Color Models (RGB, CMY, HSI)

目录

• 概
• 定义
  • RGB
  • CMY
  • CMYK
  • HSI
• 相互的转换
  • RGB <=> CMY
  • CMY <=> CMYK
    • CMY > CMYK
    • CMYK > CMY
  • RGB <=> HSI
    • RGB > HSI
    • HSI > RGB
• 代码示例

Gonzalez R. C. and Woods R. E. Digital Image Processing (Forth Edition)

概

除了我们熟悉的RGB模式来表示图片, 还有其他很多种图片表示方式. 其实我现在很想要知道的一点是, 神经网络会对不同的表示会有不同的反应吗?

定义

RGB

普通的彩色图片, 每个像素点是一个三维的值\((x, y, z) \in [0, 1]^3\),

CMY

RGB是以Red, Green, Blue为坐标轴的坐标系, 而CMY是以Cyan, Magenta, Yellow为坐标轴(这些颜色成为second colors), 以White为原点的坐标系.

CMYK

CMY因为不是以black为原点, 所以在实际中难以表示true black? 所以特意引入第四个颜色K表示黑色.

HSI

HSI, 即hue, saturation, identisity.

Hue: 即表示某种颜色, 正如上图所示, 以H, 点与红色(标准)之间的角度(相当于指定某种颜色).

Saturation: 饱和度, 顾名思义, 表示该颜色是有多少的纯色和白色混合在一起的.

Identisity: 灰度值, 将一个图像变成一个灰度图就是根据这个指标, 其相当于\((x, y, z)\)在black-white这个轴上的投影.

注: HSI的值也是归一化为\([0, 1]\)之间.

相互的转换

RGB <=> CMY

\[\left [ \begin{array}{l} C \\ M \\ Y \\ \end{array} \right ] = \left [ \begin{array}{l} 1 \\ 1 \\ 1 \\ \end{array} \right ] - \left [ \begin{array}{l} R \\ G \\ B \end{array} \right ] . \]

CMY <=> CMYK

CMY > CMYK

\[K = \min (C, M, Y), \\ C = (C - K) / (1 - K), \\ M = (M - K) / (1 - K), \\ Y = (Y - K) / (1 - K). \\ \]

CMYK > CMY

\[C = C * (1 - K) + K, \\ M = M * (1 - K) + K, \\ Y = Y * (1 - K) + K. \\ \]

RGB <=> HSI

hsi-to-rgb-conversion.pdf (tau.ac.il)

RGB > HSI

注意RGB > HSI并非直接的坐标变换, 具体的推导可以看上面的参考文献.

\[\theta = \cos^{-1} \{ \frac{\frac{1}{2}[(R-G) + (R-B)]}{[(R-G)^2 + (R-B)(G-B)]^{1/2}} \}, \\ H = \left \{ \begin{array}{ll} \theta / 2\pi & \text{if} \: B \le G, \\ 1 - \theta/2\pi & \text{if} \: B > G. \end{array} \right . \\ S = 1 - \frac{3}{R + G + B}[\min (R, G, B)]. \\ I = \frac{1}{3}(R + G + B). \]

注: 原文使用的是角度制, 这里我改成弧度制, 另外我这里直接将\(H\)归一化了.

HSI > RGB

HSI > RGB 需要根据\(H\)的不同改变策略:

首先令\(H = H \cdot 2\pi \in [0, 2\pi)\).

1. \(H \in [0, \frac{2}{3}\pi]\):

\[B = I(1-S), \\ R = I[1 + \frac{S\cos H}{\cos (\frac{1}{3}\pi - H)}], \\ G = 3I - (R + B). \]

2. \(H \in [\frac{2}{3}\pi, \frac{4}{3}\pi)\):

\[H = H - \frac{2}{3}\pi, \\ R = I(1-S), \\ G = I[1 + \frac{S\cos H}{\cos (\frac{1}{3}\pi - H)}], \\ B = 3I - (R + G). \]

3. \(H \in [\frac{4}{3}\pi, 2\pi)\):

\[H = H - \frac{4}{3}\pi, \\ G = I(1-S), \\ B = I[1 + \frac{S\cos H}{\cos (\frac{1}{3}\pi - H)}], \\ R = 3I - (G + B). \]

代码示例

import cv2
import matplotlib.pyplot as plt
import numpy as np
from PIL import Image

img = np.random.randint(0, 256, (10, 10, 3), dtype=np.uint8)

# rgb -> hsi
def calcH(v):
    r, g, b = v
    val = (2 * r - g - b) / np.sqrt((r - g) ** 2 + (r - b) * (g - b))
    val /= 2
    theta = np.arccos(val)
    h = theta / (2 * np.pi) if b <= g else (1 - theta / (2 * np.pi))
    return h

def calcS(v):
    return 1 - 3 * v.min() / v.sum()

def calcI(v):
    return v.mean()

def rgb2hsi(img: np.ndarray) -> np.ndarray:
    img = img.astype(np.float) / 255.
    def unit(v):
        h = calcH(v)
        s = calcS(v)
        i = calcI(v)
        return np.array([h, s, i])
    img = np.apply_along_axis(unit, 2, img)
    return img

# hsi -> rgb

def unit(v):
    h, s, i = v
    idx = np.arange(3)
    h = h * np.pi * 2
    if h >= 2 * np.pi / 3:
        if h >= 4 * np.pi / 3:
            h = h - 4 * np.pi / 3
            idx = (idx - 2) % 3
        else:
            h = h - 2 * np.pi / 3
            idx = (idx - 1) % 3
    b = i * (1 - s)
    r = i * (1 + s * np.cos(h) / np.cos(np.pi / 3 - h))
    g = 3 * i - b - r
    v = np.array([r, g, b])
    return v[idx]



def hsi2rgb(img: np.ndarray):
    img = img.astype(np.float) / 255.
    img = np.apply_along_axis(unit, 2, img) * 255
    return img.astype(np.uint8)

在opencv库中, 可以通过如下手段变化:

rgb2hsi_cv = cv2.cvtColor(img[..., [2, 1, 0]], cv2.COLOR_BGR2HLS)
hsi2rgb_cv = cv2.cvtColor(rgb2hsi_cv, cv2.COLOR_HLS2BGR)[..., [2, 1, 0]]

opencv采用BGR格式是由于历史原因.

另外, 其出来的结果和我所实现的结果并不一致, 其I值也并非\(\frac{1}{3}(R + G + B)\)​, 所以我怀疑可能用的是另外一套变换公式(虽然网上说, HLS就是HSI).

在PIL库中, 我没找到RGB2HSI的函数, 不过PIL一般采用如下方式进行变换:

rgb2what = Image.fromarray(img).convert('RGB').convert('...')

注: '...'部分表示mode, 具体参考: Concepts — Pillow (PIL Fork) 8.3.1 documentation