OpenCV python（三）【图像预处理：颜色空间转换】 && 颜色识别

一、颜色空间和色域的区别

关于这两个名词，在我最初开始学习的一段时间里常常将他们混淆，以下是我目前对颜色空间和色域的个人理解。
颜色空间是指用数字来表示颜色，色域则代表的是一种颜色空间的范围。因此色域转换其实表示的是对颜色空间的子集的一种改变，也就是在像素值范围上的增缩，而颜色空间转换则表示的是更换此颜色模型，不仅改变了范围，也改变了各个数字或数组所代表的颜色，甚至改变了维度，即改变图像的深度。

二、颜色空间

以下介绍的颜色空间为我个人目前常需要用到的颜色空间。

1、GRAY颜色空间

GRAY颜色空间也就是我们平常所说的灰度图，通常为8位灰度图，也就是0~255的范围，像素值越低，灰度值越深，就越接近黑色，反之则接近白色，当达到边界值时，也就是像素值为0时，该像素点为纯黑色，像素值为255时，该像素点为纯白色。
使用该颜色空间，可极大地降低运算量，同时也便于后续图像处理操作，如将RGB图像二值化等需要一维图像的图像处理操作，即可先将RGB图像转换为GRAY图像，再进行二值化操作。

2、RGB颜色空间

一般情况下，我们通过摄像头或是其他硬件设备获取到的图像都是RGB图像。
RGB图像由 红（R）、绿（G）、蓝（B） 三个颜色通道组成，每个通道都有一个字节的大小，即范围为0~255，即一个通过有256个像素值，那么对应3个通道，可代表的颜色种类可达到256×256×256种，即16777216种颜色，RGB颜色空间几乎包括了人类视力所能感知的所有颜色，因此也是目前运用最广的颜色空间之一。
由上述可知，RGB颜色空间每个像素点都有3个像素值，即1个像素点由3个像素值组成的数组来表示。对应R、G、B三个通道，即Red、Green、Blue，当像素点RGB值为(255, 0, 0)时，该点为红色，当RGB值为(0, 255, 0)时，该点为绿色，当RGB值为(0, 0, 255)时，该点为蓝色。且 (0, 0, 0)表示的是黑色，(255, 255, 255)表示的是白色。由此可知RGB颜色空间是由没一个通道的像素值通过叠加的方式，从灰度的层次通过3层叠加得到不同的颜色。
除此之外，(255, 255, 0)表示的是黄色，(0, 255, 255)表示的是青色。

3、HSV颜色空间

如上所述，RGB颜色空间的颜色种类、范围很复杂，不够明显。而HSV颜色空间则能在一定范围内划分颜色的区块。
HSV颜色空间由色调H、饱和度S、亮度V组成，H的范围为0 ~ 180，S的范围为0 ~ 255，V的范围为0 ~ 255，具体颜色区间如下表所示。

三、颜色空间转换：cvtColor

1、获取RGB、GRAY、HSV图像

在第一篇文章 OpenCV python（一）：安装 && 获取、显示、保存图像 中，有通过摄像头等硬件或是直接从视频、图片获取RGB图像的方法，这些方法在上述文章中都有详细的说明和程序讲解，这里就不再赘述了，主要列举如何获取GRAY和HSV颜色空间的图像。
其实GRAY图像的获取在前一篇文章中也有提及到，在imread方法中，可选择获取灰度类型图像，如下所示2种imread获取灰度图的方法。关于imread函数也可在上篇文章中查询。

cv2.imread('xx.jpg', 0)	# 0为灰度图
cv2.imread('xx.jpg', cv2.IMREAD_GRAYSCALE)	# 灰度图

当需要用到摄像头或是视频获取图像时，要使用imread就需要先保存再获取，非常麻烦和低效，此时想要获取灰度图或是HSV图像，则可使用opencv-python提供的cvtColor函数。

获取灰度图:img_g = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
获取HSV图:img_hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
'''
img 为获取到的RGB图像，此处则将RGB转换为GRAY和HSV
cv2.COLOR_BGR2GRAY为 BGR to GRAY
cv2.COLOR_BGR2HSV为 BGR to HSV
BGR也是RGB颜色空间，只是顺序调换了,前面输入的img为RGB颜色空间即可。
'''

2、获取RGB、GRAY、HSV图像案例

（1）、摄像头获取图像再转换

程序如下所示：

import cv2  # 导入opencv库

if __name__ == '__main__':
    video = cv2.VideoCapture(0)  # 选择摄像头0、1... 或 选择视频路径
    while True:
        ret, img_RGB = video.read()
        # 获取摄像头或视频的一帧，ret判断获取是否成功，成功则为True；img为获取的图像
        if ret:
            img_GRAY = cv2.cvtColor(img_RGB, cv2.COLOR_BGR2GRAY)  # 获取GRAY图像
            img_HSV = cv2.cvtColor(img_RGB, cv2.COLOR_BGR2HSV)  # 获取HSV图像

            cv2.imshow("RGB", img_RGB)  # 显示RGB图像
            cv2.imshow("GRAY", img_GRAY)  # 显示GRAY图像
            cv2.imshow('HSV', img_HSV)  # 显示HSV图像

            cv2.waitKey(1)  # 等待时间
        else:
            # print("摄像头未打开。")
            pass  # 图像获取失败，可能未接入摄像头

（2）、导入图像直接转换&再转换

程序如下所示：

import cv2  # 导入opencv库

if __name__ == '__main__':
    while True:
        img_RGB = cv2.imread('img/2.jpg', 1)    # 获取路径img/2.jpg的图像，图像类型为RGB图像
        img_GRAY = cv2.imread('img/2.jpg', 0)  # 获取路径img/2.jpg的图像，图像类型为GRAY图像
        img_HSV = cv2.cvtColor(img_RGB, cv2.COLOR_BGR2HSV)     # 获取HSV图像

        cv2.imshow("RGB", img_RGB)  # 显示RGB图像
        cv2.imshow("GRAY", img_GRAY)  # 显示GRAY图像
        cv2.imshow('HSV', img_HSV)  # 显示HSV图像

        cv2.waitKey(1)  # 等待时间

效果如下所示，获取到红包图像后将红包转换为金包，也就是将RGB图像转换为HSV图像：

3、GRAY、HSV图像转换回RGB图像

如上图所示，可以看到灰包和金包，即红包的GRAY图像和HSV图像。在上述程序的基础上，再将其分别转换为RGB图像，程序如下所示：

import cv2  # 导入opencv库

if __name__ == '__main__':
    while True:
        img_RGB = cv2.imread('img/2.jpg', 1)    # 获取路径img/0.jpg的图像，图像类型为RGB图像
        img_GRAT = cv2.imread('img/2.jpg', 0)  # 获取路径img/0.jpg的图像，图像类型为GRAY图像
        img_HSV = cv2.cvtColor(img_RGB, cv2.COLOR_BGR2HSV)     # 获取HSV图像

        img_GRAT2RGB = cv2.cvtColor(img_GRAT, cv2.COLOR_GRAY2BGR)   # 将灰度图转换为RGB图
        img_HSV2RGB = cv2.cvtColor(img_HSV, cv2.COLOR_HSV2BGR)   # 将HSV图转换为RGB图

        cv2.imshow("RGB", img_RGB)  # 显示RGB图像
        cv2.imshow("GRAY2RGB", img_GRAT2RGB)  # 显示GRAY图像
        cv2.imshow('HSV2RGB', img_HSV2RGB)  # 显示HSV图像

        cv2.waitKey(1)  # 等待时间

效果如下所示，可以看到HSV再次转换回RGB图像时，图像原本的信息都没有被改变，原原本本地复原了；而GRAY图像再次转换回RGB图像时，图像却丢失了非常多的颜色信息，这是因为GRAY颜色空间的通道数为1，而RGB颜色空间和HSV颜色空间的通道数都为3，当3通道数转换为1通道数时，必然将丢失许多颜色信息，但与此同时，也将大幅减少后续的图像处理操作的运行时间。

四、颜色识别：HSV+inRange

下文将讲述如何结合上述的颜色空间转换，进行颜色识别并二值化。

1、inRange函数

inRange是opencv-python提供的基于HSV颜色空间的二值化函数，具体使用方法如下：

img_bin = cv2.inRange(img_hsv, lower, upper)	#低于lower、高于upper为0，中间为255

2、案例

程序如下所示：

import cv2  # 导入opencv库

if __name__ == '__main__':
    while True:
        img_RGB = cv2.imread('img/3.jpg', 1)    # 获取路径img/0.jpg的图像，图像类型为RGB图像
        img_HSV = cv2.cvtColor(img_RGB, cv2.COLOR_BGR2HSV)     # 获取HSV图像

        img_bin1 = cv2.inRange(img_HSV, (0, 43, 46), (10, 255, 255))  # 低于lower、高于upper为0，中间为255
        img_bin2 = cv2.inRange(img_HSV, (156, 43, 46), (180, 255, 255))  # 低于lower、高于upper为0，中间为255
        img_bin = cv2.add(img_bin1, img_bin2)      # 将两张图像相加，即汇总所有白色像素

        cv2.imshow("RGB", img_RGB)  # 显示RGB图像
        cv2.imshow('HSV', img_HSV)  # 显示HSV图像
        cv2.imshow('BIN1', img_bin1)    # 显示红色范围一的二值化图像
        cv2.imshow('BIN2', img_bin2)    # 显示红色范围二的二值化图像
        cv2.imshow('BIN', img_bin)  # 显示红色总范围的二值化图像

        cv2.waitKey(1)  # 等待时间

效果如下所示：

实现的功能为将图像中的红色区域二值化为白色像素，其余颜色二值化为黑色像素，再次定位时则为一维图像，可用遍历图像的方式找出红色区块。
此处将两个图像相加的操作，目的是为了让两范围的白色都汇总起来，即确保两个范围内的红色都被识别到，原因如下图所示，红色在HSV颜色空间中有两个范围。
二值化图像相加的规则很简单，在保证图像大小相等的情况下：0+255=255；255+0=255；0+0=0；255+255=255。
1-3个加法式子都很好理解，第4个加法式子其实是因为opencv图像加法时自带的一个饱和操作，即当数字相加超过了255时，将其设置为255。

本人是一名学生，目前正在学习中，本篇文章也算是我的学习笔记，如有错误的话还请指正。