Y + 1}}{\rm{.14V}}\\ {\rm{G = Y - 0}}{\rm{.39U - 0}}{\rm{.58V}}\\ {\rm{B = Y + 2}}{\rm{.03U}} \end{array} \right. \tag{3.1}⎩⎪⎪⎪⎪⎪⎪⎨⎪⎪⎪⎪⎪⎪⎧Y=0.299R+0.587G+0.114BU=−0.147R−0.289G+0.436BV=0.615R−0.515G−0.100BR=Y+1.14VG=Y−0.39U−0.58VB=Y+2.03U(3.1)

HSV颜色模型

HSV是色度（Hue）、饱和度（Saturation）和亮度（Value）的简写，通过名字也可以看出来该模型通过这三个特性对颜色进行描述。色度是色彩的基本属性，就是平时常说的颜色，例如红色，蓝色等；饱和度是指颜色的纯度，饱和度越高色彩越纯越艳，饱和度越低色彩则逐渐地变灰变暗，饱和度的取值范围是由0到100%；亮度是颜色的明亮程度，其取值范围由0到计算机中允许的最大值。由于色度、饱和度和亮度的取值范围不同，因此其颜色空间模型用锥形表示，其形状如图3-2所示。相比于RGB模型三个颜色分量与最终颜色联系不直观的缺点，HSV模型更加符合人类感知颜色的方式：颜色、深浅以及亮暗。

图3-2 HSV颜色空间模型

Lab颜色模型

Lab颜色模型弥补了RGB模型的不足，是一种设备无关的颜色模型，是一种基于生理特征的颜色模型。在模型中L表示亮度（Luminosity），a和b是两个颜色通道，两者的取值区间都是由-128到+127，其中a通道数值由小到大对应的颜色是从绿色变成红色，b通道数值由小到大对应的颜色是由蓝色变成黄色。其构成的颜色空间是一个球形，形式如图3-3所示。

图3-3 Lab颜色空间模型

GRAY颜色模型

GRAY模型并不是一个彩色模型，他是一个灰度图像的模型，其命名使用的是英文单词gray的全字母大写。灰度图像只有单通道，灰度值根据图像位数不同由0到最大依次表示由黑到白，例如8UC1格式中，由黑到白被量化成了256个等级，通过0-255表示，其中255表示白色。彩色图像具有颜色丰富、信息含量大的特性，但是灰度图在图像处理中依然具有一定的优势。例如，灰度图像具有相同尺寸相同压缩格式所占容量小，易于采集，便于传输等优点。常用的RGB模型转成灰度图的方式如式(3.2)中所示。

Gray=R∗0.3+G∗0.59+B∗0.11(3.2){\rm{Gray = R*0}}{\rm{.3 + G*0}}{\rm{.59 + B*0}}{\rm{.11}} \tag{3.2}Gray=R∗0.3+G∗0.59+B∗0.11(3.2)

不同颜色模型间的互相转换

针对图像不同颜色模型之间的相互转换，OpenCV 4提供了cvtColor()函数用于实现转换功能，该函数的函数原型在代码清单3-1中给出。

代码清单3-1 cvtColor()函数原型
1.  void cv::cvtColor(InputArray src,
2.                        OutputArray dst,
3.                        int code,
4.                        int dstCn = 0
5.                        )

src：待转换颜色模型的原始图像。
dst：转换颜色模型后的目标图像。
code：颜色空间转换的标志，如由RGB空间到HSV空间。常用标志及含义在表3-1中给出。
dstCn：目标图像中的通道数，如果参数为0，则从src和代码中自动导出通道数。

函数用于将图像从一个颜色模型转换为另一个颜色模型，前两个参数用于输入待转换图像和转换颜色空间后目标图像，第三个参数用于声明该函数具体的转换模型空间，常用的标志在表3-1中给出，读者可以自行查阅OpenCV 4的教程了解详细的标志。第四个参数在一般情况下不需要特殊设置，使用默认参数即可。需要注意的是该函数变换前后的图像取值范围，由于8位无符号图像的像素由0到255，16位无符号图像的像素由0-65535，而32位浮点图像的像素是由0到1，因此一定要注意目标图像的像素范围。在线性变换的情况下，范围问题不需要考虑，目标图像的像素不会超出范围。如果在非线性变换的情况下，应将输入RGB图像归一化到适当的范围以内获得正确的结果，例如将8位无符号图像转成32位浮点图像，需要先将图像像素通过除以255缩放到0到1范围内，以防止产生错误结果。

注意

如果转换过程中添加了alpha通道（RGB模型中第四个通道，表示透明度），则其值将设置为相应通道范围的最大值：CV_8U为255，CV_16U为65535，CV_32F为1

表3-1 cvtColor()函数颜色模型转换常用标志参数

标志参数	简记	作用
COLOR_BGR2BGRA	0	对RGB图像添加alpha通道
COLOR_BGR2RGB	4	彩色图像通道颜色顺序的更改
COLOR_BGR2GRAY	10	彩色图像转成灰度图像
COLOR_GRAY2BGR	8	灰度图像转成彩色图像（伪彩色）
COLOR_BGR2YUV	82	RGB颜色模型转成YUV颜色模型
COLOR_YUV2BGR	84	YUV颜色模型转成RGB颜色模型
COLOR_BGR2HSV	40	RGB颜色模型转成HSV颜色模型
COLOR_HSV2BGR	54	HSV颜色模型转成RGB颜色模型
COLOR_BGR2Lab	44	RGB颜色模型转成Lab颜色模型
COLOR_Lab2BGR	56	Lab颜色模型转成RGB颜色模型

为了直观的感受同一张图像在不同颜色空间中的样子，在代码清单3-2中给出了前面几种颜色模型互相转换的程序，运行结果如图3-4所示。需要说明的是Lab颜色模型具有负数，而通过imshow()函数显示的图像无法显示负数，因此在结果中给出了Image Watch插件显示图像在Lab模型中的样子。在程序中，我们为了防止转换后出现数值越界的情况，先将CV_8U类型转成CV_32F类型后再进行颜色模型的转换。

代码清单3-2 myCvColor.cpp图像颜色模型互相转换
1.  #include <opencv2\opencv.hpp>
2.  #include <iostream>
3.  #include <vector>
4.
5.  using namespace std;
6.  using namespace cv;
7.
8.  int main()
9.  {10.     Mat img = imread("lena.png");
11.     if (img.empty())
12.     {13.         cout << "请确认图像文件名称是否正确" << endl;
14.         return -1;
15.     }
16.     Mat gray, HSV, YUV, Lab, img32;
17.     img.convertTo(img32, CV_32F, 1.0 / 255);  //将CV_8U类型转换成CV_32F类型
18.     //img32.convertTo(img, CV_8U, 255);  //将CV_32F类型转换成CV_8U类型
19.     cvtColor(img32, HSV, COLOR_BGR2HSV);
20.     cvtColor(img32, YUV, COLOR_BGR2YUV);
21.     cvtColor(img32, Lab, COLOR_BGR2Lab);
22.     cvtColor(img32, gray, COLOR_BGR2GRAY);
23.     imshow("原图", img32);
24.     imshow("HSV", HSV);
25.     imshow("YUV", YUV);
26.     imshow("Lab", Lab);
27.     imshow("gray", gray);
28.     waitKey(0);
29.     return 0;
30. }

图3-4 RGB彩色图像向不同颜色模型转换结果

程序中我们利用了OpenCV 4中Mat类自带的数据类型转换函数convertTo()，在平时使用图像数据时也会经常遇到不同数据类型转换的问题，因此接下来将详细介绍该转换函数的使用方式，在代码清单3-3中给出了该函数的函数原型。

代码清单3-3 convertTo()函数原型
1.  void cv::Mat::convertTo(OutputArry m,
2.                               int rtype,
3.                               double alpha = 1,
4.                               double beta = 0
5.                               )

m：转换类型后输出的图像。
rtype：转换图像的数据类型。
alpha：转换过程中的缩放因子。
beta：转换过程中的偏置因子。

该函数用来实现将已有图像转换成指定数据类型的图像，第一个参数用于输出转换数据类型后的图像，第二个参数用于声明转换后图像的数据类型。第三个与第四个参数用于声明两个数据类型间的转换关系，具体转换形式如式(3.3)所示。

m(x,y)=saturate_cast<rtpye>(α(∗this)(x,y)+β)(3.3)m(x,y) = saturate\_cast < rtpye > (\alpha (*this)(x,y) + \beta ) \tag{3.3}m(x,y)=saturate_cast<rtpye>(α(∗this)(x,y)+β)(3.3)

通过转换公式可以知道该转换方式就是将原有数据进行线性转换，并按照指定的数据类型输出。根据其转换规则可以知道，该函数不仅能够实现不同数据类型之间的转换，还能实现在同一种数据类型中的线性变换。我们在代码清单3-2中给出了CV_8U类型和CV_32F类型之间互相转换的示例，其他类型之间的互相转换与此类似，这里不再赘述，读者可以自行探索，通过实践体会该函数的使用方法。

OpenCV 4开发详解

往期推荐
【OpenCV 4开发详解】Windows系统中安装OpenCV 4
【OpenCV 4开发详解】Ubuntu系统中安装OpenCV 4
【OpenCV 4开发详解】opencv_contrib扩展模块的安装
【OpenCV 4开发详解】Image Watch插件的使用
【OpenCV 4开发详解】安装过程中问题解决方案
【OpenCV 4开发详解】了解OpenCV的模块架构
【OpenCV 4开发详解】Mat类介绍
【OpenCV 4开发详解】Mat类构造与赋值
【OpenCV 4开发详解】4种读取Mat类元素的的方法
【OpenCV 4开发详解】图像的读取与显示
【OpenCV 4开发详解】视频加载与摄像头调用
【OpenCV 4开发详解】图像与视频的保存
【OpenCV 4开发详解】保存和读取XML和YMAL文件

经过几个月的努力，市面上第一本OpenCV 4入门书籍《OpenCV 4开发详解》将春节后由人民邮电出版社发行。如果小伙伴觉得内容有帮助，希望到时候多多支持！

关注小白的小伙伴可以提前看到书中的内容，我们创建了学习交流群，欢迎各位小伙伴添加小白微信加入交流群，添加小白时请备注“学习OpenCV 4”。

图像与图注

图2-8 程序中和保存后的四通道图像