十二、从 RGB 到 HSV 的转换详细介绍

从RGB 到 HSV 的转换详细介绍

1.RGB

       RGB是从颜色发光的原理来设计定的，通俗点说它的颜色混合方式就好像有红、绿、蓝三盏灯，当它们的光相互叠合的时候，色彩相混，而亮度却等于两者亮度之总和，越混合亮度越高，即加法混合。

        红、绿、蓝三个颜色通道每种色各分为256阶亮度，在0时“灯”最弱——是关掉的，而在255时“灯”最亮。当三色灰度数值相同时，产生不同灰度值的灰色调，即三色灰度都为0时，是最暗的黑色调；三色灰度都为255时，是最亮的白色调。

        在电脑中，RGB的所谓“多少”就是指亮度，并使用整数来表示。通常情况下，RGB各有256级亮度，用数字表示为从0、1、2...直到255。注意虽然数字最高是255，但0也是数值之一，因此共256级。

图1.1 RGB

2.HSV

        HSV是一种比较直观的颜色模型，所以在许多图像编辑工具中应用比较广泛，这个模型中颜色的参数分别是：色调（H, Hue），饱和度（S,Saturation），明度（V, Value）。

色调H

        用角度度量，取值范围为0°～360°，从红色开始按逆时针方向计算，红色为0°，绿色为120°,蓝色为240°。它们的补色是：黄色为60°，青色为180°,品红为300°；

饱和度S

        饱和度S表示颜色接近光谱色的程度。一种颜色，可以看成是某种光谱色与白色混合的结果。其中光谱色所占的比例愈大，颜色接近光谱色的程度就愈高，颜色的饱和度也就愈高。饱和度高，颜色则深而艳。光谱色的白光成分为0，饱和度达到最高。通常取值范围为0%～100%，值越大，颜色越饱和。

明度V

        明度表示颜色明亮的程度，对于光源色，明度值与发光体的光亮度有关；对于物体色，此值和物体的透射比或反射比有关。通常取值范围为0%（黑）到100%（白）。

                    

图2.1 HSV

2.1应用openCV中HSV取值范围说明

我们需要注意的在不同应用场景中，HSV取值范围是不尽相同的。

1.PS软件时，H取值范围是0-360，S取值范围是（0%-100%），V取值范围是（0%-100%）。

2.利用openCV中cvSplit函数的在选择图像IPL_DEPTH_32F类型时，H取值范围是0-360，S取值范围是0-1（0%-100%），V取值范围是0-1（0%-100%）。

3.利用openCV中cvSplit函数的在选择图像IPL_DEPTH_8UC类型时，H取值范围是0-180，S取值范围是0-255，V取值范围是0-255。

3.RGB转HSV

3.1公式

3.2代码

测试样例1
    
     
     

    
     
     
#include "cv.h"
#include "highgui.h"
#include "cxcore.h"

/*--------------copyright-hanshanbuleng--------------------*/
// 将色调H的取值范围转换到0~180之间
int main()
{
float H,S,V,H1,S1,V1;
IplImage *src = cvLoadImage( "F:\\vs2010program\\RGB_HSV\\study_test\\2.jpg", 1);
IplImage *hsv_img = cvCreateImage(cvGetSize(src), 8 , 3);
IplImage *h_img = cvCreateImage(cvGetSize(src), 8, 1);
IplImage *s_img = cvCreateImage(cvGetSize(src), 8, 1);
IplImage *v_img = cvCreateImage(cvGetSize(src), 8, 1);

cvCvtColor(src, hsv_img, CV_BGR2HSV);
cvSplit(hsv_img, h_img, s_img, v_img, NULL);
for( int y = 0; y < hsv_img->height; y++){
for( int x = 0; x < hsv_img->width; x++)
{
H1 = cvGetReal2D(h_img, y, x);
S1 = cvGetReal2D(s_img, y, x);
V1 = cvGetReal2D(v_img, y, x);

//地址法
H = (uchar)h_img->imageData[y*h_img->widthStep + x*h_img->nChannels];
S = (uchar)s_img->imageData[y*s_img->widthStep + x*s_img->nChannels];
V = (uchar)v_img->imageData[y*v_img->widthStep + x*v_img->nChannels];

printf( "H:%f S:%f V:%f \n",H,S,V);
}

}
cvNamedWindow( "hsv_img", 0); //HSV图
cvShowImage( "hsv_img", hsv_img);
cvNamedWindow( "h_img", 0); //H通道
cvShowImage( "h_img", h_img);
cvNamedWindow( "s_img", 0); //S通道
cvShowImage( "s_img", s_img);
cvNamedWindow( "v_img", 0); //V通道
cvShowImage( "v_img", v_img);
cvWaitKey( 0);
cvReleaseImage(&hsv_img);
cvReleaseImage(&h_img);
cvReleaseImage(&s_img);
cvReleaseImage(&v_img);
cvDestroyWindow( "hsv_img");
cvDestroyWindow( "h_img");
cvDestroyWindow( "s_img");
cvDestroyWindow( "v_img");

return 0;
}
    
     
     

测试样例2
    
     
     

    
     
     
#include "cv.h"
#include "highgui.h"
#include "cxcore.h"

/*---------------copyright-hanshanbuleng-------------

问题描述：
用cvShowImage显示32bits float(IPL_DEPTH_32F)型单通道灰度图像时就出了问题，
图像只有黑白两种颜色，没有灰色的，出现了严重失真，这就是没有正确显示；
问题原因：
如果图像是32位float型，cvShowImage会把像素值乘以255然后再与[0,255]的colormap结合起来显示图像，
也就是说，原来32位folat型图像中值为0的像素被显示成黑色，值大于或等于1的像素被显示成白色。

---------------------------------------------------*/
//此时H的范围只能在0~360之间
int main()
{
float H,S,V,H1,S1,V1;
IplImage *src = cvLoadImage( "F:\\vs2010program\\RGB_HSV\\study_test\\2.jpg", 1);
IplImage *hsv_img = cvCreateImage(cvGetSize(src), IPL_DEPTH_32F , 3);
cvConvertScale(src, hsv_img, 1.0, 0.0);

IplImage *hsv_img1 = cvCreateImage(cvGetSize(src), IPL_DEPTH_32F , 3);

IplImage *h_img = cvCreateImage(cvGetSize(src), IPL_DEPTH_32F, 1);
IplImage *s_img = cvCreateImage(cvGetSize(src), IPL_DEPTH_32F, 1);
IplImage *v_img = cvCreateImage(cvGetSize(src), IPL_DEPTH_32F, 1);

IplImage *h_img1 = cvCreateImage(cvGetSize(src), 8, 1);
IplImage *s_img1 = cvCreateImage(cvGetSize(src), 8, 1);
IplImage *v_img1 = cvCreateImage(cvGetSize(src), 8, 1);

cvCvtColor(hsv_img, hsv_img1, CV_BGR2HSV);
cvSplit(hsv_img1, h_img, s_img, v_img, NULL);
for( int y = 0; y < hsv_img->height; y++){
for( int x = 0; x < hsv_img->width; x++)
{
H1 = cvGetReal2D(h_img, y, x); //0-360
S1 = cvGetReal2D(s_img, y, x); //0-1
V1 = cvGetReal2D(v_img, y, x); //0-255

地址法 还是有问题 待研究
//H = (double)h_img->imageData[y*h_img->widthStep + x*h_img->nChannels];
//S = s_img->imageData[y*s_img->widthStep + x*s_img->nChannels];
//V = v_img->imageData[y*v_img->widthStep + x*v_img->nChannels];

printf( "H:%f S:%f V:%f \n",H1,S1,V1);
}

}

cvCvtScale(v_img,h_img1, 255.0/ 360.0);

cvNamedWindow( "hsv_img"); //HSV图
cvShowImage( "hsv_img", hsv_img);
cvNamedWindow( "h_img"); //H通道 0-360 显示不正常
cvShowImage( "h_img", h_img);
cvNamedWindow( "s_img"); //S通道 0-1
cvShowImage( "s_img", s_img);
cvNamedWindow( "h_img1"); //V通道 0-255
cvShowImage( "h_img1", h_img1);

cvNamedWindow( "v_img");
cvShowImage( "v_img", v_img);

cvWaitKey( 0);
cvReleaseImage(&hsv_img);
cvReleaseImage(&h_img);
cvReleaseImage(&s_img);
cvReleaseImage(&v_img);
cvDestroyWindow( "hsv_img");
cvDestroyWindow( "h_img");
cvDestroyWindow( "s_img");
cvDestroyWindow( "v_img");

return 0;
}
    
     
     

测试样例3
    
     
     

    
     
     
#include "cv.h"
#include "highgui.h"
#include "cxcore.h"

/*--------------copyright-hanshanbuleng--------------------*/
//此时H,S,V的范围均在0~255之间
int main()
{
float H,S,V,H1,S1,V1;
IplImage *src = cvLoadImage( "F:\\vs2010program\\RGB_HSV\\study_test\\2.jpg", 1);
IplImage *hsv_img = cvCreateImage(cvGetSize(src), IPL_DEPTH_32F , 3);
cvConvertScale(src, hsv_img, 1.0, 0.0);

IplImage *hsv_img1 = cvCreateImage(cvGetSize(src), IPL_DEPTH_32F , 3);

IplImage *h_img = cvCreateImage(cvGetSize(src), IPL_DEPTH_32F, 1);
IplImage *s_img = cvCreateImage(cvGetSize(src), IPL_DEPTH_32F, 1);
IplImage *v_img = cvCreateImage(cvGetSize(src), IPL_DEPTH_32F, 1);

IplImage *h = cvCreateImage(cvGetSize(src), 8, 1);
IplImage *s = cvCreateImage(cvGetSize(src), 8, 1);
IplImage *v = cvCreateImage(cvGetSize(src), 8, 1);

cvCvtColor(hsv_img, hsv_img1, CV_BGR2HSV);
cvSplit(hsv_img1, h_img, s_img, v_img, NULL);

//转换表示范围
cvConvertScale(h_img, h, ( 1.0/ 360)* 255, 0.0);
cvConvertScale(s_img, s, 255.0, 0.0);
cvConvertScale(v_img, v, 1.0, 0.0);

for( int y = 0; y < hsv_img->height; y++){
for( int x = 0; x < hsv_img->width; x++)
{
//转换后的h_img,s_img,v_img 取值查看
/*----------------------------------*/
//转换后的h,s,v 取值查看
// H1 = cvGetReal2D(h_img, y, x);
// S1 = cvGetReal2D(s_img, y, x);
// V1 = cvGetReal2D(v_img, y, x);
//
// //地址法 对比
// H = (double)h_img->imageData[y*h_img->widthStep + x*h_img->nChannels];
// S = (double)s_img->imageData[y*s_img->widthStep + x*s_img->nChannels];
// V = v_img->imageData[y*v_img->widthStep + x*v_img->nChannels];
/*----------------------------------*/

//转换后的h,s,v 取值查看
/*----------------------------------*/
H1 = cvGetReal2D(h, y, x);
S1 = cvGetReal2D(s, y, x);
V1 = cvGetReal2D(v, y, x);

//地址法 对比
H = (uchar)h->imageData[y*h->widthStep + x*h->nChannels];
S = (uchar)s->imageData[y*s->widthStep + x*s->nChannels];
V = (uchar)v->imageData[y*s->widthStep + x*s->nChannels];
/*----------------------------------*/

printf( "H:%f S:%f V:%f \n",H,S,V);
}

}
cvNamedWindow( "hsv_img", 0); //HSV图
cvShowImage( "hsv_img", hsv_img);
cvNamedWindow( "h_img", 0); //H通道
cvShowImage( "h_img", h_img);
cvNamedWindow( "s_img", 0); //S通道
cvShowImage( "s_img", s_img);
cvNamedWindow( "v_img", 0); //V通道
cvShowImage( "v_img", v_img);
cvWaitKey( 0);
cvReleaseImage(&hsv_img);
cvReleaseImage(&h_img);
cvReleaseImage(&s_img);
cvReleaseImage(&v_img);
cvDestroyWindow( "hsv_img");
cvDestroyWindow( "h_img");
cvDestroyWindow( "s_img");
cvDestroyWindow( "v_img");

return 0;
}
    
     
     

4.引申—本实例使用opencv函数简介

函数介绍百度一下就可以，在此我只是简单说明一下

cvLoadImage（） //加载图片

cvCreateImage（）//创建图片大小

cvCvtColor（）  //空间转换

cvSplit（）     //分离不同通道

cvCvtScale（）  //调整比例

cvNamedWindow（）//创建图像显示窗口

cvReleaseImage（）//释放创建的图片

cvWaitKey（）    //等待

cvDestroyWindow（）//销毁窗口

5.参考链接

https://blog.csdn.net/yangdashi888/article/details/53782481

https://blog.csdn.net/zhupananhui/article/details/21157541

https://baike.baidu.com/item/HSV/547122

 

从RGB 到 HSV 的转换详细介绍

1.RGB

       RGB是从颜色发光的原理来设计定的，通俗点说它的颜色混合方式就好像有红、绿、蓝三盏灯，当它们的光相互叠合的时候，色彩相混，而亮度却等于两者亮度之总和，越混合亮度越高，即加法混合。

        红、绿、蓝三个颜色通道每种色各分为256阶亮度，在0时“灯”最弱——是关掉的，而在255时“灯”最亮。当三色灰度数值相同时，产生不同灰度值的灰色调，即三色灰度都为0时，是最暗的黑色调；三色灰度都为255时，是最亮的白色调。

        在电脑中，RGB的所谓“多少”就是指亮度，并使用整数来表示。通常情况下，RGB各有256级亮度，用数字表示为从0、1、2...直到255。注意虽然数字最高是255，但0也是数值之一，因此共256级。

图1.1 RGB

2.HSV

        HSV是一种比较直观的颜色模型，所以在许多图像编辑工具中应用比较广泛，这个模型中颜色的参数分别是：色调（H, Hue），饱和度（S,Saturation），明度（V, Value）。

色调H

        用角度度量，取值范围为0°～360°，从红色开始按逆时针方向计算，红色为0°，绿色为120°,蓝色为240°。它们的补色是：黄色为60°，青色为180°,品红为300°；

饱和度S

        饱和度S表示颜色接近光谱色的程度。一种颜色，可以看成是某种光谱色与白色混合的结果。其中光谱色所占的比例愈大，颜色接近光谱色的程度就愈高，颜色的饱和度也就愈高。饱和度高，颜色则深而艳。光谱色的白光成分为0，饱和度达到最高。通常取值范围为0%～100%，值越大，颜色越饱和。

明度V

        明度表示颜色明亮的程度，对于光源色，明度值与发光体的光亮度有关；对于物体色，此值和物体的透射比或反射比有关。通常取值范围为0%（黑）到100%（白）。

                    

图2.1 HSV

2.1应用openCV中HSV取值范围说明

我们需要注意的在不同应用场景中，HSV取值范围是不尽相同的。

1.PS软件时，H取值范围是0-360，S取值范围是（0%-100%），V取值范围是（0%-100%）。

2.利用openCV中cvSplit函数的在选择图像IPL_DEPTH_32F类型时，H取值范围是0-360，S取值范围是0-1（0%-100%），V取值范围是0-1（0%-100%）。

3.利用openCV中cvSplit函数的在选择图像IPL_DEPTH_8UC类型时，H取值范围是0-180，S取值范围是0-255，V取值范围是0-255。

3.RGB转HSV

3.1公式

3.2代码

测试样例1
    
   
   

    
   
   
#include "cv.h"
#include "highgui.h"
#include "cxcore.h"

/*--------------copyright-hanshanbuleng--------------------*/
// 将色调H的取值范围转换到0~180之间
int main()
{
float H,S,V,H1,S1,V1;
IplImage *src = cvLoadImage( "F:\\vs2010program\\RGB_HSV\\study_test\\2.jpg", 1);
IplImage *hsv_img = cvCreateImage(cvGetSize(src), 8 , 3);
IplImage *h_img = cvCreateImage(cvGetSize(src), 8, 1);
IplImage *s_img = cvCreateImage(cvGetSize(src), 8, 1);
IplImage *v_img = cvCreateImage(cvGetSize(src), 8, 1);

cvCvtColor(src, hsv_img, CV_BGR2HSV);
cvSplit(hsv_img, h_img, s_img, v_img, NULL);
for( int y = 0; y < hsv_img->height; y++){
for( int x = 0; x < hsv_img->width; x++)
{
H1 = cvGetReal2D(h_img, y, x);
S1 = cvGetReal2D(s_img, y, x);
V1 = cvGetReal2D(v_img, y, x);

//地址法
H = (uchar)h_img->imageData[y*h_img->widthStep + x*h_img->nChannels];
S = (uchar)s_img->imageData[y*s_img->widthStep + x*s_img->nChannels];
V = (uchar)v_img->imageData[y*v_img->widthStep + x*v_img->nChannels];

printf( "H:%f S:%f V:%f \n",H,S,V);
}

}
cvNamedWindow( "hsv_img", 0); //HSV图
cvShowImage( "hsv_img", hsv_img);
cvNamedWindow( "h_img", 0); //H通道
cvShowImage( "h_img", h_img);
cvNamedWindow( "s_img", 0); //S通道
cvShowImage( "s_img", s_img);
cvNamedWindow( "v_img", 0); //V通道
cvShowImage( "v_img", v_img);
cvWaitKey( 0);
cvReleaseImage(&hsv_img);
cvReleaseImage(&h_img);
cvReleaseImage(&s_img);
cvReleaseImage(&v_img);
cvDestroyWindow( "hsv_img");
cvDestroyWindow( "h_img");
cvDestroyWindow( "s_img");
cvDestroyWindow( "v_img");

return 0;
}
    
   
   

测试样例2
    
   
   

    
   
   
#include "cv.h"
#include "highgui.h"
#include "cxcore.h"

/*---------------copyright-hanshanbuleng-------------

问题描述：
用cvShowImage显示32bits float(IPL_DEPTH_32F)型单通道灰度图像时就出了问题，
图像只有黑白两种颜色，没有灰色的，出现了严重失真，这就是没有正确显示；
问题原因：
如果图像是32位float型，cvShowImage会把像素值乘以255然后再与[0,255]的colormap结合起来显示图像，
也就是说，原来32位folat型图像中值为0的像素被显示成黑色，值大于或等于1的像素被显示成白色。

---------------------------------------------------*/
//此时H的范围只能在0~360之间
int main()
{
float H,S,V,H1,S1,V1;
IplImage *src = cvLoadImage( "F:\\vs2010program\\RGB_HSV\\study_test\\2.jpg", 1);
IplImage *hsv_img = cvCreateImage(cvGetSize(src), IPL_DEPTH_32F , 3);
cvConvertScale(src, hsv_img, 1.0, 0.0);

IplImage *hsv_img1 = cvCreateImage(cvGetSize(src), IPL_DEPTH_32F , 3);

IplImage *h_img = cvCreateImage(cvGetSize(src), IPL_DEPTH_32F, 1);
IplImage *s_img = cvCreateImage(cvGetSize(src), IPL_DEPTH_32F, 1);
IplImage *v_img = cvCreateImage(cvGetSize(src), IPL_DEPTH_32F, 1);

IplImage *h_img1 = cvCreateImage(cvGetSize(src), 8, 1);
IplImage *s_img1 = cvCreateImage(cvGetSize(src), 8, 1);
IplImage *v_img1 = cvCreateImage(cvGetSize(src), 8, 1);

cvCvtColor(hsv_img, hsv_img1, CV_BGR2HSV);
cvSplit(hsv_img1, h_img, s_img, v_img, NULL);
for( int y = 0; y < hsv_img->height; y++){
for( int x = 0; x < hsv_img->width; x++)
{
H1 = cvGetReal2D(h_img, y, x); //0-360
S1 = cvGetReal2D(s_img, y, x); //0-1
V1 = cvGetReal2D(v_img, y, x); //0-255

地址法 还是有问题 待研究
//H = (double)h_img->imageData[y*h_img->widthStep + x*h_img->nChannels];
//S = s_img->imageData[y*s_img->widthStep + x*s_img->nChannels];
//V = v_img->imageData[y*v_img->widthStep + x*v_img->nChannels];

printf( "H:%f S:%f V:%f \n",H1,S1,V1);
}

}

cvCvtScale(v_img,h_img1, 255.0/ 360.0);

cvNamedWindow( "hsv_img"); //HSV图
cvShowImage( "hsv_img", hsv_img);
cvNamedWindow( "h_img"); //H通道 0-360 显示不正常
cvShowImage( "h_img", h_img);
cvNamedWindow( "s_img"); //S通道 0-1
cvShowImage( "s_img", s_img);
cvNamedWindow( "h_img1"); //V通道 0-255
cvShowImage( "h_img1", h_img1);

cvNamedWindow( "v_img");
cvShowImage( "v_img", v_img);

cvWaitKey( 0);
cvReleaseImage(&hsv_img);
cvReleaseImage(&h_img);
cvReleaseImage(&s_img);
cvReleaseImage(&v_img);
cvDestroyWindow( "hsv_img");
cvDestroyWindow( "h_img");
cvDestroyWindow( "s_img");
cvDestroyWindow( "v_img");

return 0;
}
    
   
   

测试样例3
    
   
   

    
   
   
#include "cv.h"
#include "highgui.h"
#include "cxcore.h"

/*--------------copyright-hanshanbuleng--------------------*/
//此时H,S,V的范围均在0~255之间
int main()
{
float H,S,V,H1,S1,V1;
IplImage *src = cvLoadImage( "F:\\vs2010program\\RGB_HSV\\study_test\\2.jpg", 1);
IplImage *hsv_img = cvCreateImage(cvGetSize(src), IPL_DEPTH_32F , 3);
cvConvertScale(src, hsv_img, 1.0, 0.0);

IplImage *hsv_img1 = cvCreateImage(cvGetSize(src), IPL_DEPTH_32F , 3);

IplImage *h_img = cvCreateImage(cvGetSize(src), IPL_DEPTH_32F, 1);
IplImage *s_img = cvCreateImage(cvGetSize(src), IPL_DEPTH_32F, 1);
IplImage *v_img = cvCreateImage(cvGetSize(src), IPL_DEPTH_32F, 1);

IplImage *h = cvCreateImage(cvGetSize(src), 8, 1);
IplImage *s = cvCreateImage(cvGetSize(src), 8, 1);
IplImage *v = cvCreateImage(cvGetSize(src), 8, 1);

cvCvtColor(hsv_img, hsv_img1, CV_BGR2HSV);
cvSplit(hsv_img1, h_img, s_img, v_img, NULL);

//转换表示范围
cvConvertScale(h_img, h, ( 1.0/ 360)* 255, 0.0);
cvConvertScale(s_img, s, 255.0, 0.0);
cvConvertScale(v_img, v, 1.0, 0.0);

for( int y = 0; y < hsv_img->height; y++){
for( int x = 0; x < hsv_img->width; x++)
{
//转换后的h_img,s_img,v_img 取值查看
/*----------------------------------*/
//转换后的h,s,v 取值查看
// H1 = cvGetReal2D(h_img, y, x);
// S1 = cvGetReal2D(s_img, y, x);
// V1 = cvGetReal2D(v_img, y, x);
//
// //地址法 对比
// H = (double)h_img->imageData[y*h_img->widthStep + x*h_img->nChannels];
// S = (double)s_img->imageData[y*s_img->widthStep + x*s_img->nChannels];
// V = v_img->imageData[y*v_img->widthStep + x*v_img->nChannels];
/*----------------------------------*/

//转换后的h,s,v 取值查看
/*----------------------------------*/
H1 = cvGetReal2D(h, y, x);
S1 = cvGetReal2D(s, y, x);
V1 = cvGetReal2D(v, y, x);

//地址法 对比
H = (uchar)h->imageData[y*h->widthStep + x*h->nChannels];
S = (uchar)s->imageData[y*s->widthStep + x*s->nChannels];
V = (uchar)v->imageData[y*s->widthStep + x*s->nChannels];
/*----------------------------------*/

printf( "H:%f S:%f V:%f \n",H,S,V);
}

}
cvNamedWindow( "hsv_img", 0); //HSV图
cvShowImage( "hsv_img", hsv_img);
cvNamedWindow( "h_img", 0); //H通道
cvShowImage( "h_img", h_img);
cvNamedWindow( "s_img", 0); //S通道
cvShowImage( "s_img", s_img);
cvNamedWindow( "v_img", 0); //V通道
cvShowImage( "v_img", v_img);
cvWaitKey( 0);
cvReleaseImage(&hsv_img);
cvReleaseImage(&h_img);
cvReleaseImage(&s_img);
cvReleaseImage(&v_img);
cvDestroyWindow( "hsv_img");
cvDestroyWindow( "h_img");
cvDestroyWindow( "s_img");
cvDestroyWindow( "v_img");

return 0;
}
    
   
   

4.引申—本实例使用opencv函数简介

函数介绍百度一下就可以，在此我只是简单说明一下

cvLoadImage（） //加载图片

cvCreateImage（）//创建图片大小

cvCvtColor（）  //空间转换

cvSplit（）     //分离不同通道

cvCvtScale（）  //调整比例

cvNamedWindow（）//创建图像显示窗口

cvReleaseImage（）//释放创建的图片

cvWaitKey（）    //等待

cvDestroyWindow（）//销毁窗口

5.参考链接

https://blog.csdn.net/yangdashi888/article/details/53782481

https://blog.csdn.net/zhupananhui/article/details/21157541

https://baike.baidu.com/item/HSV/547122