OpenCV实现RGB颜色空间和HSI颜色空间的相互转换
核心的转换公式:
RGB-->HSI
截图来自中科院刘定生老师的《数字图像处理与分析》课件。
HSI-->RGB
具体的数学公式参照冈萨雷斯版《数字图像处理(第三版)》432-434页,中译版的260-261页。
下面贴代码:
1 #include "opencv_libs.h" 2 #include <highgui.h> 3 #include <cv.h> 4 #include <math.h> 5 6 /* 7 * 描述:实现RGB颜色模型到HSI颜色模型之间的相互转换 8 * 作者:qdsclove(qdsclove@gmail.com) 9 * 时间:16:01 4/17 星期三 2013 10 */ 11 12 // 将HSI颜色空间的三个分量组合起来,便于显示 13 IplImage* catHSImage(CvMat* HSI_H, CvMat* HSI_S, CvMat* HSI_I) 14 { 15 IplImage* HSI_Image = cvCreateImage( cvGetSize( HSI_H ), IPL_DEPTH_8U, 3 ); 16 17 for(int i = 0; i < HSI_Image->height; i++) 18 { 19 for(int j = 0; j < HSI_Image->width; j++) 20 { 21 double d = cvmGet( HSI_H, i, j ); 22 int b = (int)(d * 255/360); 23 d = cvmGet( HSI_S, i, j ); 24 int g = (int)( d * 255 ); 25 d = cvmGet( HSI_I, i, j ); 26 int r = (int)( d * 255 ); 27 28 cvSet2D( HSI_Image, i, j, cvScalar( b, g, r ) ); 29 } 30 } 31 32 return HSI_Image; 33 } 34 35 // 将HSI颜色模型的数据转换为RGB颜色模型的图像 36 IplImage* HSI2RGBImage(CvMat* HSI_H, CvMat* HSI_S, CvMat* HSI_I) 37 { 38 IplImage * RGB_Image = cvCreateImage(cvGetSize(HSI_H), IPL_DEPTH_8U, 3 ); 39 40 int iB, iG, iR; 41 for(int i = 0; i < RGB_Image->height; i++) 42 { 43 for(int j = 0; j < RGB_Image->width; j++) 44 { 45 // 该点的色度H 46 double dH = cvmGet( HSI_H, i, j ); 47 // 该点的色饱和度S 48 double dS = cvmGet( HSI_S, i, j ); 49 // 该点的亮度 50 double dI = cvmGet( HSI_I, i, j ); 51 52 double dTempB, dTempG, dTempR; 53 // RG扇区 54 if(dH < 120 && dH >= 0) 55 { 56 // 将H转为弧度表示 57 dH = dH * 3.1415926 / 180; 58 dTempB = dI * (1 - dS); 59 dTempR = dI * ( 1 + (dS * cos(dH))/cos(3.1415926/3 - dH) ); 60 dTempG = (3 * dI - (dTempR + dTempB)); 61 } 62 // GB扇区 63 else if(dH < 240 && dH >= 120) 64 { 65 dH -= 120; 66 67 // 将H转为弧度表示 68 dH = dH * 3.1415926 / 180; 69 70 dTempR = dI * (1 - dS); 71 dTempG = dI * (1 + dS * cos(dH)/cos(3.1415926/3 - dH)); 72 dTempB = (3 * dI - (dTempR + dTempG)); 73 } 74 // BR扇区 75 else 76 { 77 dH -= 240; 78 79 // 将H转为弧度表示 80 dH = dH * 3.1415926 / 180; 81 82 dTempG = dI * (1 - dS); 83 dTempB = dI * (1 + (dS * cos(dH))/cos(3.1415926/3 - dH)); 84 dTempR = (3* dI - (dTempG + dTempB)); 85 } 86 87 iB = dTempB * 255; 88 iG = dTempG * 255; 89 iR = dTempR * 255; 90 91 cvSet2D( RGB_Image, i, j, cvScalar( iB, iG, iR ) ); 92 } 93 } 94 95 return RGB_Image; 96 } 97 98 99 int main() 100 { 101 IplImage* img = cvLoadImage("lena.bmp"); 102 103 // 三个HSI空间数据矩阵 104 CvMat* HSI_H = cvCreateMat( img->height, img->width, CV_32FC1 ); 105 CvMat* HSI_S = cvCreateMat( img->height, img->width, CV_32FC1 ); 106 CvMat* HSI_I = cvCreateMat( img->height, img->width, CV_32FC1 ); 107 108 // 原始图像数据指针, HSI矩阵数据指针 109 uchar* data; 110 111 // rgb分量 112 byte img_r, img_g, img_b; 113 byte min_rgb; // rgb分量中的最小值 114 // HSI分量 115 float fHue, fSaturation, fIntensity; 116 117 for(int i = 0; i < img->height; i++) 118 { 119 for(int j = 0; j < img->width; j++) 120 { 121 data = cvPtr2D(img, i, j, 0); 122 img_b = *data; 123 data++; 124 img_g = *data; 125 data++; 126 img_r = *data; 127 128 // Intensity分量[0, 1] 129 fIntensity = (float)((img_b + img_g + img_r)/3)/255; 130 131 // 得到RGB分量中的最小值 132 float fTemp = img_r < img_g ? img_r : img_g; 133 min_rgb = fTemp < img_b ? fTemp : img_b; 134 // Saturation分量[0, 1] 135 fSaturation = 1 - (float)(3 * min_rgb)/(img_r + img_g + img_b); 136 137 // 计算theta角 138 float numerator = (img_r - img_g + img_r - img_b ) / 2; 139 float denominator = sqrt( 140 pow( (img_r - img_g), 2 ) + (img_r - img_b)*(img_g - img_b) ); 141 142 // 计算Hue分量 143 if(denominator != 0) 144 { 145 float theta = acos( numerator/denominator) * 180/3.14; 146 147 if(img_b <= img_g) 148 { 149 fHue = theta ; 150 } 151 else 152 { 153 fHue = 360 - theta; 154 } 155 } 156 else 157 { 158 fHue = 0; 159 } 160 161 // 赋值 162 cvmSet( HSI_H, i, j, fHue ); 163 cvmSet( HSI_S, i, j, fSaturation); 164 cvmSet( HSI_I, i, j, fIntensity ); 165 } 166 } 167 168 IplImage* HSI_Image = catHSImage( HSI_H, HSI_S, HSI_I ); 169 IplImage* RGB_Image = HSI2RGBImage( HSI_H, HSI_S, HSI_I ); 170 171 cvShowImage("img", img); 172 cvShowImage("HSI Color Model", HSI_Image); 173 cvShowImage("RGB Color Model", RGB_Image); 174 175 cvWaitKey(0); 176 177 cvReleaseImage( &img ); 178 cvReleaseImage( &HSI_Image ); 179 cvReleaseImage( &RGB_Image ); 180 cvReleaseMat( &HSI_H); 181 cvReleaseMat( &HSI_S); 182 cvReleaseMat( &HSI_I); 183 184 cvDestroyAllWindows(); 185 186 return 0; 187 }另一种方法:对彩色图像处理的时候,一般都是基于颜色空间来做的,比如要检测一片连续的蓝色,就可以基于颜色空间来实现分割。大家首先想到的是RGB,但是这里有个问题。RGB关联太大,每个通道都编入了亮度信息,容易受周围环境的处理,比如说光照不足。而HSI空间就不会。HSI空间是从人的视觉系统出发用色调(Hue), 色饱和度(Situration)和亮度(Intensity)来描述颜色,一旦用HSI空间就可以从色调通道中分离出蓝色色调,蓝色色调差不多在220左右。
// HSI.cpp : RGB TO HSI并显示出来
//
#include <stdio.h>
#include <math.h>
#include <cv.h>
#include <highgui.h>
#include <cxcore.h>
#include <cvaux.h>int min(int a, int b, int c);int main(int argc, char ** argv)
{IplImage * Img = cvLoadImage(argv[1], 1);IplImage * HImg = cvCreateImage(cvGetSize(Img), IPL_DEPTH_8U, 1);IplImage * SImg = cvCreateImage(cvGetSize(Img), IPL_DEPTH_8U, 1);IplImage * IImg = cvCreateImage(cvGetSize(Img), IPL_DEPTH_8U, 1); if( Rgb2Hsi(Img, HImg, SImg, IImg) == 0){printf("Convert Error!\n");exit(-1);}//高斯滤波先,以平滑图像
cvSmooth(SImg, SImg, CV_GAUSSIAN, 3, 0, 0, 0);
// cvThreshold(SImg, SImg, 100, 255, CV_THRESH_BINARY);IplImage *pImgCanny = cvCreateImage(cvGetSize(SImg), IPL_DEPTH_8U, 1);cvCanny(SImg, pImgCanny, 50, 150, 3);cvNamedWindow("Img", 1); cvNamedWindow("HImg", 1);cvNamedWindow("SImg", 1);cvNamedWindow("IImg", 1);cvShowImage("Img", Img);cvShowImage("HImg", HImg);cvShowImage("SImg", SImg);cvShowImage("IImg", IImg);cvWaitKey(0);return 0;
}int Rgb2Hsi(const IplImage* src, IplImage* dataH, IplImage* dataS, IplImage* dataI)
{//返回0:成功,1:失败
//输入为彩色图像src, 输出dataH,dataS,dataI,分别为HSI模型的H、S、I分量
int y,x,offsetSrc,offsetHsi;int step,channels,step1;int r,g,b,minRgb;double cosThita,num,den,S,H;uchar *dataImg;uchar *dataS1;uchar *dataI1;uchar *dataH1;channels = src->nChannels;dataImg = (uchar *)src->imageData;dataI1 = (uchar *)dataI->imageData;dataH1=(uchar *)dataH->imageData;dataS1=(uchar *)dataS->imageData;if (channels!=3){printf("The input image is not 3-channels!\n");return 0;}step=src->widthStep;step1=dataI->widthStep;for (y=0; y<src->height; y++)for (x=0; x<src->width; x++){offsetSrc = y*step + x*channels;offsetHsi=y*step1+x;b = dataImg[offsetSrc]; g=dataImg[offsetSrc+1]; r=dataImg[offsetSrc+2];dataI1[offsetHsi] = (int)((r+g+b)/3+0.5);num=(2*r-g-b)/2;den=sqrt((r-g)*(r-g)+(r-b)*(g-b));if (den==0)den=0.01;cosThita=acos(num/den);minRgb = min(r, g, b);den=r+g+b;if (den==0)den=0.01;S=1-3*minRgb/den;dataS1[offsetHsi]=(int) (S*255+0.5);//将S分量和H分量都扩充到[0,255]区间以便于显示
//一般H分量在[0,2pi]之间,S在[0,1]之间
if (b<=g)H=cosThita/(2*3.14);elseH=(2*3.14-cosThita)/(2*3.14);dataH1[offsetHsi] = (int)(H*255+0.5);if (S==0)dataH1[offsetHsi]=0;}return 1;}int min(int a, int b, int c)
{int m = a;if(m > b)m = b;if( m > c)m = c;return m;
}
OpenCV实现RGB颜色空间和HSI颜色空间的相互转换相关推荐
- matlab hsi颜色,RGB 颜色空间转 HSI 颜色空间的matlab程序实现
RGB 颜色空间转 HSI 颜色空间的matlab程序实现 程序实现的时候注意把RGB像素值归一化就是了,然后千千万万要根据公式来,不能大意,我之前就有theta为复数的情况,是sqrt对负数进行运算 ...
- MATLAB 将RGB颜色空间转为HSI颜色空间、LAB颜色空间 原理及程序
一张彩色图像是由R.G.B三个通道组成,所以首先需要将彩色图像分为三个通道的图像. 以下是对猫图进行单通道提取得到的图像. HSI颜色空间 HSI[Hue-Saturation-Intensity(L ...
- HSI颜色空间及其应用
from:http://nkwavelet.blog.163.com/blog/static/22775603820147197503722/ [摘要] 本文首先阐述HSI颜色模式的基本特性,然后介绍 ...
- 使用OpenCV实现RGB、HSI、CMYK颜色空间的转换
RGB to HSI.CMYK的代码实现 前言: 在之前博文的基础上,我使用OpenCV2实现了RGB颜色空间向HIS.CMYK转换的代码.下列链接为各种经典颜色空间的介绍及转换公式的介绍. http ...
- matlab hsi颜色空间,RGB与HSI颜色空间互换函数(matlab)
近看了一本数字图像处理的原版书.其中提供了RGB与HSI颜色空间之间的相互转变函数.已在matlab7.0中测试成功.不敢独享,贴出来供大家参考. function hsi=rgb2hsi(rgb) ...
- HSV与HSI颜色空间的区别以及和RGB之间的转换
Gonzalez的Digital Image Processing中介绍了HSI颜色空间,以其中的圆锥模型为例 HSI(也称为HSL(Lightness))和HSV的区别可以这样理解 最本质的区别是V ...
- Opencv的RGB到HSV颜色空间转换
从 RGB 到 HSL 或 HSV 的转换 设 (r, g, b) 分别是一个颜色的红.绿和蓝坐标,它们的值是在 0 到 1 之间的实数.设 max 等价于 r, g 和 b 中的最大者.设 min ...
- OpenCV最经典的3种颜色空间(cv2.cvtColor)及互相转换
OpenCV最经典的3种颜色空间(cv2.cvtColor)及互相转换 1. 效果图 2. 原理 2.1 照明条件的重要性 2.2 OpenCV 中的3种颜色空间/模型 2.3 颜色空间的主要用途 3 ...
- opencv颜色识别python_opencv使用HSV颜色空间实现颜色识别
一.颜色空间介绍 RGB 颜色空间是大家最熟悉的颜色空间,即三基色空间,任何一种颜色都可以由该三种 颜色混合而成.然而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,HSV(色调 Hue, ...
最新文章
- 多模态深度学习:用深度学习的方式融合各种信息
- 程序员50题(JS版本)(九)
- 致远OA如何实施才可行
- 机器学习之生成学习算法
- 【译】How I hacked Google’s bug tracking system itself for $15,600 in bounties
- android 骨骼动画库,cocos creator spine骨骼动画组件使用
- 对linux中多线程编程中pthread_join的理解
- 【报告分享】2019抖音创作者生态报告.pdf
- 史上最强三千六百道脑筋急转弯(5)
- 用免费WiFi上网软件有什么好处
- c语言编程中句柄无效怎么解决,句柄无效,小编教你句柄无效怎么解决
- mysql姓氏笔画排序_php根据姓氏笔画排序怎么做
- three.js加载和使用纹理-specularMap使用高光贴图创建色彩鲜明的地球(vue中使用three.js77)
- 沙巴克皇宫门修复后需要重启服务器,关于传奇3.0的沙巴克设置问题解决
- 非线性控制1.0——S函数定义
- Litepal在没有存数据之前,需要在主线程中去先去存一些不必要的数据
- 同学早已年薪百万,你却还在朋友圈集赞
- chrome 插件导出与导入
- css——指定某个区域可垂直或水平滑动
- 关于捷联惯导解算的理解笔记
热门文章
- c++成员函数可以将this传递给普通函数
- html标签在html页面正常显示而不被解析
- unity字符串换行符_Unity中Text中首行缩进两个字符和换行的代码
- linux创建进程读共享写复制,Linux下进程的创建、执行和终止
- php中的几种跳转语句以及各自的特点,PHP中的跳转语句有且仅有break和continue两个语句。...
- oracle 并接去掉字符串,ORACLE删除字符-TRIM字符截取-substr查找字符-instr
- mysql触发器和存储过程_MySql的存储过程和触发器
- 安徽大学计算机科学与技术复试线,安徽大学计算机考研报录比及分数线
- Spring Cloud 2022.0.0 M1 发布:需Java 17、兼容Spring Boot 3
- 皮一皮:大型海王翻车现场...