數字圖像處理——RGB與HSV圖像互相轉換原理

01

—

RGB與HSV介紹

講RGB圖與HSV圖的互相轉換之前，我們先分別介紹一下這兩種圖像。

• 首先是RGB圖像
  

RGB圖像是一種三通道圖像，通常用於表示彩色圖，它由相同行、列的紅（Red）、綠（Green）、藍（Blue）這三通道的數據組成。比如對於512行512列的RGB圖像，其紅通道為一張512*512灰度圖、綠通道為一張512*512灰度圖、藍通道為一張512*512灰度圖，三通道數據合起來構成了3*512*512的RGB圖像。

我們視覺能看到的一些常見顏色，則由三通道數據對應坐標位置的三個像素值編碼組成。比如對於8位的RGB圖像，其每個像素值取值范圍是0~255，如果某一坐標點A處紅、綠、藍三通道的像素值依次為255，255，255，那么該點表示的顏色為白色，如果該處紅、綠、藍三通道的像素值依次為0，0，0，那么該點表示的顏色為黑色，又如果該處紅、綠、藍三通道的像素值為其它值，則其表示的顏色為其它顏色。所以理論上8位RGB圖可以表示的顏色種類數為255*255*255。‍

RGB圖像是與硬件相對應的圖像，也即彩色相機圖像傳感器輸出的原始數據本身就包含了R、G、B三通道的數據，它將三通道圖像數據按照一定順序排列（拜爾陣列）輸出，上位機則通過USB或網絡接收傳感器傳來的數據並將其解析為RGB圖像。比如對於傳感器輸出的RG/GB格式拜爾陣列，其R、G、B數據在陣列中的排列如下圖：

• 其次是HSV圖像
  

RGB圖像與相機傳感器輸出的原始數據相對應，HSV圖像則與我們人類的直觀視覺更相符。HSV圖像也包含相同尺寸的三通道數據：H通道、S通道、V通道。下面分別介紹這三個通道：

H通道：H通道的像素值表示色調，取值范圍0~360，我們可以把這個取值范圍理解為角度，也即一個閉環的取值范圍，如下圖：

S通道：S通道的像素值表示圖像的飽和度。飽和度是指圖片彩色的純度——圖像的混合顏色越少，其飽和度越高，直觀看起來就越鮮艷鮮明、視覺效果越強烈；反之圖像的混合顏色越多，其飽和度越低，視覺效果越弱。

比如在所有可視色彩中純紅色的飽和度是最高的，也即純紅色看起來最鮮艷，但是如果在純紅色中混入其它顏色，那么其飽和度將會降低，這時看起來就沒那么鮮艷了。

S通道像素值的取值范圍是0~1，值越大表示飽和度越高。

V通道：V通道像素值表示圖像的明亮程度，取值范圍也是0~1，值越大表示越亮。

由以上介紹可知，RGB圖像與硬件輸出相對應，而HSV圖像則更符合人眼的直觀視覺，因此處理圖像時，往往先將RGB圖像轉換為HSV圖像，在HSV色彩空間對圖像進行處理，處理完畢后再將HSV圖像轉換為RGB圖像。

---

02

—

RGB與HSV的互相轉換原理

在講轉換原理之前，首先我們以8位彩色圖為例來明確一下RGB圖像、HSV圖像中各通道像素值的取值范圍，對於圖像中任意坐標點，其取值范圍如下：

然而在Opencv中，為了對HSV圖像進行可視化，通常將其像素值轉換到0~255之間：

• RGB轉HSV原理
  

轉換原理非常簡單，對於圖像中任意坐標點，其RGB顏色空間為(R,G,B)，HSV顏色空間為(H,S,V)，首先需要將R、G、B值轉換到0~1之間：

然后計算H、S、V值：

如果計算得到的H值小於0，將該值再加上360，得到最終的H值：

由於Opencv需要做HSV圖像的可視化，因此最后還需要將各個值轉換到0~255之間：

• HSV轉RGB原理

對於圖像中任意坐標點，其RGB顏色空間為(R,G,B)，HSV顏色空間為(H,S,V)。首先將可視化圖像的H、S、V值分別轉換到0~360、0~1、0~1的范圍：

那么R、G、B的計算如以下公式，其中floor表示向下取整運算：

---

03

—

基於Opencv的RGB與HSV互相轉換

Opencv提供了cvtColor函數，調用該函數可以非常方便地實現不同顏色空間的轉換。不過為了可視化，調用該函數得到的HSV圖像，其H、S、V三通道的取值范圍並不是0~360、0~1、0~1，而是經過轉換的0~180、0~255、0~255。

void rgb_hsv(void)
{
  //讀取原圖像
  Mat img = imread("000000000902.bmp", CV_LOAD_IMAGE_COLOR);


  Mat img_hsv;
  cvtColor(img, img_hsv, CV_BGR2HSV);  //將RGB圖像轉換為HSV圖像


  Mat img_rgb;
  cvtColor(img_hsv, img_rgb, CV_HSV2BGR);   //將HSV圖像轉換為RGB圖像


  imshow("ori rgb", img);
  imshow("hsv", img_hsv);
  imshow("rgb", img_rgb);
  waitKey();
}

運行結果：

原圖

HSV圖像

將HSV圖像還原為RGB圖像，與原圖一致

---

04

—

使用C++自己實現HSV與RGB的互相轉換

為了加深上述轉換公式的理解，我們使用C++自己來實現轉換過程。

首先是RGB轉換為HSV的代碼：

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轉換為RGB的代碼：

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;
      }
    }
  }
}

測試代碼：

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();
}

運行結果如下，可以看到，轉換結果跟調用Opencv函數的結果是一致的。

HSV圖像

將HSV圖像還原為RGB圖像，與原圖一致

歡迎掃碼關注本微信公眾號，接下來會不定時更新更加精彩的內容，敬請期待~