颜色处理

HSV 颜色空间

将颜色表示为色调（Hue）、饱和度（Saturation）和明度（Value）

色调（Hue）

定义：色调表示颜色的类型或名称，例如红色、绿色、蓝色等。
表示方法：色调用一个角度表示，通常范围是0到360度。例如，0度代表红色，120度代表绿色，240度代表蓝色。

饱和度 (Saturation)

定义：饱和度表示颜色的纯度或强度。饱和度越高，颜色越纯；饱和度越低，颜色越灰。
表示方法：饱和度通常用百分比表示，0%代表灰色（无色），100%代表纯色。

明度（Value）

定义：明度表示颜色的亮度，值越高颜色越亮，值越低颜色越暗。
表示方法：明度也通常用百分比表示，0%代表黑色（无亮度），100%代表白色（全亮度）。

从 RGB 转换为 HSV

将离散的rgb数值转换为概率

首先我们将RGB 各自的数值转换为 0-1 的概率，即 $R' = \frac{R}{255}$

找最大最小

$C_{max}​=\max(R',G',B')$

$C_{min}=\min⁡(R',G',B')$

计算色调

定义色差 $\Delta = C_{max} - C_{min}$, 如果 $\Delta = 0$ 则 色调为 0

• 当 $C_{\text{max}} = R'$ 时：

$H = 60 \times \left(\frac{G' - B'}{\Delta} \mod 6 \right)$

• 当 $C_{\text{max}} = G'$′ 时：

$H = 60 \times \left( \frac{B' - R'}{\Delta} + 2 \right)$

• 当 $C_{\text{max}} = B'$ 时：

$H = 60 \times \left( \frac{R' - G'}{\Delta} + 4 \right)$

如果计算出的色调为负值，需加上360度使其为正。

计算饱和度、明度

饱和度（S）表示为：

$S = \begin{cases} 0 & \text{if } C_{\text{max}} = 0 \\ \frac{\Delta}{C_{\text{max}}} & \text{otherwise} \end{cases}$

这里要注意一个误区：并不是说饱和度在 $100\%$ 的时候只能由 红绿蓝三色，只是说 $C_{min} = 0$, 事实上可能有无数个颜色
明度（V）表示为：

$V = C_{\text{max}}$

视觉理解

饱和度

在Hue一定的情况下，饱和度减小，就是往光谱色中添加白色，光谱色所占的比例也在减小，饱和度减为0，表示光谱色所占的比例为零，导致整个颜色呈现白色。

• 光滑表面会有更高的饱和度，而粗糙表面会散射光线，降低饱和度。
• 金属表面通常会有高饱和度的反射，而布料表面可能会显得较为暗淡。

明度

明度减小，就是往光谱色中添加黑色，光谱色所占的比例也在减小，明度减为0，表示光谱色所占的比例为零，导致整个颜色呈现黑色。
这个属性类似于我们在灯光环境不是很好的情况下看到的颜色效果，调节这个值的阈值范围可以增强光照较暗的环境下的物体识别率
当然在光暗条件下，颜色的饱和度也会降低

色调

色调（Hue）从0到360度的颜色变化

基本上和彩虹的颜色变化一样

• 0度：红色
• 60度：黄色
• 120度：绿色
• 180度：青色（青绿）
• 240度：蓝色
• 300度：洋红（紫红）
• 360度：回到红色

opencv 的独特性

为了使用8位整数表示，OpenCV将色调的范围缩小到0到179，这样刚好可以用一个8位整数来表示。其 H 值就是标准 H 值除以二

颜色空间和强度空间的对比

我们什么时候倾向于使用颜色空间呢？

颜色 优点

图像中的目标具有独特的颜色特征

• 示例：交通标志识别、水果分类、医学图像中的特定染色。
• 红色的交通标志或特定染色的细胞。
  背景和前景颜色差异显著
• 示例：绿色背景中的红色水果、蓝天中的白云。
• 原因：当前景和背景颜色差异显著时，使用颜色空间可以更容易地区分和分割出前景对象。

强度 优点

图像内容主要基于亮度差异

• 示例：文本图像、黑白文档扫描、X光片。
  图像背景与前景颜色相似但亮度不同
• 示例：某些工业检测图像，前景物体与背景颜色相似但亮度不同。
  简化计算和提高效率
• 示例：实时图像处理系统、嵌入式系统。
• 原因：灰度图像只包含单个通道，相比颜色图像（通常包含3个通道），处理速度更快，计算资源消耗更低。