OpenCV学习笔记--颜色空间及转换 OpenCV

要用三种或更多的特征来指定一种颜色，有许多的方法被称为颜色空间或者颜色模型。
如何选取其中一种方法来表示一副图像要依赖于执行的运算。
不同的颜色空间的转换，Opencv提供方法
void cvtColor(InputArray src, Output dst, int code, int dstCn=0)

code : 这是颜色空间的转换代码。例如COLOR_BGR2GRAY
dstCn:这是目标图形的通道数，如果为0或省略，则通道数有src和code自动产生。

常用的颜色空间：
RGB颜色空间在RGB中，一幅图像有三个独立的图像平面或通道组成：红，绿，蓝（以及第四个通道透明度)。
如下代码展示了，加载RGB图像，并在灰度空间和颜色空间中拆分并显示每个特定的通道。

void split(InputArray m, OutputArrayOfArrays mv)
1. 将图像的每个通道保存在mv中
2. mv声明为vector mv
void merge(InputArrayOfArrays mv, OutputArray dst)
1. 将mv和并称一个图像dst

#include "opencv2/opencv.hpp" #include "opencv2/opencv_modules.hpp" #include "opencv2/highgui/highgui.hpp" #include using namespace cv; using namespace std; vector showSeqratedChannels(vector channels); intmain() { Mat image = imread("test.jpg"); vector channels; split(image, channels); //分割图像 //用灰度级显示通道 namedWindow("Origin", WINDOW_NORMAL); imshow("Origin", image); namedWindow("Blue channel",WINDOW_NORMAL); imshow("Blue channel", channels[0]); namedWindow("Green channel", WINDOW_NORMAL); imshow("Green channel", channels[1]); namedWindow("Red channel", WINDOW_NORMAL); imshow("Red channel", channels[2]); cout << channels.size() << endl; //显示BGR中的通道 vector separated = showSeqratedChannels(channels); namedWindow("Blue channel", WINDOW_AUTOSIZE); imshow("Blue channel", separated[0]); namedWindow("Green channel", WINDOW_AUTOSIZE); imshow("Green channel", separated[1]); namedWindow("Red channel", WINDOW_AUTOSIZE); imshow("Red channel", separated[2]); cout << separated[0].size() << endl; cout << separated[0].rows << endl; cout << separated[0].cols << endl; waitKey(); } //这个函数，将channels中的每个波段分别加上两个波段，形参三个RGB通道 //其余两个通道介入的都是0像素。 vector showSeqratedChannels(vector channels) { vector seqaratedChannels; for (int i = 0; i < 3; i++) { Mat zero = Mat::zeros(channels[0].rows, channels[0].cols, channels[0].type()); vectoraux; for (int j = 0; j < 3; j++) { if (j == i) aux.push_back(channels[i]); else aux.push_back(zero); } Mat chann; merge(aux, chann); //chann为输出的容器 seqaratedChannels.push_back(chann); } return seqaratedChannels; }
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53

原始的图像如下所示：

文章图片

用灰度级显示通道：

文章图片

显示BGR中的通道：

文章图片

灰度图像与RGB图像的转变。
RGB[A]转换为灰度：Y=0.299*R+0.587*G+0.114*B;
用cvtColor方法的缺陷就是是的原始图像的对比度丢失，从上面的式子中可以看到。

//利用opencv函数将彩色变为灰度图像 cvtColor(image,imageGray,COLOR_BGR2GRAY);
1
2

1
2

CIE XYZ颜色空间 CIE XYZ系统用一个亮度分类Y来描述颜色，他与人类视觉的亮度灵敏度和两个附加通道X,Z相关。
RGB和CIE XYZ之间的转换颜色空间代码是：

COLOR_BGR2XYZ
COLOR_RGB2XYZ
COLOR_XYZ2BGR
COLOR_XYZ2RGB

它与RGB的转换公式如下图所示：

文章图片

下面代码是将RGB图像转换成XYZ空间，以及在灰度空间和颜色空间中拆分并显示特定通道。

#include "opencv2/opencv.hpp" #include "opencv2/opencv_modules.hpp" #include "opencv2/highgui/highgui.hpp" #include using namespace cv; using namespace std; vector showSeqratedChannels(vector channels); intmain() { Mat image = imread("cute.jpg"); namedWindow("Origin", WINDOW_AUTOSIZE); imshow("Origin", image); cvtColor(image, image, CV_BGR2XYZ); namedWindow("Origin_XYZ", WINDOW_AUTOSIZE); imshow("Origin_XYZ", image); vector channels; split(image, channels); //分割图像 //用灰度级显示通道namedWindow("Blue channel_GRAY",WINDOW_AUTOSIZE); imshow("Blue channel_GRAY", channels[0]); namedWindow("Green channel_GRAY", WINDOW_AUTOSIZE); imshow("Green channel_GRAY", channels[1]); namedWindow("Red channel_GRAY", WINDOW_AUTOSIZE); imshow("Red channel_GRAY", channels[2]); cout << channels.size() << endl; 显示BGR中的通道 vector separated = showSeqratedChannels(channels); for (int i = 0; i < 3; i++) { cvtColor(separated[i], separated[i], COLOR_XYZ2BGR); //在将其转成BGR中显示通道 } namedWindow("Blue channel", WINDOW_AUTOSIZE); imshow("Blue channel", separated[0]); namedWindow("Green channel", WINDOW_AUTOSIZE); imshow("Green channel", separated[1]); namedWindow("Red channel", WINDOW_AUTOSIZE); imshow("Red channel", separated[2]); cout << separated[0].size() << endl; cout << separated[0].rows << endl; cout << separated[0].cols << endl; waitKey(); } vector showSeqratedChannels(vector channels) { vector seqaratedChannels; for (int i = 0; i < 3; i++) { Mat zero = Mat::zeros(channels[0].rows, channels[0].cols, channels[0].type()); vectoraux; for (int j = 0; j < 3; j++) { if (j == i) aux.push_back(channels[i]); else aux.push_back(zero); } Mat chann; merge(aux, chann); //chann为输出的容器 seqaratedChannels.push_back(chann); } return seqaratedChannels; }
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59