opencv笔记（十）——颜色空间转换cvtColor()

墨蓝 2022-05-16 11:06 557阅读 0赞

我们生活中大多数看到的彩色图片都是RGB类型，但是在进行图像处理时，需要用到灰度图、二值图、HSV、HSI等颜色制式，opencv提供了cvtColor()函数来实现这些功能。首先看一下cvtColor函数定义：

C++: void cvtColor(InputArray src, OutputArray dst, int code, int dstCn=0 );

*  参数解释：

. InputArray src: 输入图像即要进行颜色空间变换的原图像，可以是Mat类   
. OutputArray dst: 输出图像即进行颜色空间变换后存储图像，也可以Mat类   
. int code: 转换的代码或标识，即在此确定将什么制式的图片转换成什么制式的图片，后面会详细将   
. int dstCn = 0: 目标图像通道数，如果取值为0，则由src和code决定

函数的作用是将一个图像从一个颜色空间转换到另一个颜色空间，但是从RGB向其他类型转换时，必须明确指出图像的颜色通道，前面我们也提到过，在opencv中，其默认的颜色制式排列是BGR而非RGB。所以对于24位颜色图像来说，前8-bit是蓝色，中间8-bit是绿色，最后8-bit是红色。常见的R,G,B通道的取值范围为：   
. 0-255 :CV\_8U类型图片   
. 0-65535: CV\_16U类型图片   
. 0-1: CV\_32F类型图片   
对于线性变换来说，这些取值范围是无关紧要的。但是对于非线性转换，输入的RGB图像必须归一化到其对应的取值范围来或得最终正确的转换结果，例如从RGB->L\*u\*v转换。如果从一个8-bit类型图像不经过任何缩放（scaling）直接转换为32-bit浮点型图像，函数将会以0-255的取值范围来取代0-1的取值范围，所以在使用cvtColor函数之前需要对图像进行缩放如下：

img *= 1./255;
    cvtColor(img, img, CV_BGR2Luv);

如果对8-bit图像使用cvtColor()函数进行转换将会由一些信息丢失。函数可以做下面类型的转换，需要说明的是在opencv2.x时颜色空间转换code用的宏定义是CV\_前缀开头，而在opencv3.x版本其颜色空间转换code宏定义更改为COLOR\_开头，而经验证，2.4.13版本中opencv同事支持这两种形式的写法。故下面表格会将两种code类型同时列出，以供参考：

![这里写图片描述][20161205221102922]  
这里列出的类型并不齐全，但是对于一般的图像处理已经够用。需要特别说明的是RGB–>GRAY的转换是我们常用的转换格式，其转换公式如下：   
![这里写图片描述][20161205221324799]   
上图中出现的RGBA格式图片，RGBA是代表Red(红色)、Green(绿色)、Blue(蓝色)和Alpha的色彩空间。虽然它有时候被描述为一个颜色空间，但是它其实是RGB模型附加了额外的信息，可以属于任何一种RGB颜色空间。Alpha参数一般用作不透明度参数，如果一个像素的alpha通道数值为0%，那它就是完全透明的也就是肉眼不可见，而数值为100%则意味着一个完全不透明的像素，传统的数字图像就是alpha值为100%，这种性质可以参考前面的文章[《opencv（九）之Trackbar滑动条创建和使用》][opencv_Trackbar]，通过TrackBar对alpha值的调节能有更直观的认识。   
需要注意的是cvtColor()函数不能直接将RGB图像转换为二值图像(Binary Image)，需要借助threshold()函数，其具体用法请查阅[threshold()][threshold].

示例代码：

#include <iostream>
    #include <opencv2/core.hpp>
    #include <opencv2/highgui.hpp>
    #include <opencv2/imgproc.hpp>
    
    using namespace std;
    using namespace cv;
    
    int main()
    {
        Mat srcImage = imread("星空.png");
    
        //判断图像是否加载成功
        if(!srcImage.data)
        {
            cout << "图像加载失败!" << endl;
            return false;
        }
        else
            cout << "图像加载成功!" << endl << endl;
    
        //显示原图像
        namedWindow("原图像",WINDOW_AUTOSIZE);
        imshow("原图像",srcImage);
    
        //将图像转换为灰度图，采用CV_前缀
        Mat grayImage;
        cvtColor(srcImage, grayImage, CV_BGR2GRAY);     //将图像转换为灰度图
        namedWindow("灰度图",WINDOW_AUTOSIZE);
        imshow("灰度图",grayImage);
    
        //将图像转换为HSV，采用COLOR_前缀
        Mat HSVImage;
        cvtColor(srcImage, HSVImage, COLOR_BGR2HSV);    //将图像转换为HSV图
        namedWindow("HSV",WINDOW_AUTOSIZE);
        imshow("HSV",HSVImage);
    
        waitKey(0);
    
        return 0;
    }

*  运行结果如下：

原图像   
![这里写图片描述][20161205225548192]   
灰度图   
![这里写图片描述][20161205225602716]   
HSV   
![这里写图片描述][20161205225617326]

[https://blog.csdn.net/keith\_bb/article/details/53470170][https_blog.csdn.net_keith_bb_article_details_53470170]

[20161205221102922]: /images/20220516/0cf7031d4d6a4e1f87fe362900b9b6f8.png
[20161205221324799]: /images/20220516/fdbf25760e0b475c95169cad1fe78036.png
[opencv_Trackbar]: http://blog.csdn.net/keith_bb/article/details/53174484
[threshold]: http://docs.opencv.org/2.4/modules/imgproc/doc/miscellaneous_transformations.html?highlight=threshold#cv2.threshold
[20161205225548192]: /images/20220516/136196186085462a868b4961246c4cf2.png
[20161205225602716]: /images/20220516/b99d7aede48f4fa1873a4aeb586f31f1.png
[20161205225617326]: /images/20220516/ab59aa5d385e4fe0953c96913ef4be71.png
[https_blog.csdn.net_keith_bb_article_details_53470170]: https://blog.csdn.net/keith_bb/article/details/53470170