OpenCV实现RGB颜色空间和HSI颜色空间的相互转换
2017-01-25 20:07
1096 查看
核心的转换公式：
RGB-->HSI
截图来自中科院刘定生老师的《数字图像处理与分析》课件。
HSI-->RGB
具体的数学公式参照冈萨雷斯版《数字图像处理(第三版)》432-434页，中译版的260-261页。
下面贴代码：
下面要说的RGB到HSI空间的转换。我是用OPENCV来实现图像处理的，OPENCV读入图像是存储在IplImage结构中。对于彩色图像可以分开成三个通道存储 cvLoadImage(imageName, 1);三个通道依次是blue, green, red. 在OPENCV中并没有实现转化成HSI空间，这个我们得针对每个像素点自己手动写，公式在上面那个链接里。 上代码
RGB-->HSI
截图来自中科院刘定生老师的《数字图像处理与分析》课件。
HSI-->RGB
具体的数学公式参照冈萨雷斯版《数字图像处理(第三版)》432-434页，中译版的260-261页。
下面贴代码：
1 #include "opencv_libs.h"
2 #include <highgui.h>
3 #include <cv.h>
4 #include <math.h>
5
6 /*
7 * 描述：实现RGB颜色模型到HSI颜色模型之间的相互转换
8 * 作者：qdsclove(qdsclove@gmail.com)
9 * 时间：16:01 4/17 星期三 2013
10 */
11
12 // 将HSI颜色空间的三个分量组合起来，便于显示
13 IplImage* catHSImage(CvMat* HSI_H, CvMat* HSI_S, CvMat* HSI_I)
14 {
15 IplImage* HSI_Image = cvCreateImage( cvGetSize( HSI_H ), IPL_DEPTH_8U, 3 );
16
17 for(int i = 0; i < HSI_Image->height; i++)
18 {
19 for(int j = 0; j < HSI_Image->width; j++)
20 {
21 double d = cvmGet( HSI_H, i, j );
22 int b = (int)(d * 255/360);
23 d = cvmGet( HSI_S, i, j );
24 int g = (int)( d * 255 );
25 d = cvmGet( HSI_I, i, j );
26 int r = (int)( d * 255 );
27
28 cvSet2D( HSI_Image, i, j, cvScalar( b, g, r ) );
29 }
30 }
31
32 return HSI_Image;
33 }
34
35 // 将HSI颜色模型的数据转换为RGB颜色模型的图像
36 IplImage* HSI2RGBImage(CvMat* HSI_H, CvMat* HSI_S, CvMat* HSI_I)
37 {
38 IplImage * RGB_Image = cvCreateImage(cvGetSize(HSI_H), IPL_DEPTH_8U, 3 );
39
40 int iB, iG, iR;
41 for(int i = 0; i < RGB_Image->height; i++)
42 {
43 for(int j = 0; j < RGB_Image->width; j++)
44 {
45 // 该点的色度H
46 double dH = cvmGet( HSI_H, i, j );
47 // 该点的色饱和度S
48 double dS = cvmGet( HSI_S, i, j );
49 // 该点的亮度
50 double dI = cvmGet( HSI_I, i, j );
51
52 double dTempB, dTempG, dTempR;
53 // RG扇区
54 if(dH < 120 && dH >= 0)
55 {
56 // 将H转为弧度表示
57 dH = dH * 3.1415926 / 180;
58 dTempB = dI * (1 - dS);
59 dTempR = dI * ( 1 + (dS * cos(dH))/cos(3.1415926/3 - dH) );
60 dTempG = (3 * dI - (dTempR + dTempB));
61 }
62 // GB扇区
63 else if(dH < 240 && dH >= 120)
64 {
65 dH -= 120;
66
67 // 将H转为弧度表示
68 dH = dH * 3.1415926 / 180;
69
70 dTempR = dI * (1 - dS);
71 dTempG = dI * (1 + dS * cos(dH)/cos(3.1415926/3 - dH));
72 dTempB = (3 * dI - (dTempR + dTempG));
73 }
74 // BR扇区
75 else
76 {
77 dH -= 240;
78
79 // 将H转为弧度表示
80 dH = dH * 3.1415926 / 180;
81
82 dTempG = dI * (1 - dS);
83 dTempB = dI * (1 + (dS * cos(dH))/cos(3.1415926/3 - dH));
84 dTempR = (3* dI - (dTempG + dTempB));
85 }
86
87 iB = dTempB * 255;
88 iG = dTempG * 255;
89 iR = dTempR * 255;
90
91 cvSet2D( RGB_Image, i, j, cvScalar( iB, iG, iR ) );
92 }
93 }
94
95 return RGB_Image;
96 }
97
98
99 int main()
100 {
101 IplImage* img = cvLoadImage("lena.bmp");
102
103 // 三个HSI空间数据矩阵
104 CvMat* HSI_H = cvCreateMat( img->height, img->width, CV_32FC1 );
105 CvMat* HSI_S = cvCreateMat( img->height, img->width, CV_32FC1 );
106 CvMat* HSI_I = cvCreateMat( img->height, img->width, CV_32FC1 );
107
108 // 原始图像数据指针, HSI矩阵数据指针
109 uchar* data;
110
111 // rgb分量
112 byte img_r, img_g, img_b;
113 byte min_rgb; // rgb分量中的最小值
114 // HSI分量
115 float fHue, fSaturation, fIntensity;
116
117 for(int i = 0; i < img->height; i++)
118 {
119 for(int j = 0; j < img->width; j++)
120 {
121 data = cvPtr2D(img, i, j, 0);
122 img_b = *data;
123 data++;
124 img_g = *data;
125 data++;
126 img_r = *data;
127
128 // Intensity分量[0, 1]
129 fIntensity = (float)((img_b + img_g + img_r)/3)/255;
130
131 // 得到RGB分量中的最小值
132 float fTemp = img_r < img_g ? img_r : img_g;
133 min_rgb = fTemp < img_b ? fTemp : img_b;
134 // Saturation分量[0, 1]
135 fSaturation = 1 - (float)(3 * min_rgb)/(img_r + img_g + img_b);
136
137 // 计算theta角
138 float numerator = (img_r - img_g + img_r - img_b ) / 2;
139 float denominator = sqrt(
140 pow( (img_r - img_g), 2 ) + (img_r - img_b)*(img_g - img_b) );
141
142 // 计算Hue分量
143 if(denominator != 0)
144 {
145 float theta = acos( numerator/denominator) * 180/3.14;
146
147 if(img_b <= img_g)
148 {
149 fHue = theta ;
150 }
151 else
152 {
153 fHue = 360 - theta;
154 }
155 }
156 else
157 {
158 fHue = 0;
159 }
160
161 // 赋值
162 cvmSet( HSI_H, i, j, fHue );
163 cvmSet( HSI_S, i, j, fSaturation);
164 cvmSet( HSI_I, i, j, fIntensity );
165 }
166 }
167
168 IplImage* HSI_Image = catHSImage( HSI_H, HSI_S, HSI_I );
169 IplImage* RGB_Image = HSI2RGBImage( HSI_H, HSI_S, HSI_I );
170
171 cvShowImage("img", img);
172 cvShowImage("HSI Color Model", HSI_Image);
173 cvShowImage("RGB Color Model", RGB_Image);
174
175 cvWaitKey(0);
176
177 cvReleaseImage( &img );
178 cvReleaseImage( &HSI_Image );
179 cvReleaseImage( &RGB_Image );
180 cvReleaseMat( &HSI_H);
181 cvReleaseMat( &HSI_S);
182 cvReleaseMat( &HSI_I);
183
184 cvDestroyAllWindows();
185
186 return 0;
187 }
另一种方法：
对彩色图像处理的时候，一般都是基于颜色空间来做的，比如要检测一片连续的蓝色，就可以基于颜色空间来实现分割。大家首先想到的是RGB，但是这里有个问题。RGB关联太大，每个通道都编入了亮度信息，容易受周围环境的处理，比如说光照不足。而HSI空间就不会。HSI空间是从人的视觉系统出发用色调(Hue), 色饱和度（Situration）和亮度（Intensity）来描述颜色，一旦用HSI空间就可以从色调通道中分离出蓝色色调，蓝色色调差不多在220左右。下面要说的RGB到HSI空间的转换。我是用OPENCV来实现图像处理的，OPENCV读入图像是存储在IplImage结构中。对于彩色图像可以分开成三个通道存储 cvLoadImage(imageName, 1);三个通道依次是blue, green, red. 在OPENCV中并没有实现转化成HSI空间，这个我们得针对每个像素点自己手动写，公式在上面那个链接里。 上代码
// HSI.cpp : RGB TO HSI并显示出来
//
#include <stdio.h>
#include <math.h>
#include <cv.h>
#include <highgui.h>
#include <cxcore.h>
#include <cvaux.h>
int min(int a, int b, int c);
int main(int argc, char ** argv)
{
IplImage * Img = cvLoadImage(argv[1], 1);
IplImage * HImg = cvCreateImage(cvGetSize(Img), IPL_DEPTH_8U, 1);
IplImage * SImg = cvCreateImage(cvGetSize(Img), IPL_DEPTH_8U, 1);
IplImage * IImg = cvCreateImage(cvGetSize(Img), IPL_DEPTH_8U, 1);
if( Rgb2Hsi(Img, HImg, SImg, IImg) == 0)
{
printf("Convert Error!\n");
exit(-1);
}
//高斯滤波先，以平滑图像
cvSmooth(SImg, SImg, CV_GAUSSIAN, 3, 0, 0, 0);
// cvThreshold(SImg, SImg, 100, 255, CV_THRESH_BINARY);
IplImage *pImgCanny = cvCreateImage(cvGetSize(SImg), IPL_DEPTH_8U, 1);
cvCanny(SImg, pImgCanny, 50, 150, 3);
cvNamedWindow("Img", 1);
cvNamedWindow("HImg", 1);
cvNamedWindow("SImg", 1);
cvNamedWindow("IImg", 1);
cvShowImage("Img", Img);
cvShowImage("HImg", HImg);
cvShowImage("SImg", SImg);
cvShowImage("IImg", IImg);
cvWaitKey(0);
return 0;
}
int Rgb2Hsi(const IplImage* src, IplImage* dataH, IplImage* dataS, IplImage* dataI)
{
//返回0：成功，1：失败
//输入为彩色图像src, 输出dataH,dataS,dataI,分别为HSI模型的H、S、I分量
int y,x,offsetSrc,offsetHsi;
int step,channels,step1;
int r,g,b,minRgb;
double cosThita,num,den,S,H;
uchar *dataImg;
uchar *dataS1;
uchar *dataI1;
uchar *dataH1;
channels = src->nChannels;
dataImg = (uchar *)src->imageData;
dataI1 = (uchar *)dataI->imageData;
dataH1=(uchar *)dataH->imageData;
dataS1=(uchar *)dataS->imageData;
if (channels!=3)
{
printf("The input image is not 3-channels!\n");
return 0;
}
step=src->widthStep;
step1=dataI->widthStep;
for (y=0; y<src->height; y++)
for (x=0; x<src->width; x++)
{
offsetSrc = y*step + x*channels;
offsetHsi=y*step1+x;
b = dataImg[offsetSrc];
g=dataImg[offsetSrc+1];
r=dataImg[offsetSrc+2];
dataI1[offsetHsi] = (int)((r+g+b)/3+0.5);
num=(2*r-g-b)/2;
den=sqrt((r-g)*(r-g)+(r-b)*(g-b));
if (den==0)
den=0.01;
cosThita=acos(num/den);
minRgb = min(r, g, b);
den=r+g+b;
if (den==0)
den=0.01;
S=1-3*minRgb/den;
dataS1[offsetHsi]=(int) (S*255+0.5);//将S分量和H分量都扩充到[0,255]区间以便于显示
//一般H分量在[0,2pi]之间，S在[0,1]之间
if (b<=g)
H=cosThita/(2*3.14);
else
H=(2*3.14-cosThita)/(2*3.14);
dataH1[offsetHsi] = (int)(H*255+0.5);
if (S==0)
dataH1[offsetHsi]=0;
}
return 1;
}
int min(int a, int b, int c)
{
int m = a;
if(m > b)
m = b;
if( m > c)
m = c;
return m;
}
内容来自用户分享和网络整理，不保证内容的准确性，如有侵权内容，可联系管理员处理 
相关文章推荐
- OpenCV实现RGB颜色空间和HSI颜色空间的相互转换
- OpenCV实现RGB颜色空间和HSI颜色空间的相互转换
- OpenCV实现RGB颜色空间和HSI颜色空间的相互转换
- OpenCV实现RGB颜色空间和HSI颜色空间的相互转换
- 使用OpenCV实现RGB、HSI、CMYK颜色空间的转换
- 数字图像处理 颜色空间RGB、HSI、CMYK、YUV的相互转换
- opencv实现将RGB图像转换到HSI空间
- 数字图像处理 颜色空间RGB、HSI、CMYK、YUV的相互转换
- HSI颜色空间和RGB颜色空间之间的相互转换
- Java 利用 ICC 色彩空间 color space profile 实现 RGB 和 CMYK 颜色的相互转换
- RGB空间与HSV空间的相互转换（C++实现，修正网上大多数的代码错误）
- VC编程实现色彩空间RGB与HSB(HSV)相互转换
- flex实现16进制颜色和RGB颜色值的相互转换
- 【OpenCV】颜色空间RGB与HSV(HSL)的转换
- VC编程实现色彩空间RGB与XYZ相互转换
- RGB空间与HSV空间的相互转换（C++实现，修正网上大多数的代码错误）
- OPENCV中 RGB 转换到 HSI空间
- HSV颜色空间 与 RGB 颜色空间的相互转换
- VC编程实现色彩空间RGB与XYZ相互转换
- RGB与HSI空间相互转换