认识HSV和RGB颜色空间

1. RGB模型

2. HSV模型  （Hue 色调，saturation 饱和度，value 明暗）

3. 如何理解RGB与HSV的联系

4. HSV在图像处理中的应用

5. opencv中RGB-->HSV实现

在图像处理中，最常用的颜色空间是RGB模型，常用于颜色显示和图像处理，三维坐标的模型形式，非常容易被理解。
而HSV模型，是针对用户观感的一种颜色模型，侧重于色彩表示，什么颜色、深浅如何、明暗如何。第一次接触HSV，书本里首先抛出的是一个圆锥模型，由于很少使用HSV，所以印象不深刻，但看一些资料时，HSV的概念时不时出来骚扰一些人的神经，所以，弄清楚HSV与RGB的关系，建立直观的印象是很有必要的。

1. RGB模型。

三维坐标：



原点到白色顶点的中轴线是灰度线，r、g、b三分量相等，强度可以由三分量的向量表示。

用RGB来理解色彩、深浅、明暗变化：

色彩变化： 三个坐标轴RGB最大分量顶点与黄紫青YMC色顶点的连线

深浅变化：RGB顶点和CMY顶点到原点和白色顶点的中轴线的距离

明暗变化：中轴线的点的位置，到原点，就偏暗，到白色顶点就偏亮

PS: 光学的分析

三原色RGB混合能形成其他的颜色，并不是说物理上其他颜色的光是由三原色的光混合形成的，每种单色光都有自己独特的光谱，如黄光是一种单色光，但红色与绿色混合能形成黄色，原因是人的感官系统所致，与人的生理系统有关。

只能说“将三原色光以不同的比例复合后，对人的眼睛可以形成与各种频率的可见光等效的色觉。”

2. HSV模型

倒锥形模型：



这个模型就是按色彩、深浅、明暗来描述的。

H是色彩

S是深浅， S = 0时，只有灰度

V是明暗，表示色彩的明亮程度，但与光强无直接联系，（意思是有一点点联系吧）。



3. RGB与HSV的联系

从上面的直观的理解，把RGB三维坐标的中轴线立起来，并扁化，就能形成HSV的锥形模型了。

但V与强度无直接关系，因为它只选取了RGB的一个最大分量。而RGB则能反映光照强度（或灰度）的变化。

v = max(r, g, b)

由RGB到HSV的转换：



"　　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。" --百度百科

4. HSV在图像处理应用

HSV在用于指定颜色分割时，有比较大的作用。

H和S分量代表了色彩信息。

分割应用：

      用H和S分量来表示颜色距离，颜色距离指代表两种颜色之间的数值差异。
     Androutsos等人通过实验对HSV颜色空间进行了大致划分，亮度大于75%并且饱和度大于20%为亮彩色区域，亮度小于25%为黑色区域，亮度大于75%并且饱和度小于20%为白色区域，其他为彩色区域。

   对于不同的彩色区域，混合H与S变量，划定阈值，即可进行简单的分割。

HSV的去阴影算法：

Improving shadow suppression in moving object detection with HSV color information

5. RGB --> HSV中的opencv实现

[cpp] view
plain copy

struct RGB2HSV_f  

{  

    typedef float channel_type;  

      

    RGB2HSV_f(int _srccn, int _blueIdx, float _hrange)  

    : srccn(_srccn), blueIdx(_blueIdx), hrange(_hrange) {}  

      

    void operator()(const float* src, float* dst, int n) const  

    {  

        int i, bidx = blueIdx, scn = srccn;  

        float hscale = hrange*(1.f/360.f);  

        n *= 3;  

      

        for( i = 0; i < n; i += 3, src += scn )  

        {  

            float b = src[bidx], g = src[1], r = src[bidx^2];  

            float h, s, v;  

              

            float vmin, diff;  

              

            v = vmin = r;  

            if( v < g ) v = g;  

            if( v < b ) v = b;       // v = max(b, g, r)  

            if( vmin > g ) vmin = g;  

            if( vmin > b ) vmin = b;  

              

            diff = v - vmin;  

            s = diff/(float)(fabs(v) + FLT_EPSILON);  // s = 1 - min/max  

            diff = (float)(60./(diff + FLT_EPSILON));  

            if( v == r )  

                h = (g - b)*diff;  

            else if( v == g )  

                h = (b - r)*diff + 120.f;  

            else  

                h = (r - g)*diff + 240.f;  

              

            if( h < 0 ) h += 360.f;  // h 求值  

              

            dst[i] = h*hscale;  

            dst[i+1] = s;  

            dst[i+2] = v;  

        }  

    }  

      

    int srccn, blueIdx;  

    float hrange;  

};  

RGB --> GRAY的实现 算法：

[cpp] view
plain copy

template<typename _Tp> struct RGB2Gray  

{  

    typedef _Tp channel_type;  

      

    RGB2Gray(int _srccn, int blueIdx, const float* _coeffs) : srccn(_srccn)  

    {  

        static const float coeffs0[] = { 0.299f, 0.587f, 0.114f };  // 三分量系数不同，人眼对绿色最敏感，所以G分量系数较大  

        memcpy( coeffs, _coeffs ? _coeffs : coeffs0, 3*sizeof(coeffs[0]) );  

        if(blueIdx == 0)  

            std::swap(coeffs[0], coeffs[2]);  

    }  

      

    void operator()(const _Tp* src, _Tp* dst, int n) const  // 运算  

    {  

        int scn = srccn;  

        float cb = coeffs[0], cg = coeffs[1], cr = coeffs[2];  

        for(int i = 0; i < n; i++, src += scn)  

            dst[i] = saturate_cast<_Tp>(src[0]*cb + src[1]*cg + src[2]*cr);  // 结果  

    }  

    int srccn;  

    float coeffs[3];  

};