在上一篇文章中，我們探索了在 OpenCV 中處理 RGB 圖像的基礎(chǔ)知識(shí)，包括繪圖以及調(diào)整亮度和對(duì)比度。雖然 RGB 色彩空間非常適合計(jì)算機(jī)顯示器，因?yàn)樗云聊话l(fā)出的光強(qiáng)度來表示顏色，但它與人類在自然世界中感知顏色的方式并不相符。這就是 HSV（色相、飽和度、明度）發(fā)揮作用的地方——一個(gè)旨在以更接近人類感知的方式表示顏色的顏色空間。
在這篇文章中，我們將深入研究 HSV，了解其組件，探索其應(yīng)用程序，并學(xué)習(xí)一些增強(qiáng)圖像的酷技巧。

什么是單純皰疹病毒？

HSV 代表色相、飽和度和明度：

• 色調(diào) (H)：這是指顏色的類型 - 紅色、綠色、藍(lán)色等。雖然傳統(tǒng)上以圓形光譜 (0°–360°) 上的度數(shù)來測(cè)量，但在 OpenCV 中，色調(diào)縮放為 0 –179 適合 8 位整數(shù)。這是映射：

• 0（或接近它）仍然代表紅色。
• 60–89 對(duì)應(yīng)綠色。
• 120–149 對(duì)應(yīng)藍(lán)色。
• 140–179 環(huán)繞回紅色，完成圓形光譜。

• 飽和度 (S)：這定義了顏色的強(qiáng)度或純度：完全飽和的顏色不含灰色且充滿活力，飽和度較低的顏色顯得更加褪色。

• 值 (V)：通常稱為亮度，它測(cè)量亮度或暗度。通過分離這些組件，HSV 使分析和操作圖像變得更容易，特別是對(duì)于顏色檢測(cè)或增強(qiáng)等任務(wù)。顏色。

為了更好地理解這一點(diǎn)，情節(jié)打擊很好地展示了色彩空間中的值

在 OpenCV 中將圖像轉(zhuǎn)換為 HSV

使用 cv2.cvtColor() 函數(shù)在 OpenCV 中將圖像轉(zhuǎn)換為 HSV 非常簡(jiǎn)單。我們來看看：

import cv2
import matplotlib.pyplot as plt


image = cv2.imread('./test.png')
plt.figure(figsize=(10,10))
plt.subplot(1,2,1)
plt.imshow(image[:,:,::-1]) #plot as RGB 
plt.title("RGB View")
hsv= cv2.cvtColor(image, cv2.COLOR_RGB2HSV)
plt.subplot(1,2,2)
plt.imshow(hsv)
plt.title("HSV View")
plt.tight_layout()
plt.show()

乍一看，HSV 情節(jié)可能看起來很奇怪——幾乎像外星人。這是因?yàn)槟挠?jì)算機(jī)嘗試將 HSV 表示為 RGB 圖像，即使 HSV 的組件（尤其是色調(diào)）并未直接映射到 RGB 值。例如：

• 色調(diào)（H）：以角度表示，在 OpenCV 中范圍為 0 到 179（而不是像 RGB 通道那樣為 0 到 255）。這會(huì)導(dǎo)致色調(diào)通道在基于 RGB 的繪圖中主要顯示為藍(lán)色。

對(duì)于接下來的示例，我們不會(huì)使用個(gè)人資料圖像，而是使用 Flux ai image gen 模型生成的較暗的圖像。因?yàn)樗峁┝吮葌€(gè)人資料圖片更好的 HSV 用戶案例，我們可以更好地看到它的效果

通過直方圖了解 HSV

為了更好地理解 RGB 和 HSV 之間的差異，讓我們繪制每個(gè)通道的直方圖。代碼如下：

import cv2
import matplotlib.pyplot as plt


image = cv2.imread('./test.png')
plt.figure(figsize=(10,10))
plt.subplot(1,2,1)
plt.imshow(image[:,:,::-1]) #plot as RGB 
plt.title("RGB View")
hsv= cv2.cvtColor(image, cv2.COLOR_RGB2HSV)
plt.subplot(1,2,2)
plt.imshow(hsv)
plt.title("HSV View")
plt.tight_layout()
plt.show()

從直方圖中，您可以看到 HSV 通道與 RGB 通道有何不同。請(qǐng)注意 HSV 中的色調(diào)通道，其值介于 0 到 179 之間，代表不同的顏色區(qū)域，而飽和度和值則處理強(qiáng)度和亮度。

可視化色相、飽和度和明度

現(xiàn)在，讓我們將 HSV 圖像分解為各個(gè)組成部分，以更好地理解每個(gè)通道代表的含義：

# Plot the histograms
plt.figure(figsize=(10, 6))

# RGB Histogram
plt.subplot(1, 2, 1)
for i, color in enumerate(['r', 'g', 'b']):
    plt.hist(image[:, :, i].ravel(), 256, [0, 256], color=color, histtype='step')
    plt.xlim([0, 256])
plt.title("RGB Histogram")

# HSV Histogram
plt.subplot(1, 2, 2)
for i, color in enumerate(['r', 'g', 'b']):
    plt.hist(hsv[:, :, i].ravel(), 256, [0, 256], color=color, histtype='step')
    plt.xlim([0, 256])
plt.title("HSV Histogram")
plt.show()

• 色調(diào)：顯示清晰的顏色區(qū)別，突出顯示圖像中的主色。
• 飽和度：較亮的區(qū)域代表鮮艷的色彩，而較暗的區(qū)域表示更柔和的灰色色調(diào)。
• 明度：突出亮度分布，光線充足的區(qū)域顯得更亮。

HSV 治療技巧

1. 亮度增強(qiáng)（值均衡）

對(duì)于光照不均勻的圖像，均衡值通道可以使較暗的區(qū)域更加明顯，同時(shí)為較亮的區(qū)域提供“發(fā)光”效果。

# Plot the individual HSV channels
plt.figure(figsize=(10, 6))
plt.subplot(1, 3, 1)
plt.imshow(hsv[:, :, 0], cmap='hsv')  # Hue
plt.title("Hue")
plt.subplot(1, 3, 2)
plt.imshow(hsv[:, :, 1], cmap='gray')  # Saturation
plt.title("Saturation")
plt.subplot(1, 3, 3)
plt.imshow(hsv[:, :, 2], cmap='gray')  # Value
plt.title("Value")
plt.tight_layout()
plt.show()

2.色彩增強(qiáng)（飽和度均衡）

增強(qiáng)飽和度通道使圖像中的顏色更加清晰和充滿活力。

equ = cv2.equalizeHist(hsv[:, :, 2])  # Equalize the Value channel
new_hsv = cv2.merge((hsv[:, :, 0], hsv[:, :, 1], equ))
new_image = cv2.cvtColor(new_hsv, cv2.COLOR_HSV2BGR)

# Display results
plt.figure(figsize=(10, 6))
plt.subplot(1, 2, 1)
plt.imshow(image)
plt.title("Original Image")
plt.subplot(1, 2, 2)
plt.imshow(new_image)
plt.title("Brightness Enhanced")
plt.tight_layout()
plt.show()

3. 濾色（隔離紅色）

使用色調(diào)通道，我們可以隔離特定的顏色。例如，要提取紅色調(diào)：

equ = cv2.equalizeHist(hsv[:, :, 1])  # Equalize the Saturation channel
new_hsv = cv2.merge((hsv[:, :, 0], equ, hsv[:, :, 2]))
new_image = cv2.cvtColor(new_hsv, cv2.COLOR_HSV2BGR)

# Display results
plt.figure(figsize=(10, 6))
plt.subplot(1, 2, 1)
plt.imshow(image)
plt.title("Original Image")
plt.subplot(1, 2, 2)
plt.imshow(new_image)
plt.title("Color Enhanced")
plt.tight_layout()
plt.show()

這項(xiàng)技術(shù)對(duì)于對(duì)象檢測(cè)、顏色分割甚至藝術(shù)效果等任務(wù)非常有用。

結(jié)論

HSV 色彩空間提供了一種通用且直觀的方法來分析和操作圖像。通過分離顏色（色調(diào)）、強(qiáng)度（飽和度）和亮度（值），HSV 簡(jiǎn)化了顏色過濾、增強(qiáng)和分割等任務(wù)。 RGB 是顯示器的理想選擇，而 HSV 則為創(chuàng)意和分析圖像處理提供了可能性。

您最喜歡的 HSV 技巧是什么？歡迎在下方分享您的想法，讓我們一起探索這個(gè)充滿活力的色彩世界！

此版本包含流暢的流程、詳細(xì)的解釋和一致的格式，以提高可讀性和理解性。

以上是[CVHSV 與 RGB：理解和利用 HSV 進(jìn)行圖像處理的詳細(xì)內(nèi)容。更多信息請(qǐng)關(guān)注PHP中文網(wǎng)其他相關(guān)文章！