[CVHSV 与 RGB：理解和利用 HSV 进行图像处理

ID:21809 / 打印

在上一篇文章中，我们探索了在 opencv 中处理 rgb 图像的基础知识，包括绘图以及调整亮度和对比度。虽然 rgb 色彩空间非常适合计算机显示器，因为它以屏幕发出的光强度来表示颜色，但它与人类在自然世界中感知颜色的方式并不相符。这就是 hsv（色相、饱和度、明度）发挥作用的地方——一个旨在以更接近人类感知的方式表示颜色的颜色空间。
在这篇文章中，我们将深入研究 hsv，了解其组件，探索其应用程序，并学习一些增强图像的酷技巧。

什么是单纯疱疹病毒？

hsv 代表色相、饱和度和明度：

色调 (h)：这是指颜色的类型 - 红色、绿色、蓝色等。虽然传统上以圆形光谱 (0°–360°) 上的度数来测量，但在 opencv 中，色调缩放为 0 –179 适合 8 位整数。这是映射：

0（或接近它）仍然代表红色。 60–89 对应绿色。 120–149 对应蓝色。 140–179 环绕回红色，完成圆形光谱。

饱和度 (s)：这定义了颜色的强度或纯度：完全饱和的颜色不含灰色且充满活力，饱和度较低的颜色显得更加褪色。
值 (v)：通常称为亮度，它测量亮度或暗度。通过分离这些组件，hsv 使分析和操作图像变得更容易，特别是对于颜色检测或增强等任务。颜色。

为了更好地理解这一点，情节打击很好地展示了色彩空间中的值

[CVHSV 与 RGB：理解和利用 HSV 进行图像处理

在 opencv 中将图像转换为 hsv

使用 cv2.cvtcolor() 函数在 opencv 中将图像转换为 hsv 非常简单。我们来看看：

import cv2 import matplotlib.pyplot as plt   image = cv2.imread('./test.png') plt.figure(figsize=(10,10)) plt.subplot(1,2,1) plt.imshow(image[:,:,::-1]) #plot as rgb  plt.title("rgb view") hsv= cv2.cvtcolor(image, cv2.color_rgb2hsv) plt.subplot(1,2,2) plt.imshow(hsv) plt.title("hsv view") plt.tight_layout() plt.show()

[CVHSV 与 RGB：理解和利用 HSV 进行图像处理

乍一看，hsv 情节可能看起来很奇怪——几乎像外星人。这是因为您的计算机尝试将 hsv 表示为 rgb 图像，即使 hsv 的组件（尤其是色调）并未直接映射到 rgb 值。例如：

色调（h）：以角度表示，在 opencv 中范围为 0 到 179（而不是像 rgb 通道那样为 0 到 255）。这会导致色调通道在基于 rgb 的绘图中主要显示为蓝色。

在接下来的示例中，我们不会使用个人资料图像，而是使用 flux ai image gen 模型生成的较暗的图像。因为它提供了比个人资料图片更好的 hsv 用户案例，我们可以更好地看到它的效果

[CVHSV 与 RGB：理解和利用 HSV 进行图像处理

通过直方图了解 hsv

为了更好地理解 rgb 和 hsv 之间的差异，让我们绘制每个通道的直方图。代码如下：

# plot the histograms plt.figure(figsize=(10, 6))  # rgb histogram plt.subplot(1, 2, 1) for i, color in enumerate(['r', 'g', 'b']):     plt.hist(image[:, :, i].ravel(), 256, [0, 256], color=color, histtype='step')     plt.xlim([0, 256]) plt.title("rgb histogram")  # hsv histogram plt.subplot(1, 2, 2) for i, color in enumerate(['r', 'g', 'b']):     plt.hist(hsv[:, :, i].ravel(), 256, [0, 256], color=color, histtype='step')     plt.xlim([0, 256]) plt.title("hsv histogram") plt.show()

[CVHSV 与 RGB：理解和利用 HSV 进行图像处理

从直方图中，您可以看到 hsv 通道与 rgb 通道有何不同。请注意 hsv 中的色调通道，其值介于 0 到 179 之间，代表不同的颜色区域，而饱和度和值则处理强度和亮度。

可视化色相、饱和度和明度

现在，让我们将 hsv 图像分解为各个组成部分，以更好地理解每个通道代表的含义：

# plot the individual hsv channels plt.figure(figsize=(10, 6)) plt.subplot(1, 3, 1) plt.imshow(hsv[:, :, 0], cmap='hsv')  # hue plt.title("hue") plt.subplot(1, 3, 2) plt.imshow(hsv[:, :, 1], cmap='gray')  # saturation plt.title("saturation") plt.subplot(1, 3, 3) plt.imshow(hsv[:, :, 2], cmap='gray')  # value plt.title("value") plt.tight_layout() plt.show()

[CVHSV 与 RGB：理解和利用 HSV 进行图像处理

色调：显示清晰的颜色区别，突出显示图像中的主色。
饱和度：较亮的区域代表鲜艳的色彩，而较暗的区域表示更柔和的灰色色调。
明度：突出亮度分布，光线充足的区域显得更亮。

hsv 治疗技巧

1. 亮度增强（数值均衡）

对于光照不均匀的图像，均衡值通道可以使较暗的区域更加明显，同时为较亮的区域提供“发光”效果。

equ = cv2.equalizehist(hsv[:, :, 2])  # equalize the value channel new_hsv = cv2.merge((hsv[:, :, 0], hsv[:, :, 1], equ)) new_image = cv2.cvtcolor(new_hsv, cv2.color_hsv2bgr)  # display results plt.figure(figsize=(10, 6)) plt.subplot(1, 2, 1) plt.imshow(image) plt.title("original image") plt.subplot(1, 2, 2) plt.imshow(new_image) plt.title("brightness enhanced") plt.tight_layout() plt.show()

[CVHSV 与 RGB：理解和利用 HSV 进行图像处理

2.色彩增强（饱和度均衡）

增强饱和度通道使图像中的颜色更加清晰和充满活力。

equ = cv2.equalizehist(hsv[:, :, 1])  # equalize the saturation channel new_hsv = cv2.merge((hsv[:, :, 0], equ, hsv[:, :, 2])) new_image = cv2.cvtcolor(new_hsv, cv2.color_hsv2bgr)  # display results plt.figure(figsize=(10, 6)) plt.subplot(1, 2, 1) plt.imshow(image) plt.title("original image") plt.subplot(1, 2, 2) plt.imshow(new_image) plt.title("color enhanced") plt.tight_layout() plt.show()

[CVHSV 与 RGB：理解和利用 HSV 进行图像处理

3. 滤色（隔离红色）

使用色调通道，我们可以隔离特定的颜色。例如，要提取红色调：

# Define range for red color lower_red = np.array([140, 0, 0]) upper_red = np.array([180, 255, 255])  # Create a mask mask = cv2.inRange(hsv, lower_red, upper_red) filtered_image = cv2.bitwise_and(image, image, mask=mask)  # Display results plt.figure(figsize=(10, 6)) plt.subplot(1, 2, 1) plt.imshow(image) plt.title("Original Image") plt.subplot(1, 2, 2) plt.imshow(filtered_image) plt.title("Red Filtered") plt.tight_layout() plt.show()

[CVHSV 与 RGB：理解和利用 HSV 进行图像处理