基础：

RGB图像是一种常见的色彩空间类型，除此之外还有一些其他的色彩空间，比较常见的包括GRAY色彩空间（灰度图像）、XYZ色彩空间、YCrCb色彩空间、HSV色彩空间、HLS色彩空间、CIEL*a*b*色彩空间、CIEL*u*v*色彩空间、Bayer色彩空间。每个色彩空间都有自己擅长的处理问题的领域，因此，为了更方便地处理某个具体问题，就要用到色彩空间类型转换。

色彩空间类型转换就是指，将图像从一个色彩空间转换到另外一个色彩空间。

色彩空间也称为颜色空间、彩色空间、颜色模型、彩色模型、色彩模型等。

4.1GRAY色彩空间

GRAY(灰度图像）通常指8位灰度图，其具有256个灰度级，像素值的范围为【0-255】

Gray=0.299R+0.587G+0.114B

Gray=（R+G+B）/3

4.2类型转换函数

Dst=cv2.cvtColor(src,code)

a=cv2.imread("lenacolor.png",-1)
aa=cv2.imread("lena256.bmp",-1)
b=cv2.cvtColor(a,cv2.COLOR_BGR2GRAY)#BGR图像转灰度图像
c=cv2.cvtColor(a,cv2.COLOR_BGR2RGB)#BGR图像转RGB图像
d=cv2.cvtColor(aa,cv2.COLOR_GRAY2BGR)#灰度值转换成BGR图像
print(d.shape)
cv2.imshow("a",a)
cv2.imshow("BGR2GRAY",b)
cv2.imshow("BGR2RGB",c)
cv2.imshow("GRAY2BGR",d)
cv2.waitKey()
cv2.destroyAllWindows()

通过数组观察转换效果

例4.1将BGR图像转换为灰度图像

Gray=0.299R+0.587G+0.114B

#4.1将BGR图像转换为灰度图像
import cv2
import numpy as np
img=np.random.randint(0,256,size=[2,4,3],dtype=np.uint8)
rst=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
print("img=\n",img)
print("rst=\n",rst)
print("像素点(1,0)直接计算得到的值=",
      img[1,0,0]*0.114+img[1,0,1]*0.587+img[1,0,2]*0.299)
print("像素点(1,0)使用公式cv2.cvtColor()转换值=",rst[1,0])

print(img[1,0,0])
print(img[1,0,1])
print(img[1,0,2])

运行结果：

img=

 [[[ 56  98  47]

  [201 140 198]

  [246 255 167]

  [108 176 148]]

 [[ 76  27 104]

  [121 115 129]

  [163   7 136]

  [249  93 123]]]

rst=

 [[ 78 164 228 160]

 [ 56 120  63 120]]

像素点(1,0)直接计算得到的值= 55.608999999999995

像素点(1,0)使用公式cv2.cvtColor()转换值= 56

76

27

104

#例4.2将灰度图像转换为BGR图像
import cv2
import numpy as np
img=np.random.randint(0,256,size=[2,4],dtype=np.uint8)
rst=cv2.cvtColor(img,cv2.COLOR_GRAY2BGR)
print("img=\n",img)
print("rst=\n",rst)

运行结果：

img=

 [[237  60 217  91]

 [113  41 236 166]]

rst=

 [[[237 237 237]

  [ 60  60  60]

  [217 217 217]

  [ 91  91  91]]

 [[113 113 113]

  [ 41  41  41]

  [236 236 236]

  [166 166 166]]]

上述程序进一步印证了，当图像由GRAY色彩空间转换到RGB/BGR色彩空间时，最终所有通道的值都是相同。

R=Gray

G=Gray

B=Gray

例4.3将图像在BGR和RGB模式之间相互转换

import cv2
import numpy as np
img=np.random.randint(0,256,size=[2,4,3],dtype=np.uint8)
rgb=cv2.cvtColor(img,cv2.COLOR_BGR2RGB)
bgr=cv2.cvtColor(rgb,cv2.COLOR_RGB2BGR)
print("img=\n",img)
print("rgb=\n",rgb)
print("bgr=\n",bgr)

运行结果：

img=

 [[[ 24 141  13]

  [201  62 193]

  [146  85 152]

  [ 81 237   4]]

 [[ 82 131 106]

  [ 59 199  42]

  [141 195 122]

  [189 153 193]]]

rgb=

 [[[ 13 141  24]

  [193  62 201]

  [152  85 146]

  [  4 237  81]]

 [[106 131  82]

  [ 42 199  59]

  [122 195 141]

  [193 153 189]]]

bgr=

 [[[ 24 141  13]

  [201  62 193]

  [146  85 152]

  [ 81 237   4]]

 [[ 82 131 106]

  [ 59 199  42]

  [141 195 122]

  [189 153 193]]]

从程序可以看到，在RGB和BGR模式之间相互转换时，R通道和B通道的位置发生了交换。

图像处理实例

#例4.4 将图像在BGR模式和灰度图像之间相互转换
#RGB<->GRAY
import cv2
lena=cv2.imread("lenacolor.png")
gray=cv2.cvtColor(lena,cv2.COLOR_BGR2GRAY)
rgb=cv2.cvtColor(gray,cv2.COLOR_GRAY2BGR)
#==========打印shape============
print("lena.shape=",lena.shape)
print("gray.shape=",gray.shape)
print("rgb.shape=",rgb.shape)
#==========显示效果============
cv2.imshow("lena",lena)
cv2.imshow("gray",gray)
cv2.imshow("rgb",rgb)
cv2.waitKey()
cv2.destroyAllWindows()

#4.5将图像从BGR模式转换为RGB模式
import cv2
lena=cv2.imread("lenacolor.png")
rgb = cv2.cvtColor(lena, cv2.COLOR_BGR2RGB)
cv2.imshow("lena",lena)
cv2.imshow("rgb",rgb)
cv2.waitKey()
cv2.destroyAllWindows()

4.4HSV色彩空间

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）

1.色调

在HSV色彩空间中，色调H的取值范围为【0,360】,8位图像内每个像素点所能表示的灰度级有28=256个，所有在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。

色调值及对应颜色

色调值（度）

颜色

0

红色

60

黄色

120

绿色

180

青色

240

蓝色

300

品红色

在OPENCV中，将色调值除以2之后，会得到色调值与对应的颜色

色调值（度）

颜色

0

红色

30

黄色

60

绿色

90

青色

120

蓝色

150

品红色

2.    饱和度

饱和度值的范围是【0,1】

灰度颜色所包含的R、G、B的成分是相等的，相当于一种极不饱和的颜色，所以，灰度颜色的饱和度值是0.

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靠谱。

3.    亮度V

亮度的范围都是【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。

#4.6在OpenCV中，测试RGB色彩空间中不同颜色的值转换到HSV色彩空间后的对应值
import cv2
import numpy as np
#=========测试下OpenCV中蓝色的HSV模式值=============
imgBlue=np.zeros([1,1,3],dtype=np.uint8)
imgBlue[0,0,0]=255
Blue=imgBlue
BlueHSV=cv2.cvtColor(Blue,cv2.COLOR_BGR2HSV)
print("Blue=\n",Blue)
print("BlueHSV=\n",BlueHSV)
#=========测试下OpenCV中绿色的HSV模式值=============
imgGreen=np.zeros([1,1,3],dtype=np.uint8)
imgGreen[0,0,1]=255
Green=imgGreen
GreenHSV=cv2.cvtColor(Green,cv2.COLOR_BGR2HSV)
print("Green=\n",Green)
print("GreenHSV=\n",GreenHSV)
#=========测试下OpenCV中红色的HSV模式值=============
imgRed=np.zeros([1,1,3],dtype=np.uint8)
imgRed[0,0,2]=255
Red=imgRed
RedHSV=cv2.cvtColor(Red,cv2.COLOR_BGR2HSV)
print("Red=\n",Red)
print("RedHSV=\n",RedHSV)

运行结果：

Blue=

 [[[255   0   0]]]

BlueHSV=

 [[[120 255 255]]]

Green=

 [[[  0 255   0]]]

GreenHSV=

 [[[ 60 255 255]]]

Red=

 [[[  0   0 255]]]

RedHSV=

 [[[  0 255 255]]]

4.4.3标记指定颜色

1.     通过inRange函数锁定特定值

Cv2.inRange（）来判断图像内像素点的像素值是否在指定的范围内，其语法格式为：

Dst=cv2.inRange(src,lowerb,upperb）

说明：

dst表示输出结果，大小和src一致

src表示要检查的数组或图像

lowerb表示范围下界

upperb表示范围上界

返回值dst与src等大小，其值取决于src中对应位置上的值是否处于区间[lowerb，upperb]内：

如果src值处于该指定区间内，则dst中对应位置上的值为255。

如果src值不处于该指定区间内，则dst中对应位置上的值为0。

#4.7使用函数cv2.inRange()将某个图像内的在[100,200]内的值标注出来
import cv2
import numpy as np
img=np.random.randint(0,256,size=[5,5],dtype=np.uint8)
min=100
max=200
mask = cv2.inRange(img, min, max)
print("img=\n",img)
print("mask=\n",mask)

运行结果：

img=

 [[143 206 226  68 237]

 [ 48   0 216 122  60]

 [109 108  47  50  26]

 [232 232   0  20 216]

 [ 79 233  18 188 246]]

mask=

 [[255   0   0   0   0]

 [  0   0   0 255   0]

 [255 255   0   0   0]

 [  0   0   0   0   0]

 [  0   0   0 255   0]]

说明：在100-200内的值标记为255，不在100-200范围内的值标记为0.

#4.8正常显示某个图像内的感兴趣区域（ROI),而将其余区域显示为黑色
import cv2
import numpy as np
img=np.ones([5,5],dtype=np.uint8)*9
mask =np.zeros([5,5],dtype=np.uint8)
mask[0:3,0]=1
mask[2:5,2:4]=1
roi=cv2.bitwise_and(img,img, mask= mask)
print("img=\n",img)
print("mask=\n",mask)
print("roi=\n",roi)

显示特定颜色值：

在实际提取颜色时，往往不是提取一个特定的值，而是提取一个颜色区间。例如在OPENCV中的HSV模式内，蓝色在H通道内的值是120，在提取蓝色时，通常将“蓝色值120”附近的一个区间的值作为提取范围，该区间的半径通常为10左右，例如通常提取[120-10，120+10]范围内的值来指定蓝色。

HSV模式中S通道、V通道的值的取值范围一般是【100,255】，这主要是因为，当饱和度和亮度太低时，计算出来的色调不可靠。

根据上述分析，各种颜色的HSV区间值分布在[H-10,100,100]和[H+10,255,255]之间。因此，各种颜色值的范围为：

蓝色：值分布在[110,100,100]和[130,255,255]之间

绿色：值分布在[50,100,100]和[70,255,255]之间

红色：值分布在[0,100,100]和[10,255,255]之间

#4.9分别提取OpenCV的logo图像内的红色、绿色、蓝色。
import cv2
import numpy as np
opencv=cv2.imread("opencv.jpg")
hsv = cv2.cvtColor(opencv, cv2.COLOR_BGR2HSV)
cv2.imshow('opencv',opencv)
#=============指定蓝色值的范围=============
minBlue = np.array([110,50,50])
maxBlue = np.array([130,255,255])
#确定蓝色区域
mask = cv2.inRange(hsv, minBlue, maxBlue)
#通过掩码控制的按位与，锁定蓝色区域
blue = cv2.bitwise_and(opencv,opencv, mask= mask)
cv2.imshow('blue',blue)
#=============指定绿色值的范围=============
minGreen = np.array([50,50,50])
maxGreen = np.array([70,255,255])
#确定绿色区域
mask = cv2.inRange(hsv, minGreen, maxGreen)
#通过掩码控制的按位与，锁定绿色区域
green = cv2.bitwise_and(opencv,opencv, mask= mask)
cv2.imshow('green',green)
#=============指定红色值的范围=============
minRed = np.array([0,50,50])
maxRed = np.array([30,255,255])
#确定红色区域
mask = cv2.inRange(hsv, minRed, maxRed)
#通过掩码控制的按位与，锁定红色区域
red= cv2.bitwise_and(opencv,opencv, mask= mask)
cv2.imshow('red',red)
cv2.waitKey()
cv2.destroyAllWindows()

运行结果：

标记肤色

肤色范围划定为：

色调值在【5,170】之间

饱和度值在【25,166】之间

#4.10 提取一副图像内的肤色部门
import cv2
img=cv2.imread("lesson2.jpg")
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
h,s,v=cv2.split(hsv)
minHue=5
maxHue=170
hueMask=cv2.inRange(h, minHue, maxHue)
minSat=25
maxSat=166
satMask = cv2.inRange(s, minSat, maxSat)
mask = hueMask & satMask
roi = cv2.bitwise_and(img,img, mask= mask)
cv2.imshow("img",img)
cv2.imshow("ROI",roi)
cv2.waitKey()
cv2.destroyAllWindows()

运行结果：

实现艺术字效果：

保持H通道和S通道的值不变，而将V通道的值都调整为255，即设置为最亮，观察得到的艺术效果。

#4.11调整HSV色彩空间内V通道的值，观察其处理结果
import cv2
img=cv2.imread("barbara.bmp")
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
h,s,v=cv2.split(hsv)
v[:,:]=255
newHSV=cv2.merge([h,s,v])
art = cv2.cvtColor(newHSV, cv2.COLOR_HSV2BGR)
cv2.imshow("img",img)
cv2.imshow("art",art)
cv2.waitKey()
cv2.destroyAllWindows()

运行结果：

4.5alpha通道

在RGB色彩空间三个通道的基础上，还可以加上一个A通道，也叫alpha通道，表示透明度，这种4个通道的色彩空间被称为RGBA色彩空间，PNG图像是一种典型的4通道图像，alpha通道的赋值范围是【0,1】，或者【0,255】，表示从透明到不透明

#4.12编写一个程序，分析alpha通道的值
import cv2
import numpy as np
img=np.random.randint(0,256,size=[2,3,3],dtype=np.uint8)
bgra = cv2.cvtColor(img, cv2.COLOR_BGR2BGRA)
print("img=\n",img)
print("bgra=\n",bgra)
b,g,r,a=cv2.split(bgra)
print("a=\n",a)
a[:,:]=125
bgra=cv2.merge([b,g,r,a])
print("bgra=\n",bgra)

运行结果：

img=

 [[[151  79 170]

  [ 60 237 101]

  [127 193 248]]

 [[ 67  51 190]

  [180  41 147]

  [ 44 100  41]]]

bgra=

 [[[151  79 170 255]

  [ 60 237 101 255]

  [127 193 248 255]]

 [[ 67  51 190 255]

  [180  41 147 255]

  [ 44 100  41 255]]]

a=

 [[255 255 255]

 [255 255 255]]

bgra=

 [[[151  79 170 125]

  [ 60 237 101 125]

  [127 193 248 125]]

 [[ 67  51 190 125]

  [180  41 147 125]

  [ 44 100  41 125]]]

#4.13编写一个程序，对图像的alpha通道进行处理
import cv2
img=cv2.imread("lenacolor.png")
bgra = cv2.cvtColor(img, cv2.COLOR_BGR2BGRA)
b,g,r,a=cv2.split(bgra)
a[:,:]=125
bgra125=cv2.merge([b,g,r,a])
a[:,:]=0
bgra0=cv2.merge([b,g,r,a])
cv2.imshow("img",img)
cv2.imshow("bgra",bgra)
cv2.imshow("bgra125",bgra125)
cv2.imshow("bgra0",bgra0)
cv2.waitKey()
cv2.destroyAllWindows()
cv2.imwrite("bgra.png", bgra)
cv2.imwrite("bgra125.png", bgra125)
cv2.imwrite("bgra0.png", bgra0)