在本教程中，我們將了解計(jì)算機(jī)視覺中常用的色彩空間，并將其用于基于顏色分割。我們還將用C ++和Python共享演示代碼。

在進(jìn)行色彩分割時(shí)很多項(xiàng)目沒有考慮到不同光照條件的影響，會嚴(yán)重影響結(jié)果。在許多計(jì)算機(jī)視覺應(yīng)用中遇到這個(gè)問題，涉及基于顏色的分割，如膚色檢測，交通燈識別等。所以構(gòu)建一個(gè)強(qiáng)大的色彩檢測系統(tǒng)是很有必要的。

文章結(jié)構(gòu)如下：

1首何在OpenCV中讀取圖像并將其轉(zhuǎn)換為不同的顏色空間，并查看每個(gè)顏色空間的不同通道為我們提供的新信息。

2應(yīng)用一個(gè)簡單的顏色分割算法。

1 不同的色彩空間

在本節(jié)中，我們將介紹計(jì)算機(jī)視覺中使用的一些重要的色彩空間。我們不會描述它們背后的理論，我們只需要知道如何使用。

OpenCV顏色空間轉(zhuǎn)換很簡單，imread函數(shù)讀取圖像以BGR格式加載，cvtColor函數(shù)在不同的顏色空間之間進(jìn)行轉(zhuǎn)換。

下圖是不同的照明下的立方體圖像。第一張圖像是在陽光明媚的室外條件下拍攝的，而第二張圖像是在室內(nèi)光線條件正常的情況下拍攝的。

1.1RGB顏色空間

RGB顏色空間具有以下屬性： 1. 它是一種加色空間，其中顏色通過紅色R，綠色G和藍(lán)色B的線性組合獲得。1. 物體光照會影響該顏色空間各個(gè)通道值，三個(gè)顏色通道是具有相關(guān)性的。 讓我們將上面圖像分成R，G和B分量并觀察它們以更深入地了解色彩空間。

從下圖可以看到如果你看藍(lán)色通道，可以看到在室內(nèi)光照條件下第二張圖像中的魔方藍(lán)色和白色部分看起來相似，但第一張圖像有明顯差異。這種不均勻性使得在該顏色空間中基于顏色的分割非常困難。此外，兩個(gè)圖像的值之間存在總體差異。因此RGB顏色空間存在顏色值分布不均勻以及色度和亮度混合在一起的問題。

1.2 Lab色彩空間

類似RGB空間，Lab也有三個(gè)圖像通道。

• L：亮度通道，表亮度。
• a：顏色通道a，表示從綠色到洋紅色的顏色。
• b：顏色通道b，表示從藍(lán)色到黃色的顏色。

Lab顏色空間與RGB顏色空間完全不同。在RGB顏色空間中，顏色信息被分成三個(gè)通道，但是相同的三個(gè)通道也包含亮度信息。另一方面，在Lab顏色空間中，L通道獨(dú)立于顏色信息并僅只含亮度信息。另外兩個(gè)通道編碼顏色。

Lab顏色空間還具有以下特性： 1. 感知上均勻的色彩空間近似于我們?nèi)绾胃兄省?. 獨(dú)立于設(shè)備（捕獲或顯示）。1. 廣泛用于Adobe Photoshop。1. 通過復(fù)數(shù)變換方程與RGB顏色空間相關(guān)。 OpenCV中讀取圖像，轉(zhuǎn)換為Lab空間圖像結(jié)果如下圖所示：

• 從圖中可以清楚地看出，光照的變化主要影響l分量。1. 包含顏色信息的a和b分量，在光照的變化下沒有經(jīng)歷大的變化。1. 綠色，橙色和紅色（它們是a通道的主要顏色）的相應(yīng)值在b通道中沒有變化，同樣地，藍(lán)色和黃色（它們是b通道的主要顏色）在a通道中沒有變化。 ##

1.3  YCrCb顏色空間

YCrCb顏色空間源自RGB顏色空間，并具有以下三個(gè)成分。

• 通道Y：伽馬校正后從RGB獲得的亮度或亮度分量。
• 通道Cr：Cr=R-Y（紅色成分與亮度成分Y的距離）。
• 通道Cb：Cb=B-Y（藍(lán)色成分與亮度成分Y的距離）。

此顏色空間具有以下屬性。 1. 將亮度和色度分量分成不同的通道。1. 主要用于電視傳輸?shù)膲嚎s（Cr和Cb組件）。1. 取決于設(shè)備。 YCrCb顏色空間中分成其通道的兩個(gè)圖像如下所示：

對于照度變化，可以針對強(qiáng)度和顏色分量對LAB進(jìn)行類似的觀察。與LAB相比，室外圖像中紅色和橙色之間的感知差異較小。白色在所有3個(gè)組件中發(fā)生了變化。

1.4 HSV顏色空間

HSV顏色空間具有以下三個(gè)成分：

H色調(diào)，S飽和度，V明度。

HSV最大的特點(diǎn)是它只使用一個(gè)通道來描述顏色（H），這使得指定顏色變得非常直觀。但是HSV色彩取決于設(shè)備。

兩個(gè)圖像的H，S和V分量如下所示。

從下圖可以看到

H分量在兩個(gè)圖像中非常相似，這表明即使在光照變化下顏色信息也是完整的。

兩個(gè)圖像中的S分量也非常相似。

V分量表示亮度，因此它會因照明變化而發(fā)生變化。

紅色室外和室內(nèi)圖像的值之間存在巨大差異。這是因?yàn)镠值是以角度表示紅色表示起始角度。因此它可能會取角度 [300,360]和[0,60]之間的值。

2 如何使用這些顏色空間進(jìn)行分割

現(xiàn)在我們已經(jīng)了解了不同的顏色空間，讓我們首先嘗試使用它們來檢測魔方中的綠色。

2.1 獲取特定顏色的顏色值

找到每個(gè)顏色空間的綠色值的近似范圍。通過獲取每個(gè)像素的所有顏色空間的值，如下所示：

2.2 應(yīng)用分段閾值

該部分就不敘述了，詳情見參考，實(shí)際用處不大。只是應(yīng)用inRange函數(shù)選擇合適的閾值分割圖像而已。在實(shí)際中，通過顏色分割圖像一般效果很差。建議不要使用，了解下就行了。

到此這篇關(guān)于OpenCV實(shí)戰(zhàn)之OpenCV中的顏色空間的文章就介紹到這了,更多相關(guān)OpenCV顏色空間內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評論