色彩空间

色彩空间在物体追踪、特征检测等（简单来说就是识别一个东西）扮演着很重要的角色。毕竟每个物体都有特定的颜色和特征，我们可以应用其物体与环境颜色上的差异，从图像中提取特定范围的颜色并加上一些逻辑性的判断，获取待检测物体的位置。

颜色

上图可见的是一些常见的颜色，我们人眼一看并可辨认是什么颜色。但是在计算机信息上，我们该如何去定义或描述这些颜色呢？这就是颜色空间的作用了。不同的颜色空间以不同的方式去定义各个颜色，同样的颜色在不同的颜色空间有着不同的值，这是因为每一个颜色空间都有不同的性质。以下我们讨论并比较颜色空间在图像分割上的一些性质。

不同的色彩空间

在本节中，我们将介绍计算机视觉中使用的一些重要色彩空间。我们不会描述它们背后的理论，因为可以在Wikipedia上找到它。相反，我们将发展一个基本的直觉并学习一些重要的属性，这些属性对于以后的决策很有用。

让我们加载2个相同立方体的图像，如下所示。默认情况下，它将以BGR格式加载。

Mat bright = imread("cube1.jpg");
Mat dark = imread("cube8.jpg");


两张在不同明亮度拍摄的魔方照片

下面我们要从不同的颜色空间分析这例子图像的颜色性质。从常用到非常用，我会介绍：

BGR颜色空间(RGB)

HSV颜色空间

Lab颜色空间

YCrCb颜色空间

最后我顺带介绍灰度图(Grayscale)

我们可以使用OpenCV函数cvtColor()在不同的色彩空间之间进行转换。例：

cv::cvtColor(input_img, output_img, cv::COLOR_BGR2LAB);   //从BGR转LAB
cv::cvtColor(input_img, output_img, cv::COLOR_BGR2HSV);   //从BGR转HSV
cv::cvtColor(input_img, output_img, cv::COLOR_BGR2YCrCb);   //从BGR转YCrCb

BGR色彩空间


BGR色彩空间

我制作了个简单的颜色拉条，可以手动尝试每个颜色通道对颜色的关系。

BGR色彩空间具有以下属性

它是一种加色空间，其中颜色是通过红色，绿色和蓝色值的线性组合获得的。
这三个通道与撞击表面的光量相关。

取值范围

在OpenCV中，BGR的取值范围(默认的CV_8U格式)为：

0 >= B >= 255
0 >= G >= 255
0 >= R >= 255

某个通道的值越高，代表那个性质是越高的，反之亦然。如，R通道的值越高，那个像素颜色就越红。

让我们将两个图像的B，G和R通道分离，然后观察。


RGB色彩空间的不同通道蓝色（B），绿色（G），红色（R）分别显示

观察结果

如果你查看蓝色通道，可以看到在室内照明条件下，第二张图像中的蓝色和白色部分看起来相似，但是第一张图像中有明显的不同。这种不均匀性使得在这种颜色空间中基于颜色的分割非常困难。此外，两个图像的值之间存在整体差异。下面我们总结下与RGB颜色空间相关的固有问题：

严重感到不一致性。
色度（颜色相关信息）和亮度（强度相关信息）数据的混合。

HSV色彩空间

HSV颜色空间具有以下三个组成部分

H – 色相（主波长）。
S – 饱和度（纯度/颜色阴影）。
V – 值（强度）。

让我们列举一下它的一些属性。

好事是，它仅使用一个通道来描述颜色（H），从而非常直观地指定颜色。
取决于设备。

取值范围

在OpenCV中，HSV的取值范围(默认的CV_8U格式)为：

0 >= H >= 360 ⇒ OpenCV range = H/2 (0 >= H >= 180)
0 >= S >= 1 ⇒ OpenCV range = 255*S (0 >= S >= 255)
0 >= V >= 1 ⇒ OpenCV range = 255*V (0 >= V >= 255)

这两个图像的H，S和V分量如下所示。

analysis_hsv.cpp
...
Mat brightHSV, darkHSV; 

// 转换颜色空间
cvtColor(bright, brightHSV, COLOR_BGR2HSV);
cvtColor(dark, darkHSV, COLOR_BGR2HSV); 

Mat bright_hsv[3];  
split(brightHSV, bright_hsv);   // 通道分离

Mat dark_hsv[3];  
split(darkHSV, dark_hsv);   // 通道分离

String c[3] = {"H", "S", "V"}; 
for (int i=0; i<3; i++) {
     imshow("bright " + c[i], bright_hsv[i]); 
}
for (int i=0; i<3; i++) {
     imshow("dark " + c[i], dark_hsv[i]); 
}

waitKey(0); 
destroyAllWindows();
...


HSV颜色空间中的色相（H），饱和度（S）和值（V）分量

观察结果

两个图像中的H分量非常相似，这表明即使在光照变化下颜色信息也完整无缺。
在两个图像中，S分量也非常相似。
V分量捕获落在其上的光量，因此由于照明的变化而发生变化。
室外红色图像和室内图像的红色值之间存在巨大差异。这是因为色相H为轮（0度到360度），红色表示起始角度。因此，它可能取[300，360]到[0，60]之间的值。

LAB颜色空间


LAB色彩空间

Lab颜色空间包含三个组成部分。

L –亮度（强度）。
a –颜色成分，从绿色到洋红色。
b –颜色成分，从蓝色到黄色。

Lab颜色空间与RGB颜色空间完全不同。在RGB颜色空间中，颜色信息分为三个通道，但是相同的三个通道中也包含亮度信息。而在Lab颜色空间中，L通道与颜色信息无关，并且仅包含亮度信息，其他两个通道对颜色进行编码。

它具有以下属性。

感知均匀的色彩空间，近似我们对色彩的感知方式。
与设备无关（捕获或显示）。
在Adobe Photoshop中广泛使用。
通过复杂的转换方程与RGB颜色空间切换。

取值范围

在OpenCV中，Lab的取值范围(默认的CV_8U格式)为：

0 >= L >= 100 ⇒ OpenCV range = L*255/100 (1 >= L >= 255)
-127 >= a >= 127 ⇒ OpenCV range = a + 128 (1 >= a >= 255)
-127 >= b >= 127 ⇒ OpenCV range = b + 128 (1 >= b >= 255)

让我们查看Lab颜色空间中的两个图像，这些图像分为三个通道。

analysis_lab.cpp
...
Mat brightLAB, darkLAB; 

// 转换颜色空间
cvtColor(bright, brightLAB, COLOR_BGR2LAB);
cvtColor(dark, darkLAB, COLOR_BGR2LAB); 

Mat bright_lab[3];  
split(brightLAB, bright_lab);   // 通道分离

Mat dark_lab[3];  
split(darkLAB, dark_lab);   // 通道分离

String c[3] = {"L", "a", "b"}; 
for (int i=0; i<3; i++) {
     imshow("bright " + c[i], bright_lab[i]); 
}
for (int i=0; i<3; i++) {
     imshow("dark " + c[i], dark_lab[i]); 
}

waitKey(0); 
destroyAllWindows();
...


LAB颜色空间中的亮度（L）和颜色分量（A，B）。

观察结果

从图中可以很明显地看出，亮度的变化主要影响了L分量。
包含颜色信息的A和B组件没有发生大的变化。
在两图中，绿色、红色和橙色在B值上区别不大（而在A值上却是极端），蓝色和黄色在A值上区别不大（而在B值上却是极端）

YCrCb颜色空间


YCrCb颜色空间

YCrCb颜色空间是从RGB颜色空间派生的，并且具有以下三个组件。

Y – 伽玛校正后从RGB获得的亮度或亮度分量（Lumaninance，Luma）。
Cr = R – Y（红色值距离Luma的多远）。
Cb = B – Y（蓝色值距离Luma的多远）。


RGB转换成YCrCb的方程

此色彩空间具有以下属性。

将亮度和色度分量分成不同的通道。
通常用于电视传输的压缩（Cr和Cb成分）。
取决于设备。

YCrCb颜色空间中的两个图像分为两个通道，如下所示

analysis_ycrcb.cpp
...
Mat brightYCrCb, darkYCrCb; 

// 转换颜色空间
cvtColor(bright, brightYCrCb, COLOR_BGR2YCrCb);
cvtColor(dark, darkYCrCb, COLOR_BGR2YCrCb); 

Mat bright_ycrcb[3];  
split(brightYCrCb, bright_ycrcb);   // 通道分离

Mat dark_ycrcb[3];  
split(darkYCrCb, dark_ycrcb);   // 通道分离

String c[3] = {"Y", "Cr", "Cb"}; 
for (int i=0; i<3; i++) {
     imshow("bright " + c[i], bright_ycrcb[i]); 
}
for (int i=0; i<3; i++) {
     imshow("dark " + c[i], dark_ycrcb[i]); 
}

waitKey(0); 
destroyAllWindows();
...


YCrCb颜色空间中的亮度（Y）和色度（Cr，Cb）分量

观察结果

和LAB一样，亮度Y会受到光线影响，而颜色成分Cr和Cb不会受到光线影响。
与LAB相比，即使在室外图像中，红色和橙色之间的感知差异也较小。
白色在三个颜色通道有不一样的值。

灰度图(Grayscale)

单通道图像我们称为灰度图。它只包含图像的光度信息，并没有颜色信息。所以我们在显示灰度图时一定是只有“灰色”。
我们可以一样使用cvtColor变换图像成灰度图。常用的用法为： cvtColor(img, gray, COLOR_BGR2GRAY); 我们也可以在读取图像时先“下手为强”。可以在第二个参数填上IMREAD_GRAYSCALE或0，将会返回一个单通道灰度图。用法：
img = imread("path/to/img.jpg", IMREAD_GRAYSCALE);

取值范围

在OpenCV中，灰度图的取值范围(默认的CV_8U格式)为：

0 ~ 255