hsv颜色空间

HSV色彩空间从心理学和视觉的角度出发，提出人眼的色彩知觉主要包含三要素：

  • H：色调（Hue，也称为色相）
  • S：饱和度（Saturation）
  • V：亮度（Value）

色调

在HSV色彩空间中，色调H的取值范围是[0,360]。8位图像内每个像素点所能表示的灰度级有28=256个，所以在8位图像内表示HSV图像时，要把色调的角度值映射到[0,255]范围内。在OpenCV中，可以直接把色调的角度值除以2，得到[0,180]之间的值，以适应8位二进制（256个灰度级）的存储和表示范围。

在HSV空间中，色调值为0表示红色，色调值为300表示品红色。

每个色调值对应一个指定的色彩，而与饱和度和亮度无关。在OpenCV中，将色调值除以2之后，会得到如下所示的色调值与对应的颜色。

确定值范围后，就可以直接在图像的H通道内查找对应的值，从而找到特定的颜色。例如，在HSV图像中，H通道内值为120的像素点对应蓝色。查找H通道内值为120的像素点，找到的就是蓝色像素点。在上述基础上，通过分析各种不同对象对应的HSV值，便可以查找不同的对象。

饱和度

进行色彩空间转换后，为了适应8位图的256个像素级，需要将新色彩空间内的数值映射到[0,255]范围内。所以，同样要将饱和度S的值从[0,1]范围映射到[0,255]范围内，通常可以选取100-255。

  • 作为灰度图像显示时，较亮区域对应的颜色具有较高的饱和度。
  • 如果颜色的饱和度很低，那么它计算所得色调就不可靠。

亮度

亮度的范围与饱和度的范围一致，都是[0,1]。同样，亮度值在OpenCV内也将值映射到[0,255]范围内。

亮度值越大，图像越亮；亮度值越低，图像越暗。

当亮度值为0时，图像是纯黑色。同样可以选取100-255范围。

根据hsv分量模型，各种颜色范围分布如下：

红色的范围是：[0, 43, 46]~[10,255,255]∪[156, 43, 46]~[180,255,255]。

红色比较特殊，覆盖了多个范围，处理起来增加了不少难度，可使用以下方法去获取红色。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
import cv2
import numpy as np
 
def extract_red(pic):
    ''''method1：使用inRange方法，拼接mask0,mask1'''
    
    img = io.imread(os.path.join(mask_path, filename))  # RGB
    print(img.shape)
    img = img[..., ::-1]  # 转换成BGR
    hsv = cv.cvtColor(img, cv.COLOR_BGR2HSV)
    h, w, c = img.shape
    
     # 红黄区间
    left = np.array([0, 100, 100])
    right = np.array([30, 255, 255])
    mask0 = cv.inRange(hsv, left, right)

    # 紫-砖红
    left = np.array([150, 100, 100])
    right = np.array([255, 255, 255])
    mask1 = cv.inRange(hsv, left, right)

    mask = mask0 + mask1  # 拼接两个区间
    color_map = cv.bitwise_and(img, img, mask=mask)  # hsv色彩图

得到的颜色结果如下：

仿射变换

图像融合

opencv中的图像融合可以在合成过程中根据图片的权重不同，呈现透明的效果；如果直接叠加图像，又可能改变颜色。但我的需求是不需要它透明，上面的图片直接覆盖底图。

可以使用按位AND，OR，NOT的运算实现。我直接放搜到的实例：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
import cv2
import numpy as np
 
img1 = cv2.imread('img.jpg')
img2 = cv2.imread('img1.jpg')
 
img2 = cv2.resize(img2,(100,100))
# I want to put logo on top-left corner, So I create a ROI
h,w,c = img2.shape
roi = img1[0:h, 0:w ]
 
# Now create a mask of logo and create its inverse mask also
img2gray = cv2.cvtColor(img2,cv2.COLOR_BGR2GRAY)
ret, mask = cv2.threshold(img2gray, 200, 255, cv2.THRESH_BINARY)  # mask的关键部分是0
mask_inv = cv2.bitwise_not(mask)  # 反码
 
# Now black-out the area of logo in ROI
img1_bg = cv2.bitwise_and(roi,roi,mask = mask)
 
# Take only region of logo from logo image.
img2_fg = cv2.bitwise_and(img2,img2,mask = mask_inv)
 
# Put logo in ROI and modify the main image
dst = cv2.add(img1_bg,img2_fg)
img1[0:h, 0:w ] = dst
 
cv2.imshow('res',img1)
cv2.waitKey(0)
cv2.destroyAllWindows()