数字图像处理——RGB与HSV图像互相转换原理
01
—
RGB与HSV介绍
讲RGB图与HSV图的互相转换之前，我们先分别介绍一下这两种图像。
首先是RGB图像
RGB图像是一种三通道图像，通常用于表示彩色图，它由相同行、列的红（Red）、绿（Green）、蓝（Blue）这三通道的数据组成。比如对于512行512列的RGB图像，其红通道为一张512*512灰度图、绿通道为一张512*512灰度图、蓝通道为一张512*512灰度图，三通道数据合起来构成了3*512*512的RGB图像。
我们视觉能看到的一些常见颜色，则由三通道数据对应坐标位置的三个像素值编码组成。比如对于8位的RGB图像，其每个像素值取值范围是0~255，如果某一坐标点A处红、绿、蓝三通道的像素值依次为255，255，255，那么该点表示的颜色为白色，如果该处红、绿、蓝三通道的像素值依次为0，0，0，那么该点表示的颜色为黑色，又如果该处红、绿、蓝三通道的像素值为其它值，则其表示的颜色为其它颜色。所以理论上8位RGB图可以表示的颜色种类数为255*255*255。
RGB图像是与硬件相对应的图像，也即彩色相机图像传感器输出的原始数据本身就包含了R、G、B三通道的数据，它将三通道图像数据按照一定顺序排列（拜尔阵列）输出，上位机则通过USB或网络接收传感器传来的数据并将其解析为RGB图像。比如对于传感器输出的RG/GB格式拜尔阵列，其R、G、B数据在阵列中的排列如下图：
其次是HSV图像
RGB图像与相机传感器输出的原始数据相对应，HSV图像则与我们人类的直观视觉更相符。HSV图像也包含相同尺寸的三通道数据：H通道、S通道、V通道。下面分别介绍这三个通道：
H通道：H通道的像素值表示色调，取值范围0~360，我们可以把这个取值范围理解为角度，也即一个闭环的取值范围，如下图：
S通道：S通道的像素值表示图像的饱和度。饱和度是指图片彩色的纯度——图像的混合颜色越少，其饱和度越高，直观看起来就越鲜艳鲜明、视觉效果越强烈；反之图像的混合颜色越多，其饱和度越低，视觉效果越弱。
比如在所有可视色彩中纯红色的饱和度是最高的，也即纯红色看起来最鲜艳，但是如果在纯红色中混入其它颜色，那么其饱和度将会降低，这时看起来就没那么鲜艳了。
S通道像素值的取值范围是0~1，值越大表示饱和度越高。
V通道：V通道像素值表示图像的明亮程度，取值范围也是0~1，值越大表示越亮。
由以上介绍可知，RGB图像与硬件输出相对应，而HSV图像则更符合人眼的直观视觉，因此处理图像时，往往先将RGB图像转换为HSV图像，在HSV色彩空间对图像进行处理，处理完毕后再将HSV图像转换为RGB图像。
02
—
RGB与HSV的互相转换原理
在讲转换原理之前，首先我们以8位彩色图为例来明确一下RGB图像、HSV图像中各通道像素值的取值范围，对于图像中任意坐标点，其取值范围如下：
然而在Opencv中，为了对HSV图像进行可视化，通常将其像素值转换到0~255之间：
RGB转HSV原理
转换原理非常简单，对于图像中任意坐标点，其RGB颜色空间为(R,G,B)，HSV颜色空间为(H,S,V)，首先需要将R、G、B值转换到0~1之间：
然后计算H、S、V值：
如果计算得到的H值小于0，将该值再加上360，得到最终的H值：
由于Opencv需要做HSV图像的可视化，因此最后还需要将各个值转换到0~255之间：
HSV转RGB原理
对于图像中任意坐标点，其RGB颜色空间为(R,G,B)，HSV颜色空间为(H,S,V)。首先将可视化图像的H、S、V值分别转换到0~360、0~1、0~1的范围：
那么R、G、B的计算如以下公式，其中floor表示向下取整运算：
03
—
基于Opencv的RGB与HSV互相转换
Opencv提供了cvtColor函数，调用该函数可以非常方便地实现不同颜色空间的转换。不过为了可视化，调用该函数得到的HSV图像，其H、S、V三通道的取值范围并不是0~360、0~1、0~1，而是经过转换的0~180、0~255、0~255。
void rgb_hsv(void)
{
//读取原图像
Mat img = imread("000000000902.bmp", CV_LOAD_IMAGE_COLOR);
Mat img_hsv;
cvtColor(img, img_hsv, CV_BGR2HSV); //将RGB图像转换为HSV图像
Mat img_rgb;
cvtColor(img_hsv, img_rgb, CV_HSV2BGR); //将HSV图像转换为RGB图像
imshow("ori rgb", img);
imshow("hsv", img_hsv);
imshow("rgb", img_rgb);
waitKey();
}运行结果：
原图
HSV图像
将HSV图像还原为RGB图像，与原图一致
04
—
使用C++自己实现HSV与RGB的互相转换
为了加深上述转换公式的理解，我们使用C++自己来实现转换过程。
首先是RGB转换为HSV的代码：
void RGB2HSV(Mat img_rgb, Mat &img_hsv)
{
img_hsv = Mat::zeros(img_rgb.size(), CV_8UC3);
for (int i = 0; i < img_rgb.rows; i++)
{
Vec3b *p0 = img_rgb.ptr<Vec3b>(i); //B--p[0] G--p[1] R--p[2]
Vec3b *p1 = img_hsv.ptr<Vec3b>(i); //B--p[0] G--p[1] R--p[2]
for (int j = 0; j < img_rgb.cols; j++)
{
float B = p0[j][0] / 255.0;
float G = p0[j][1] / 255.0;
float R = p0[j][2] / 255.0;
float V = (float)std::max({ B, G, R }); //B/G/R
float vmin = (float)std::min({ B, G, R });
float diff = V - vmin;
float S, H;
S = diff / (float)(fabs(V) + FLT_EPSILON);
diff = (float)(60.0 / (diff + FLT_EPSILON));
if (V == B) //V=B
{
H = 240.0 + (R - G) * diff;
}
else if (V == G) //V=G
{
H = 120.0 + (B - R) * diff;
}
else if (V == R) //V=R
{
H = (G - B) * diff;
}
H = (H < 0.0) ? (H + 360.0) : H;
p1[j][0] = (uchar)(H / 2);
p1[j][1] = (uchar)(S * 255);
p1[j][2] = (uchar)(V * 255);
}
}
}首先是HSV转换为RGB的代码：
void HSV2BGR(Mat img_hsv, Mat &img_rgb)
{
img_rgb = Mat::zeros(img_hsv.size(), CV_8UC3);
for (int i = 0; i < img_rgb.rows; i++)
{
Vec3b *p0 = img_hsv.ptr<Vec3b>(i); //B--p[0] G--p[1] R--p[2]
Vec3b *p1 = img_rgb.ptr<Vec3b>(i); //B--p[0] G--p[1] R--p[2]
for (int j = 0; j < img_hsv.cols; j++)
{
float H = p0[j][0] * 2.0;
float S = p0[j][1] / 255.0;
float V = p0[j][2] / 255.0;
float h = H / 60.0;
int i = floor(h);
float f = h - i;
float p = V * (1 - S);
float q = V * (1 - f * S);
float t = V * (1 - (1 - f) * S);
switch (i)
{
case 0:
p1[j][2] = (uchar)(V * 255);
p1[j][1] = (uchar)(t * 255);
p1[j][0] = (uchar)(p * 255);
break;
case 1:
p1[j][2] = (uchar)(q * 255);
p1[j][1] = (uchar)(V * 255);
p1[j][0] = (uchar)(p * 255);
break;
case 2:
p1[j][2] = (uchar)(p * 255);
p1[j][1] = (uchar)(V * 255);
p1[j][0] = (uchar)(t * 255);
break;
case 3:
p1[j][2] = (uchar)(p * 255);
p1[j][1] = (uchar)(q * 255);
p1[j][0] = (uchar)(V * 255);
break;
case 4:
p1[j][2] = (uchar)(t * 255);
p1[j][1] = (uchar)(p * 255);
p1[j][0] = (uchar)(V * 255);
break;
default:
p1[j][2] = (uchar)(V * 255);
p1[j][1] = (uchar)(p * 255);
p1[j][0] = (uchar)(q * 255);
break;
}
}
}
}测试代码：
void rgb_hsv(void)
{
Mat img = imread("000000000902.bmp", CV_LOAD_IMAGE_COLOR);
Mat img_hsv;
//cvtColor(img, img_hsv, CV_BGR2HSV);
RGB2HSV(img, img_hsv);
Mat img_rgb;
//cvtColor(img_hsv, img_rgb, CV_HSV2BGR);
HSV2BGR(img_hsv, img_rgb);
imshow("ori rgb", img);
imshow("hsv", img_hsv);
imshow("rgb", img_rgb);
waitKey();
}运行结果如下，可以看到，转换结果跟调用Opencv函数的结果是一致的。
HSV图像
将HSV图像还原为RGB图像，与原图一致
欢迎扫码关注本微信公众号，接下来会不定时更新更加精彩的内容，敬请期待~
