本文主要是介绍【ISP】HSV（2），希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
之前听别人总说，HSV的颜色空间更符合人类对颜色的理解，我一直不明白是什么意思。最近做了相关项目，对HSV有了一定的理解。
我现在问你一个简单的问题，假设有一幅图像，如下图所示，请问怎么找出如下蓝色区域呢？
如果你从RGB去考虑，发现R、G、B三个通道的阈值不是很好调整，并不直观，那么我们从HSV的角度呢，请从下面的HSV颜色图谱种进行比对寻找。
是不是有了思路，H在200到260左右，S在0.2到1之间，V大约在0.3到1之间，你估计出的值可能和我的有一点点不同，但总体范围应该是相似的，从这里你们发现没，我居然很轻松的就定义了蓝色的大致范围，很好的就能找到蓝色的区域。
原理解析及伪代码
1.HSV是一种将RGB色彩空间中的点在倒圆锥体中的表示方法。HSV即色相(Hue)、饱和度(Saturation)、亮度(Value)。
色调（H）:用角度度量，取值范围为0°～360°，从红色开始按逆时针方向计算，红色为0°，绿色为120°,蓝色为240°。它们的补色是：黄色为60°，青色为180°,品红为300°；
饱和度（S）表示颜色接近光谱色的程度。一种颜色，可以看成是某种光谱色与白色混合的结果。其中光谱色所占的比例愈大，颜色接近光谱色的程度就愈高，颜色的饱和度也就愈高。饱和度高，颜色则深而艳。光谱色的白光成分为0，饱和度达到最高。通常取值范围为0%～100%，值越大，颜色越饱和。
亮度（V）表示颜色明亮的程度，对于光源色，明度值与发光体的光亮度有关；对于物体色，此值和物体的透射比或反射比有关。通常取值范围为0%（黑）到100%（白）。
HSV模型的三维表示从RGB立方体演化而来。设想从RGB沿立方体对角线的白色顶点向黑色顶点观察，就可以看到立方体的六边形外形。六边形边界表示色彩，水平轴表示纯度，明度沿垂直轴测量。HSV颜色空间可以用一个圆锥空间模型来描述。圆锥的顶点处，V=0，H和S无定义，代表黑色。圆锥的顶面中心处V=max，S=0，H无定义，代表白色。
2. RGB和HSV转换
(1) 从RGB到HSV
max=max(R,G,B)；
min=min(R,G,B)；
V=max(R,G,B)；
S=(max-min)/max；
if (R = max) H =(G-B)/(max-min)* 60；
if (G = max) H = 120+(B-R)/(max-min)* 60；
if (B = max) H = 240 +(R-G)/(max-min)* 60；
if (H < 0) H = H+ 360；（2）从HSV到RGB
if (s = 0)
R=G=B=V;
else
H /= 60;
i = INTEGER(H);
f = H - i;
a = V * ( 1 - s );
b = V * ( 1 - s * f );
c = V * ( 1 - s * (1 - f ) );
switch(i)
case 0: R = V; G = c; B = a;
case 1: R = b; G = v; B = a;
case 2: R = a; G = v; B = c;
case 3: R = a; G = b; B = v;
case 4: R = c; G = a; B = v;
case 5: R = v; G = a; B = b;HSV对用户来说是一种直观的颜色模型。我们可以从一种纯色彩开始，即指定色彩角H，并让V=S=1，然后我们可以通过向其中加入黑色和白色来得到我们需要的颜色。增加黑色可以减小V而S不变，同样增加白色可以减小S而V不变。例如，要得到深蓝色，V=0.4 S=1 H=240度。要得到淡蓝色，V=1 S=0.4 H=240度。
Python-Opencv
颜色空间转换
- RGB就是指Red,Green和Blue,一副图像由这三个channel(通道)构成
- Gray就是只有灰度值一个channel
- HSV即Hue(色调),Saturation(饱和度)和Value(亮度)三个channel
RGB是为了让机器更好的显示图像,对于人类来说并不直观,HSV更为贴近我们的认知,所以通常我们在针对某种颜色做提取时会转换到HSV颜色空间里面来处理。
利用opencv把RGB图片像HSV颜色空间转变的时候，
H通道的值范围为：
0-180
S： 0-255
V：0-255
利用直方图显示三个通道的时候，H通道都集中在前半部分，想让它取值范围扩大～～～～～～～
后来发现了 CV_BGR2HSV＿FULL ，
CV_BGR2HSV 在转换图像的时候是将 H / 2 ---> H ，我们知道图像中色相H的取值范围为 0-360 ，所以利用opencv转换之后得到的H的范围为 0-180
而 CV_BGR2HSV＿FULL 实现的映射是 H * 255 / 360 --->H , 所以利用_FULL 这个转换得到的H通道图像的范围为 0-255
这两种方式都是opencv把[0-360] 的数据压缩到一个字节可以处理的数据。[ 所以这里说的图像的depth = 8， 刚好能表示的最大值是 255]
上面说的图像的 depth = 8， 如果你的图像 位深不是 8位，比如 32 位， 那么你就可以得到 [0, 360] 表示的 H通道图像了。
所以，总结如下：
HSV颜色模型规定的各通道取值范围为： H ：0-360 S：0-1 V： 0-1
可以利用 CV_BGR2HSV 得到的对应的HSV： H: 0-180 S：0-255 V：0-255
例子
提取蓝色物体
Img = cv2.imread(Imgpath)
HSV = cv2.cvtColor(Img, cv2.COLOR_BGR2HSV)
H, S, V = cv2.split(HSV)
LowerBlue = np.array([100, 100, 50])
UpperBlue = np.array([130, 255, 255])
mask = cv2.inRange(HSV, LowerBlue, UpperBlue)
BlueThings = cv2.bitwise_and(Img, Img, mask=mask)
PS:
RGB在OpenCV中存储为BGR的顺序,数据结构为一个3D的numpy.array,索引的顺序是行,列,通道:
BGRImg = cv2.imread(ImgPath)
B = BGRImg[:, :, 0]
G = BGRImg[:, :, 1]
R = BGRImg[:, :, 2]也可以使用:
BGRImg = cv2.imread(ImgPath)
B, G, R = cv2.split(BGRImg)注意,cv2.split的速度比直接索引要慢,但cv2.split返回的是拷贝,直接索引返回的是引用(改变B就会改变BGRImg)
TIPS：本文所有代码均在/Src/ImageProcessing/ColorSpace/ColorSpaces.py
这篇关于【ISP】HSV（2）的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
