OPENCV学习笔记3-6_RGB->HSV

1.1 HSV　

HSV(Hue, Saturation, Value)是根据颜色的直观特性由A. R. Smith在1978年创建的一种颜色空间, 也称六角锥体模型(Hexcone Model)。RGB颜色模型都是面向硬件的，而HSV颜色模型是面向用户的。

色调H

色调表示主色,使用的颜色名称（例如绿色、黄色和红色）就对应了不同的色调值，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

饱和度表示颜色接近光谱色的程度(颜色的鲜艳程度)。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。

明度V

明度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色彩空间通常用一个圆锥体来表示，圆锥体内部每个点代表一种特定的颜色。角度位置表示颜色的色调，到中轴

线的距离表示饱和度，高度表示亮度。圆锥体的顶点表示黑色，它的色调和饱和度是没有意义的。



通过把图像的通道分割到三个独立的图像中，可以直观地看到每一种HSV组件。因为处理的是8位图像，OpenCV会把通道值的范围重新调节为0~255（色调除外，色调的范围被调节为0~180）。

在对特定物体做初步检测时，颜色信息非常有用。例如在辅助驾驶程序中检测路标，就要凭借标准路标的颜色快速地提取出可能是路标的信息。另一个例子是检测皮肤的颜色，检测到的皮肤区域可作为图像中有人存在的标志。在手势识别中经常使用这个方法，用肤色检测来确定手的位置。

1.2 RGB to HSV conversion formula（转换公式）

The R,G,B values are divided by 255 to change the range from 0..255 to 0..1:

1.3 Example Code

void Rgb2Hsv( float R, float G, float B, float & H, float & S, float &V )
{
/*
* r,g,b values are from 0 to 1
* h = [0,360], s = [0,1], v = [0,1]
* if s == 0, then h = -1 (undefined)
*/
float min, max, delta, tmp;
tmp = min( R, G );
min = min( tmp, B );
tmp = max( R, G );
max = max( tmp, B );
V   = max;                  /* v */
delta   = max - min;
if ( max != 0 )
S = delta / max;        /* s */
else{
/* r = g = b = 0 // s = 0, v is undefined */
S   = 0;
H   = UNDEFINEDCOLOR;
return;
}
if ( R == max )
H = (G - B) / delta;            /* between yellow & magenta */
else if ( G == max )
H = 2 + (B - R) / delta;        /* between cyan & yellow */
else
H = 4 + (R - G) / delta;        /* between magenta & cyan */
H *= 60;                                /* degrees */
if ( H < 0 )
H += 360;
}

You can also try this code without floats (faster but less accurate):

typedef struct RgbColor
{
unsigned char r;
unsigned char g;
unsigned char b;
} RgbColor;

typedef struct HsvColor
{
unsigned char h;
unsigned char s;
unsigned char v;
} HsvColor;
HsvColor RgbToHsv(RgbColor rgb)
{
HsvColor hsv;
unsigned char rgbMin, rgbMax;

rgbMin = rgb.r < rgb.g ? (rgb.r < rgb.b ? rgb.r : rgb.b) : (rgb.g < rgb.b ? rgb.g : rgb.b);
rgbMax = rgb.r > rgb.g ? (rgb.r > rgb.b ? rgb.r : rgb.b) : (rgb.g > rgb.b ? rgb.g : rgb.b);

hsv.v = rgbMax;
if (hsv.v == 0)
{
hsv.h = 0;
hsv.s = 0;
return hsv;
}

hsv.s = 255 * long(rgbMax - rgbMin) / hsv.v;
if (hsv.s == 0)
{
hsv.h = 0;
return hsv;
}

if (rgbMax == rgb.r)
hsv.h = 0 + 43 * (rgb.g - rgb.b) / (rgbMax - rgbMin);   //43 1;85 2; 6; 255 ;
else if (rgbMax == rgb.g)
hsv.h = 85 + 43 * (rgb.b - rgb.r) / (rgbMax - rgbMin);
else
hsv.h = 171 + 43 * (rgb.r - rgb.g) / (rgbMax - rgbMin);

return hsv;
}

or use opencv,

Mat img_hsv,img_rgb;
img_rgb = imread("pic.png",1);
cvtColor(img_rgb,img_hsv,CV_RGB2HSV);
namedWindow("win1", CV_WINDOW_AUTOSIZE);
imshow("win1", img_hsv);
// split the 3 channels into 3 images
//std::vector<cv::Mat> channels;
//cv::split(hsv, channels);
// channels[0] is the Hue
// channels[1] is the Saturation
// channels[2] is the Value