（四）使用OpenCV实现图像彩色模型转换

全文介绍部分引自《数字图像处理》第六章

1.彩色基础

彩色光在电磁波中的波长范围是400-700nm。人眼中的锥状体负责色觉的感知，实验发现，人眼中约有600万～700万个锥状体，它们分为3个主要的感知类别。这些类别分别是红色、绿色和蓝色。锥状体中约65%对红光敏感，33%对绿光敏感，只有约2%对蓝光敏感。人眼中看到的颜色正是红绿蓝三原色的不同比例的组合。为了标准化，1931年国际照明委员会(CIE)规定了三原色的波长，红光：700nm，绿光：546.1nm,蓝光：435.8nm。

颜色的构成通常看作三原色的相加减组合，而为了更好适应人们对颜色的描述，通常使用 亮度(lightness)、色调(hue)和饱和度(saturation) 来区别不同颜色的特性。亮度体现的是发光强度的消色概念。色调是混合光波中与主波长相关的属性，表示被观察者感知的主导色。故在说一个物体是红色，绿色时，说的就是色调。饱和度指的是颜色的相对纯度，或与一种色调混合的白光量。纯色光谱是完全饱和的。饱和度与所加的白光量成反比。

2.彩色模型

彩色模型又称彩色空间，彩色系统，其目的是以某种标准的方式来方便的规定颜色。彩色模型本质上规定:1)坐标系，2)坐标系中的子空间模型内的每种颜色都可以使用子空间中包含的一个点来表示。

今天我们使用的大多数彩色模型要么是面向硬件的(如彩色显示器，打印机)，要么是面向应用的(如为动画创建的彩图)。就数字图像处理而言，最常用用的面向硬件的模型有：

针对彩色显示器的和摄像机开发的RGB模型
针对彩色打印机开发的（青色/深红色/黄色）CMY模型和CMYK模型(青色/深红色/黄色/黑色)
针对人们描述解释颜色开发的HSI模型(色度/饱和度/亮度)

2.1RGB模型

在RGB空间中表示，表示每个像素数所用的比特数称为像素深度。一幅RGB图像，每个通道的像素点使用8比特来表示，则该图像的像素深度为3x8=24,则每个像素点能表示的所有颜色有(28)3=16777216(2^8)^3=16777216(28)3=16777216种。对于数字图像，RGB彩色立方体中的值域已被标定为图像中比特数表示的数字，如对于8比特图像，其颜色值域为[0-255]。

2.2CMY和CMYK模型

青深红黄(CMY)是二次色，正是颜料的原色。大多数在纸上淀积颜色的设备，如彩色打印机和复印机，要求输入CMY数据，或在内部进行CMY的转换。CMY与RGB的转换关系。
[CMY]=1−[RGB]\begin{bmatrix} C\\ M\\ Y \end{bmatrix}=1-\begin{bmatrix} R\\ G\\ B \end{bmatrix}⎣⎡CMY⎦⎤=1−⎣⎡RGB⎦⎤

理论上等量的颜料原色应产生黑色。实际中，CMY油墨通常不是纯色的，组合这些颜料来印刷黑色时，反而会产生模糊的棕色。故为产生真正的黑色，通常会加入第四种颜色黑色，即CMYK彩色模型。CMY到CMYK的转换参考1

2.3HSI模型

RGB\CMY\CMYK彩色模型非常适合硬件的实现，但不能很好的描述人类实际解释的颜色。⼈类观察⼀个彩⾊物体，⼀般⽤⾊相（hue）、饱和度（saturation）、亮度（brightness）来描述它。简称为HSB模型，与HSB等同的是HSV模型，其中V指Value。此外还有HSI和HSL模型，分别是Intensity和Lightness，HSI与HSL模型等同。HSI与HSB有些微差别。

对于上图中的RGB彩色立方体，转换为以(0,0,0)为坐标原点，以(1,1,1)为顶点的模型，如下：
。则亮度即彩色点所在垂直于强度轴平面的交点处与(0,0,0)的距离。饱和度即彩色中混合的白光量，即彩色点到强度轴的垂直距离。亮度轴上的饱和度为零。色调即以红色点开始，逆时针方向旋转的角度θ\thetaθ,反映的是颜色的主色。如图是上图彩色立方体的俯视图，θ\thetaθ即以红色为起始点逆时针转动的角度。

RGB与HSI彩色模型间的转换关系参考1。

2.4其他

其他常用的色彩空间还有YUV、Luv、Lab和Bayer等

3.使用OpenCV进行图像色彩空间变换 cvtColor

以调整图像亮度为例。cvtColor的详细使用介绍参考2。

#include <opencv2/highgui.hpp>
#include <opencv2/imgproc.hpp>
#include <iostream>int main(int argv, char **argc)
{cv::Mat image = cv::imread("imgs/hand.png");cv::Mat src;cv::cvtColor(image, src, cv::COLOR_BGR2HSV);int value = 50;int lim = 255 - value;int cn = src.channels();uint8_t* pixelPtr = (uint8_t*)src.data;for(size_t i = 0; i < src.rows; i++) {for(size_t j=0; j < src.cols; j++){if(pixelPtr[(i*src.cols+j)*cn + 2] > lim){pixelPtr[(i*src.cols+j)*cn + 2] = 255;}else{pixelPtr[(i*src.cols+j)*cn + 2] += value;}}}cv::cvtColor(src, src, cv::COLOR_HSV2BGR);std::cout << "src channles:" << src.channels() << std::endl;cv::imwrite("hsv.png", src);return 0;
}

调整前：

调整后：

参考
[1]https://book.douban.com/subject/6434627//
[2]https://docs.opencv.org/3.4/d8/d01/group__imgproc__color__conversions.html