【学习 OpenCV】—— 色彩空间（RGB、HSV、rgb2hsv、rgb2gray 的实现）

RGB 色彩空间的基础是对叠加型三原色（红绿蓝）的应用。之所以选择它们，是因为把它们组合起来后可以产生色域很宽（256*256*256）的各种颜色。实际上，人类的视觉系统（ Human visual system，HVS）也是基于对三原色的感知，因为视锥细胞的灵敏度位于红绿蓝的光谱周围。这通常是数字成像中默认的色彩空间，因为这就是人类看数字图像的方式。

但是，利用 RGB 色彩空间计算颜色之间的差距，并不是衡量两个颜色相似度（similarity）的最好方式。RGB 并不是感知均匀的色彩空间。也就是说，两种具有一定差距的颜色可能看起来非常接近，而另外两种具有同样差距的颜色看起来却差别很大。

未解决这个问题，引入了一些具有感知均匀特性的颜色表示法。CIEL*a*b* 就是一种这样的颜色模型。把图像转换到这种表示法后，我们就可以真正地使用图像像素与目标颜色之间的欧氏距离，来度量颜色之间的视觉相似度。

0. rgb2gray 的实现

def rgb2gray(rgb):
return np.dot(rgb[..., :3], [0.299, 0.587, 0.144])

1. rgb2hsv

HSV，H：hue，S：saturation，V：value

[0, 255] ⇒ [0, 1]，也即将原始的 rgb 3 通道上的 256 级灰度值，线性压缩在 0-1 区间内；

R′=R/255，G′=G/255，B′=B/255

Cmax=max(R′,G′,B′)，Cmin=min(R′,G′,B′)，Δ=Cmax−Cmin

此时便可以计算 hsv 了：

H=⎧⎩⎨⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪0°,60°⋅(G′−B′Δmod6),60°⋅(B′−R′Δ+2),60°⋅(R′−G′Δ+4),Δ=0R′=CmaxG′=CmaxB′=Cmax,S=⎧⎩⎨0,ΔCmax,Cmax=0Cmax≠0,V=Cmax