Opencv色彩空间（GRAY、XYZ、HSV、YCrCb、HLS）展示，以及利用HSV标记指定的颜色

本文简单介绍了几个常见的色彩空间转换；

因为HSV应用非常广泛，所以单独介绍其强大的功能；

本文用到的两个原始图像，如下图所示：

一、Opencv色彩空间（GRAY、XYZ、HSV、YCrCb、HLS）

（1）GRAY色彩空间

（2）XYZ色彩空间

（3）HSV色彩空间

（4）YCrCb色彩空间

（5）HLS色彩空间

（6）代码实现：

二、利用HSV标记指定的颜色（涉及的三个知识点如下）

（1）通过inRange函数锁定特定

（2）通过基于掩码的按位与显示ROI

（3）显示特定颜色值

（4）综上所述，编写代码如下：

一、Opencv色彩空间（GRAY、XYZ、HSV、YCrCb、HLS）

（1）GRAY色彩空间

GRAY（灰度图像）通常指 8 位灰度图，其具有 256 个灰度级，像素值的范围是[0,255]。

（2）XYZ色彩空间

XYZ 色彩空间是由 CIE（International Commission on Illumination）定义的，是一种更便于计算的色彩空间，它可以与 RGB 色彩空间相互转换。

（3）HSV色彩空间

RGB 是从硬件的角度提出的颜色模型，在与人眼匹配的过程中可能存在一定的差异，HSV 色彩空间是一种面向视觉感知的颜色模型。HSV 色彩空间从心理学和视觉的角度出发，指出人眼的色彩知觉主要包含三要素：色调（Hue，也称为色相）、饱和度（Saturation）、亮度（Value），色调指光的颜色，饱和度是指色彩的深浅程度，亮度指人眼感受到的光的明暗程度。

（4）YCrCb色彩空间

人眼视觉系统（HVS，Human Visual System）对颜色的敏感度要低于对亮度的敏感度。在传统的 RGB 色彩空间内，RGB 三原色具有相同的重要性，但是忽略了亮度信息。

在 YCrCb 色彩空间中，Y 代表光源的亮度，色度信息保存在 Cr 和 Cb 中，其中，Cr 表示红色分量信息，Cb 表示蓝色分量信息。 亮度给出了颜色亮或暗的程度信息，该信息可以通过照明中强度成分的加权和来计算。在 RGB 光源中，绿色分量的影响最大，蓝色分量的影响最小。

（5）HLS色彩空间

HLS 色彩空间包含的三要素是色调 H（Hue）、光亮度/明度 L（Lightness）、饱和度 S （Saturation）。 与 HSV 色彩空间类似，只是 HLS 色彩空间用“光亮度/明度 L（lightness）”替换了“亮度（Value）”。

（6）代码实现：

import cv2
import numpy as npsrc = cv2.imread("bulldog.jpg")
src = cv2.resize(src, (int(src.shape[1] / 2), int(src.shape[0] / 2)))GRAY = cv2.cvtColor(src, cv2.COLOR_BGR2GRAY)
XYZ = cv2.cvtColor(src, cv2.COLOR_BGR2XYZ)
YCrCb = cv2.cvtColor(src, cv2.COLOR_BGR2YCrCb)
HSV = cv2.cvtColor(src, cv2.COLOR_BGR2HSV)
HLS = cv2.cvtColor(src, cv2.COLOR_BGR2HLS)cv2.imshow("src", src)
cv2.imshow("GRAY", GRAY)
cv2.imshow("XYZ", XYZ)
cv2.imshow("YCrCb", YCrCb)
cv2.imshow("HSV", HSV)
cv2.imshow("HLS", HLS)
cv2.waitKey(0)
cv2.destroyAllWindows()

二、利用HSV标记指定的颜色（涉及的三个知识点如下）

（1）通过inRange函数锁定特定

OpenCV 中通过函数 cv2.inRange()来判断图像内像素点的像素值是否在指定的范围内，其语法格式为：

dst = cv2.inRange( src, lowerb, upperb )

式中：

dst 表示输出结果，大小和 src 一致。
src 表示要检查的数组或图像。
lowerb 表示范围下界。
upperb 表示范围上界。

返回值 dst 与 src 等大小，其值取决于 src 中对应位置上的值是否处于区间[lowerb,upperb] 内：

如果 src 值处于该指定区间内，则 dst 中对应位置上的值为 255。
如果 src 值不处于该指定区间内，则 dst 中对应位置上的值为 0。

（2）通过基于掩码的按位与显示ROI

正常显示某个图像内的感兴趣区域（ROI），而将其余区域显示为黑色。其语法格式为：

roi=cv2.bitwise_and(img,img, mask= mask)

通过 mask 设置了两个感兴趣区域（掩模）。后续通过在按位与运算中设置掩模的方式，将原始图像 img 内这两部分的值保留显示，而将其余部分的值置零。

（3）显示特定颜色值

各种颜色值的范围为：

蓝色：值分布在[110,100,100]和[130,255,255]之间。
绿色：值分布在[50,100,100]和[70,255,255]之间。
红色：值分布在[0,100,100]和[10,255,255]之间。

（4）综上所述，编写代码如下：

首先利用函数 cv2.inRange()查找指定颜色区域，

然后利用基于掩码的按位与运算将指定颜色提取出来。

src = cv2.imread("RGB.jpg")
HSV = cv2.cvtColor(src, cv2.COLOR_BGR2HSV)# 确定蓝色、绿色、红色区域
minBlue = np.array([110, 50, 50])
maxBlue = np.array([130, 255, 255])
minGreen = np.array([50, 50, 50])
maxGreen = np.array([70, 255, 255])
minRed = np.array([0, 50, 50])
maxRed = np.array([30, 255, 255])# 通过掩码控制的按位与运算，锁定蓝色、绿色、红色区域
mask = cv2.inRange(HSV, minBlue, maxBlue)
blue = cv2.bitwise_and(src, src, mask=mask)
mask = cv2.inRange(HSV, minGreen, maxGreen)
green = cv2.bitwise_and(src, src, mask=mask)
mask = cv2.inRange(HSV, minRed, maxRed)
red = cv2.bitwise_and(src, src, mask=mask)# 展示各个标记指定的颜色图像
cv2.imshow('blue', blue)
cv2.imshow('green', green)
cv2.imshow('red', red)
cv2.waitKey(0)
cv2.destroyAllWindows()

>>>输出图像，如下图所示：

>>>如有疑问，欢迎评论区一起探讨