本文主要运用用Python代码实现了5种彩色空间之间的转换！

具体而言，包括：

1）RGB → CMY；

2) CMY → RGB；

3) RGB → HSI；

4) HSI → RGB；

5) RGB → YIQ；

6) YIQ → RGB；

7) RGB → YUV；

8) YUV → RGB；

9) RGB → YCbCr；

10) YCbCr → RGB；

文末还附有两方面的扩展：

1）对“多图”的处理

2）对“视频”的处理

快来一起交流学习吧！

1 RGB → CMY

1.1 转换公式

1.2 代码实现

1.3 运行结果

2 CMY → RGB

2.1 公式转换

2.2 代码实现

2.3 运行效果

3 RGB → HSI

3.1 公式转换

3.2 代码实现

3.3 运行效果

4 HSI → RGB

4.1 公式转换

4.2 代码实现

4.3 运行效果

5 RGB → YIQ

5.1 公式转换

5.2 代码实现

5.3 运行效果

6 YIQ → RGB

6.1 公式转换

6.2 代码实现

6.3 运行效果

7 RGB → YUV

7.1 公式转换

7.2 代码实现

7.3 运行效果

8 YUV → RGB

8.1 公式转换

8.2 代码实现

8.3 运行效果

9 RGB → YCbCr

9.1 公式转换

9.2 代码实现

9.3 运行效果

10 YCbCr → RGB

10.1 公式转换

10.2 代码实现

10.3 运行效果

11 扩展1——多图处理

11.1 代码示例

11.2 运行效果

12 扩展2——视频处理

12.1 附：视频爬取代码

12.2 代码实现

12.3 运行效果

1 RGB → CMY

1.1 转换公式

1.2 代码实现

'''-----------------RGB → CMY------------------------'''
import cv2
import imutilsdef rgb_cmy(img):r, g, b = cv2.split(img)  # split the channels# normalization [0,1]r = r / 255.0g = g / 255.0b = b / 255.0c = 1 - rm = 1 - gy = 1 - bresult = cv2.merge((c, m, y))  # merge the channelsreturn resultif __name__ == '__main__':img = cv2.imread("E:/1.PNG")img_CMY = rgb_cmy(img)img_NEW = img_CMY * 255cv2.imwrite('F:/img_CMY.PNG', img_NEW)cv2.imshow("CMY image", imutils.resize(img_CMY, 666))cv2.imshow("original image", imutils.resize(img, 666))cv2.waitKey(0)cv2.destroyAllWindows()

1.3 运行结果

2 CMY → RGB

2.1 公式转换

2.2 代码实现

'''-----------------CMY → RGB------------------------'''
import cv2
import imutilsdef cmy_rgb(img):c, m, y = cv2.split(img)  # split the channels# normalization[0,1]c = c / 255.0m = m / 255.0y = y / 255.0r = 1 - cg = 1 - mb = 1 - yresult = cv2.merge((r, g, b))  # merge the channelsprint(result)return resultif __name__ == '__main__':img = cv2.imread("F:/img_CMY.PNG")img_CMY = cmy_rgb(img)cv2.imshow("RGB image", imutils.resize(img_CMY, 666))cv2.imshow("original image", imutils.resize(img, 666))cv2.waitKey(0)cv2.destroyAllWindows()

2.3 运行效果

3 RGB → HSI

3.1 公式转换

3.2 代码实现

'''-----------------RGB → HSI------------------------'''
import cv2
import math
import imutils
import numpy as npdef rgb_hsi(rgb_Img):img_rows = int(rgb_Img.shape[0])img_cols = int(rgb_Img.shape[1])b, g, r = cv2.split(rgb_Img)# normalization[0,1]r = r / 255.0g = g / 255.0b = b / 255.0hsi_Img = rgb_Img.copy()H, S, I = cv2.split(hsi_Img)for i in range(img_rows):for j in range(img_cols):num = 0.5 * ((r[i, j]-g[i, j])+(r[i, j]-b[i, j]))den = np.sqrt((r[i, j]-g[i, j])**2+(r[i, j]-b[i, j])*(g[i, j]-b[i, j]))theta = float(np.arccos(num/den))if den == 0:H = 0elif b[i, j] <= g[i, j]:H = thetaelse:H = math.pi - thetamin_RGB = min(min(b[i, j], g[i, j]), r[i, j])sum = b[i, j]+g[i, j]+r[i, j]if sum == 0:S = 0else:S = 1 - 3*min_RGB/sumH = H/(math.pi)I = sum/3.0# 输出HSI图像，扩充到255以方便显示，一般H分量在[0,2pi]之间，S和I在[0,1]之间hsi_Img[i, j, 0] = H*255hsi_Img[i, j, 1] = S*255hsi_Img[i, j, 2] = I*255return hsi_Imgif __name__ == '__main__':rgb_Img = cv2.imread("E:/1.PNG")hsi_Img = rgb_hsi(rgb_Img)cv2.imwrite('F:/img_HSI.PNG', hsi_Img)cv2.imshow('original image', imutils.resize(rgb_Img, 600))cv2.imshow('HSI image', imutils.resize(hsi_Img, 600))key = cv2.waitKey(0) & 0xFFif key == ord('q'):cv2.destroyAllWindows()

3.3 运行效果

4 HSI → RGB

4.1 公式转换

4.2 代码实现

'''-----------------HSI → RGB------------------------'''
import cv2
import math
import imutilsdef hsi_rgb(hsi_img):img_rows = int(hsi_img.shape[0])img_cols = int(hsi_img.shape[1])H, S, I = cv2.split(hsi_img)# normalization[0,1]H = H / 255.0S = S / 255.0I = I / 255.0bgr_img = hsi_img.copy()B, G, R = cv2.split(bgr_img)for i in range(img_rows):for j in range(img_cols):if S[i, j] < 1e-6:R = I[i, j]G = I[i, j]B = I[i, j]else:H[i, j] *= 360if H[i, j] > 0 and H[i, j] <= 120:B = I[i, j] * (1 - S[i, j])R = I[i, j] * (1 + (S[i, j] * math.cos(H[i, j] * math.pi / 180)) / math.cos((60 - H[i, j]) * math.pi / 180))G = 3 * I[i, j] - (R + B)elif H[i, j] > 120 and H[i, j] <= 240:H[i, j] = H[i, j] - 120R = I[i, j] * (1 - S[i, j])G = I[i, j] * (1 + (S[i, j] * math.cos(H[i, j] * math.pi / 180)) / math.cos((60 - H[i, j]) * math.pi / 180))B = 3 * I[i, j] - (R + G)elif H[i, j] > 240 and H[i, j] <= 360:H[i, j] = H[i, j] - 240G = I[i, j] * (1 - S[i, j])B = I[i, j] * (1 + (S[i, j] * math.cos(H[i, j] * math.pi / 180)) / math.cos((60 - H[i, j]) * math.pi / 180))R = 3 * I[i, j] - (G + B)bgr_img[i, j, 0] = B * 255bgr_img[i, j, 1] = G * 255bgr_img[i, j, 2] = R * 255return bgr_imgif __name__ == '__main__':hsi_Img = cv2.imread("F:/img_HSI.PNG")rgb_Img = hsi_rgb(hsi_Img)cv2.imshow('original image', imutils.resize(rgb_Img, 600))cv2.imshow('RGB image', imutils.resize(hsi_Img, 600))key = cv2.waitKey(0) & 0xFFif key == ord('q'):cv2.destroyAllWindows()

4.3 运行效果

5 RGB → YIQ

5.1 公式转换

5.2 代码实现

Python

'''-----------------RGB → YIQ------------------------'''
import cv2
import imutils
import numpy as npdef rgb_yiq(rgb_Img):img_rows = int(rgb_Img.shape[0])img_cols = int(rgb_Img.shape[1])yiq_image = rgb_Img.copy()R, G, B = cv2.split(yiq_image)for x in range(img_rows):for y in range(img_cols):right_matrix = np.array([[R[x,y]],[G[x,y]],[B[x,y]]])left_matrix = np.array([[0.299,0.587,0.114],[0.596,-0.275,-0.321],[0.212,-0.528,0.311]])matrix = np.dot(left_matrix,right_matrix)r = matrix[0][0]g = matrix[1][0]b = matrix[2][0]yiq_image[x, y] = (r, g, b)return yiq_imageif __name__ == '__main__':rgb_Img = cv2.imread("E:/1.PNG")yiq_Img = rgb_yiq(rgb_Img)cv2.imshow('original image', imutils.resize(rgb_Img, 600))cv2.imshow('YIQ image', imutils.resize(yiq_Img, 600))cv2.imwrite('F:/img_YIQ1.PNG', yiq_Img)key = cv2.waitKey(0) & 0xFFif key == ord('q'):cv2.destroyAllWindows()

MATLAB

% 清变量，关闭窗口
clear;
close all;
% 文件读取
img=imread('E:/1.PNG'); %获得256*256*3数组
imshow(img);title('原始RGB图像');rgb=im2double(img); %将原图像转换到[0,1]空间
% figure;     %与原图像相同
% imshow(rgb);
r=rgb(:,:,1);
g=rgb(:,:,2);
b=rgb(:,:,3)% rgb模型到yiq模型
y=0.299*r+0.587*g+0.114*b;
i=0.596*r-0.274*g-0.322*b;
q=0.211*r-0.523*g+0.312*b;img_YIQ=cat(3,y,i,q);
figure;
imshow(img_YIQ);title('RGB2YIQ图像');

5.3 运行效果

6 YIQ → RGB

6.1 公式转换

6.2 代码实现

Python

'''-----------------YIQ → RGB------------------------'''
import cv2
import imutils
import numpy as npdef yiq_rgb(yiq_Img):img_rows = int(yiq_Img.shape[0])img_cols = int(yiq_Img.shape[1])rgb_image = yiq_Img.copy()Y, I, Q = cv2.split(rgb_image)for x in range(img_rows):for y in range(img_cols):right_matrix = np.array([[Y[x,y]],[I[x,y]],[Q[x,y]]])left_matrix = np.array([[1,0.956,0.620],[1,-0.272,-0.647],[1,-1.108,1.705]])matrix = np.dot(left_matrix,right_matrix)r = matrix[0][0]g = matrix[1][0]b = matrix[2][0]rgb_image[x, y] = (r, g, b)return rgb_imageif __name__ == '__main__':yiq_Img = cv2.imread("F:/img_YIQ1.PNG")rgb_Img = yiq_rgb(yiq_Img)cv2.imshow('original image', imutils.resize(yiq_Img, 600))cv2.imshow('RGB image', imutils.resize(rgb_Img, 600))key = cv2.waitKey(0) & 0xFFif key == ord('q'):cv2.destroyAllWindows()

MATLAB

% 清变量，关闭窗口
clear;
close all;
% 文件读取
img=imread('F:\img_YIQ.PNG'); %获得256*256*3数组
imshow(img);title('原始YIQ图像');yiq=im2double(img); %将原图像转换到[0,1]空间
% figure;     %与原图像相同
% imshow(rgb);
y=yiq(:,:,1);
i=yiq(:,:,2);
q=yiq(:,:,3)% rgb模型到yiq模型
r=1*y+0.956*i+0.620*q;
g=1*y-0.272*i-0.674*q;
b=1*y-1.108*i+1.705*q;img_YIQ=cat(3,r,g,b);
figure;
imshow(img_YIQ);title('YIQ2RGB图像');

6.3 运行效果

7 RGB → YUV

7.1 公式转换

7.2 代码实现

'''-----------------RGB → YUV------------------------'''
import numpy as np
import cv2 as cv
import imutilsdef rgb_yuv(rgb_img):W = np.array([[0.299, 0.587, 0.114],[-0.148, -0.289, 0.437],[0.615, -0.515, -0.100]])rgb_Img = rgb_img.copy()rgb_Img = rgb_Img.astype(np.float)h, w, c = rgb_Img.shapefor i in range(h):for j in range(w):rgb_Img[i, j] = np.dot(W, rgb_Img[i, j])imc = rgb_Img.astype(np.uint8)return imcif __name__ == '__main__':img_rgb = cv.imread('E:/1.PNG')img_yuv1 = cv.cvtColor(img_rgb, cv.COLOR_RGB2YUV)img_yuv2 = rgb_yuv(img_rgb)cv.imwrite('F:/img_YUV.PNG', img_yuv1)# cv.imwrite('F:/img_YUV_self.PNG', img_yuv2)cv.imshow('original image', imutils.resize(img_rgb, 600))cv.imshow('OpenCV_YUV image', imutils.resize(img_yuv1, 600))cv.imshow('Self_YUV image', imutils.resize(img_yuv2, 600))cv.waitKey(0)

7.3 运行效果

8 YUV → RGB

8.1 公式转换

8.2 代码实现

'''-----------------YUV → RGB------------------------'''
import numpy as np
import cv2 as cv
import imutilsdef yuv_rgb(yuv_img):W = np.array([[1, 0., 1.13983],[1, -0.39465, -0.58060],[1, 2.03211, 0.]])rgb_img = yuv_img.copy()rgb_img = yuv_img.astype(np.float)h, w, c = rgb_img.shapefor i in range(h):for j in range(w):rgb_img[i, j][0] -= 16  # Yrgb_img[i, j][1] -= 128  # Urgb_img[i, j][2] -= 128  # Vrgb_img[i, j] = np.matmul(W, rgb_img[i, j])imc = rgb_img.astype(np.uint8)return imcif __name__ == '__main__':img_rgb = cv.imread('F:/img_YUV.PNG')img_yuv1 = yuv_rgb(img_rgb)img_yuv2 = cv.cvtColor(img_rgb, cv.COLOR_YUV2RGB)cv.imshow('original image', imutils.resize(img_rgb, 600))cv.imshow('OpenCV_RGB image', imutils.resize(img_yuv2, 600))cv.imshow('Self_RGB image', imutils.resize(img_yuv1, 600))cv.waitKey(0)

8.3 运行效果

9 RGB → YCbCr

9.1 公式转换

9.2 代码实现

'''-----------------RGB → YCbCr------------------------'''
import numpy as np
import cv2 as cv
import imutilsdef rgb2ycbcr(rgb_image):"""convert rgb into ycbcr"""if len(rgb_image.shape)!=3 or rgb_image.shape[2]!=3:raise ValueError("input image is not a rgb image")rgb_image = rgb_image.astype(np.float32)# 1：创建变换矩阵，和偏移量transform_matrix = np.array([[0.257, 0.564, 0.098],[-0.148, -0.291, 0.439],[0.439, -0.368, -0.071]])shift_matrix = np.array([16, 128, 128])ycbcr_image = np.zeros(shape=rgb_image.shape)w, h, _ = rgb_image.shape# 2：遍历每个像素点的三个通道进行变换for i in range(w):for j in range(h):ycbcr_image[i, j, :] = np.dot(transform_matrix, rgb_image[i, j, :]) + shift_matrixreturn ycbcr_imageif __name__ == '__main__':img_rgb = cv.imread('E:/1.PNG')img_ycbcr = rgb2ycbcr(img_rgb)img_NEW = img_ycbcr / 255cv.imwrite('F:/img_YCbCr.PNG', img_ycbcr)cv.imshow('original image', imutils.resize(img_rgb, 600))cv.imshow('Self_YCbCr image', imutils.resize(img_NEW, 600))cv.waitKey(0)

9.3 运行效果

10 YCbCr → RGB

10.1 公式转换

10.2 代码实现

'''-----------------YCbCr → RGB------------------------'''
import numpy as np
import cv2 as cv
import imutilsdef ycbcr2rgb(ycbcr_image):"""convert ycbcr into rgb"""if len(ycbcr_image.shape)!=3 or ycbcr_image.shape[2]!=3:raise ValueError("input image is not a rgb image")ycbcr_image = ycbcr_image.astype(np.float32)transform_matrix = np.array([[0.257, 0.564, 0.098],[-0.148, -0.291, 0.439],[0.439, -0.368, -0.071]])transform_matrix_inv = np.linalg.inv(transform_matrix)shift_matrix = np.array([16, 128, 128])rgb_image = np.zeros(shape=ycbcr_image.shape)w, h, _ = ycbcr_image.shapefor i in range(w):for j in range(h):rgb_image[i, j, :] = np.dot(transform_matrix_inv, ycbcr_image[i, j, :]) - np.dot(transform_matrix_inv, shift_matrix)return rgb_image.astype(np.uint8)if __name__ == '__main__':img_ycbcr = cv.imread('F:/img_YCbCr.PNG')img_rgb = ycbcr2rgb(img_ycbcr)img_NEW = img_rgb / 255cv.imshow('original image', imutils.resize(img_ycbcr, 600))cv.imshow('Self_RGB image', imutils.resize(img_NEW, 600))cv.waitKey(0)

10.3 运行效果

11 扩展1——多图处理

11.1 代码示例

'''-----------------RGB → CMY------------------------'''
import cv2
import imutilsdef rgb_cmy(img):r, g, b = cv2.split(img)  # split the channels# normalization [0,1]r = r / 255.0g = g / 255.0b = b / 255.0c = 1 - rm = 1 - gy = 1 - bresult = cv2.merge((c, m, y))  # merge the channelsreturn resultif __name__ == '__main__':for i in range(3):img = cv2.imread("F:/{}.PNG".format(i))img_CMY = rgb_cmy(img)img_NEW = img_CMY * 255cv2.imwrite('F:/img_CMY.PNG', img_NEW)cv2.imshow("CMY image{}".format(i), imutils.resize(img_CMY, 666))cv2.imshow("original image{}".format(i), imutils.resize(img, 666))cv2.waitKey(0)cv2.destroyAllWindows()

11.2 运行效果

12 扩展2——视频处理

12.1 附：视频爬取代码

import requests
import json
import redef change_title(title):# 替换非法字符pattern = re.compile(r"[\/\\\:\*\?\"\<\>\|]")new_title = re.sub(pattern, "_", title)return new_title# 示例爬取3页数据
for page in range(1, 4):print('---------------正在爬取第{}页小姐姐视频-------------------'.format(page))# 获取 URL 地址url = 'https://v.6.cn/minivideo/getlist.php?act=recommend&page={}&pagesize=20'.format(page)# headers 参数确定headers = {'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/80.0.3987.122 Safari/537.36'}# 模拟浏览器发送 URL 地址请求response = requests.get(url, headers=headers)# 去除 response 响应对象中的文本数据response_data = response.text# print(response_data)# 转换数据类型dict_data = json.loads(response_data)    # 字典# print(dict_data)# 数据解析data_list = dict_data['content']['list']   # 列表# print(data_list)# 遍历for data in data_list:# print(data)video_title = data['title']      # 视频文件名video_alias = data['alias']       # 视频作者名video_playurl = data['playurl']   # 视频 url# print('视频:', video_title, '作者:', video_alias, 'url地址:', video_playurl)print('正在下载视频：', video_title)new_title = change_title(video_title)# 发送视频 URL 请求video = requests.get(video_playurl, headers=headers).content# 保存数据with open(r'F:\Beautiful Girl Video\\' + new_title + '_' + video_alias + '.mp4', 'wb') as video_file:video_file.write(video)print('视频下载成功…… \n')print('---------------第{}页小姐姐视频爬取完毕-------------------'.format(page))

12.2 代码实现

'''-----------------RGB → CMY------------------------'''
import cv2def rgb_cmy(video):while True:ret, frame=video.read()if not ret:breakelse:r, g, b = cv2.split(frame)  # split the channels# normalization [0,1]r = r / 255.0g = g / 255.0b = b / 255.0c = 1 - rm = 1 - gy = 1 - bresult = cv2.merge((c, m, y))  # merge the channelscv2.imshow('original video',frame)cv2.imshow('CMY video',result)cv2.waitKey(ret)if __name__ == '__main__':img = cv2.VideoCapture(r"F:\Beautiful Girl Video\video.mp4")img_CMY = rgb_cmy(img)

12.3 运行效果

注：本文所有内容的讲解视频已发布到：https://space.bilibili.com/386691571

版权声明：本专栏全部为CSDN博主「IT_change」的原创文章，遵循 CC 4.0 BY-SA 版权协议。
转载请附上原文出处链接及本声明。

感谢阅读！感谢支持 ! 感谢关注！

希望本文能对读者学习和理解数字图像处理之彩色空间转换有所帮助，并请读者批评指正！

2020年6月初于山西大同

END

Python实现数字图像处理之5种彩色空间转换（单图+多图+视频）相关推荐

【python】数字图像处理课程设计：彩色图像复原
先上效果图,对于jpg图片,在一分钟内处理完成,以下分别是原始图片,彩色图像,自动裁剪等优化后的图像. 对于tif图片,在三分钟内处理完成,以下分别是原始图片,彩色图像,裁剪等优化后的图像.(原图为6 ...
彩色图像处理彩色空间转换及代码实现
一.彩色图像基础为什么要研究彩色图像处理? 符合人类视觉特点:人类可以辨别几千种颜色色调和亮度:只能辨别几十种灰度层次. 有用的描绘子:简化目标物的区分:目标识别,根据目标的颜色特征. 彩色图像处理 ...
数字图像处理——第六章彩色图像处理
数字图像处理--第六章彩色图像处理文章目录数字图像处理--第六章彩色图像处理 1 彩色模型 1.1 RGB彩色模型 1.2 CMY 和CMYK彩色模型 1.3 HSI彩色模型 2 伪彩色图像处 ...
数字图像处理——实验一 Python中数字图像处理的基本操作
数字图像处理--实验一 Python中数字图像处理的基本操作一.实验目的二.实验主要仪器设备三.实验原理 3.1 数字图像的表示和类别 3.2 opencv-python图像文件格式四.实验内 ...
基于python的数字图像处理--学习笔记（三）
基于python的数字图像处理--学习笔记(三) 前言一.灰度拉伸二.幂律(伽马)变换三.对数变换前言进入冈萨雷斯的第三章内容,并用python实现功能.我更改了代码源,之前找到太烂了,代码 ...
数字图像处理第六章——彩色图像处理（上）
数字图像处理第六章数字图像处理---彩色图像处理 (一) 在 MATLAB 中彩色图像的表示 1.1 RGB图像 1.2 索引图像 1.3 处理 RGB图像和索引 (二)彩色空间之间的转换 2.1 ...
OprenCV学习之路一：将彩色图片转换成灰度图
//将一张彩色图片转成灰度图:#include<cv.h> #include<cvaux.h> #include<highgui.h> #include<ml ...
实验一：彩色空间转换(YUV2RGB)
实验一:彩色空间转换 #ifndef/#define/#endif 使用详解:http://blog.csdn.net/abc5382334/article/details/18052757 Debu ...
数字图像处理学习笔记六彩色图像处理
目录 (一)彩色模型介绍 1.1 RGB模型 1.2 CMY.CMYK模型 1.3 HSI彩色模型 1.4 HSV模型 1.5 YCbCr 彩色空间 (二)伪彩色图像处理 (三)全彩色图像处理及彩色变 ...

Python实现数字图像处理之5种彩色空间转换（单图+多图+视频）

1 RGB → CMY

1.1 转换公式

1.2 代码实现

1.3 运行结果

2 CMY → RGB

2.1 公式转换

2.2 代码实现

2.3 运行效果

3 RGB → HSI

3.1 公式转换

3.2 代码实现

3.3 运行效果

4 HSI → RGB

4.1 公式转换

4.2 代码实现

4.3 运行效果

5 RGB → YIQ

5.1 公式转换

5.2 代码实现

5.3 运行效果

6 YIQ → RGB

6.1 公式转换

6.2 代码实现

6.3 运行效果

7 RGB → YUV

7.1 公式转换

7.2 代码实现

7.3 运行效果

8 YUV → RGB

8.1 公式转换

8.2 代码实现

8.3 运行效果

9 RGB → YCbCr

9.1 公式转换

9.2 代码实现

9.3 运行效果

10 YCbCr → RGB

10.1 公式转换

10.2 代码实现

10.3 运行效果

11 扩展1——多图处理

11.1 代码示例

11.2 运行效果

12 扩展2——视频处理

12.1 附：视频爬取代码

12.2 代码实现

12.3 运行效果

感谢阅读 ！ 感谢支持 ! 感谢关注 ！

END

Python实现数字图像处理之5种彩色空间转换（单图+多图+视频）相关推荐

最新文章

热门文章

感谢阅读！感谢支持 ! 感谢关注！