数字图像处理—— Lab、YCbCr、HSV、RGB之间互转

Lab

"Lab" 图像格式通常指的是 CIELAB 色彩空间,也称为 Lab 色彩空间。它是一种用于描述人类视觉感知的颜色的设备无关色彩空间,与常见的 RGB 和 CMYK 色彩空间不同。CIELAB 由国际照明委员会(CIE)于1976年定义,用于更准确地表示人眼对色彩的感知。

CIELAB 包括三个通道:L(亮度)、a(从绿色到红色的颜色分量)和b(从蓝色到黄色的颜色分量)。这种色彩空间的主要优势在于,它试图模拟人眼对色彩的感知方式,使得在 Lab 空间中更接近的颜色在视觉上也更相似。这使得 Lab 色彩空间在许多颜色相关的应用中很有用,如图像处理、颜色校正和颜色匹配等。

然而,需要注意的是,Lab 图像格式本身并不是一种常见的图像文件格式,如 JPEG、PNG 或 GIF。相反,Lab 色彩空间通常是用于图像处理中的中间色彩空间,以帮助进行颜色校正、色彩调整和其他颜色相关的操作。要在计算机上表示 Lab 色彩空间,通常会使用浮点数值表示 L、a 和 b 通道的值。

YCbCr

YCbCr 是一种用于数字图像和视频编码的颜色空间,它与 RGB 颜色空间不同。YCbCr 通常用于图像和视频压缩、传输以及数字媒体处理中,因为它具有对人眼感知不同的颜色和亮度信息分离的特性,这样可以在保持视觉质量的前提下减少数据传输量。

YCbCr 由三个分量组成:

Y(亮度):表示图像的明亮度分量。这个分量对应于人眼对图像的亮度感知。

Cb 和 Cr(色差):这两个分量表示颜色信息中的色度或色差分量。Cb 表示蓝色和亮度之间的差异,而 Cr 表示红色和亮度之间的差异。这种分离允许将色彩信息与亮度信息分开,从而在不显著影响视觉感知的情况下进行压缩。

YCbCr 被广泛用于数字媒体技术中,例如 JPEG 图像压缩、视频编码(如 MPEG 和 H.264)以及数字电视广播中。许多图像和视频格式都使用 YCbCr 色彩空间来存储数据,因为它在保留图像质量的同时可以减少存储和传输的数据量。在这些格式中,图像的颜色信息被映射到 Cb 和 Cr 通道,而亮度信息保留在 Y 通道中。

HSV

它基于人类视觉系统对颜色的感知方式,与 RGB 和 CMYK 色彩空间不同。HSV 代表色相(Hue)、饱和度(Saturation)和亮度(Value),它提供了一种直观的方式来描述颜色的不同方面。

以下是 HSV 色彩空间的三个分量:

  1. 色相(Hue):色相表示颜色的基本属性,即我们常说的颜色名称,如红色、绿色、蓝色等。色相的取值范围通常为 0 到 360
    度,将整个颜色环划分为不同的颜色。
  2. 饱和度(Saturation):饱和度表示颜色的纯度或鲜艳程度。饱和度较低的颜色会更加灰暗或淡化,而高饱和度的颜色更加鲜艳。饱和度的取值范围通常为0%(灰色)到 100%(完全饱和)。
  3. 亮度(Value):亮度表示颜色的明暗程度。较高的亮度值表示颜色较亮,而较低的值表示颜色较暗。亮度的取值范围通常为 0%(黑色)到100%(白色)。
    HSV 色彩空间通常在图像处理和计算机图形学中使用,因为它提供了更直观的控制颜色外观的方式。与 RGB 色彩空间相比,HSV 更适合用于调整颜色的饱和度和明暗程度,而不必考虑颜色之间的复杂交互影响。

代码

首先先定义这些颜色空间的数据结构,为了方便读写图像,这里使用OpenCV来读入图像,读入之后把BGR转成RGB。

cpp 复制代码
#pragma once
#include <iostream>
#include <algorithm>
#include <opencv2/opencv.hpp>
struct Lab
{
	float L;
	float a;
	float b;
};

struct YCbCr
{
    float Y;
    float Cb;
    float Cr;
};

struct HSV
{
	int h;
	double s;
	double v;
};

struct BGR
{
	float b;
	float g;
	float r;
};

实现代码

cpp 复制代码
void BGR_YCbCr(BGR &bgr, YCbCr& y)
{
    y.Y = 0.257 * bgr.r + 0.564 * bgr.g + 0.098 * bgr.b + 16;
    y.Cb = -0.148 * bgr.r - 0.291 * bgr.g + 0.439 * bgr.b + 128;
    y.Cr = 0.439 * bgr.r - 0.368 * bgr.g - 0.071 * bgr.b + 128;
}

void BGR_Lab(BGR &bgr, Lab& lab)
{
    double X, Y, Z;
    double Fx = 0, Fy = 0, Fz = 0;
    double b = bgr.b / 255.00;
    double g = bgr.g / 255.00;
    double r = bgr.r / 255.00;


    // gamma 2.2
    if (r > 0.04045)
        r = pow((r + 0.055) / 1.055, 2.4);
    else
        r = r / 12.92;
    if (g > 0.04045)
        g = pow((g + 0.055) / 1.055, 2.4);
    else
        g = g / 12.92;
    if (b > 0.04045)
        b = pow((b + 0.055) / 1.055, 2.4);
    else
        b = b / 12.92;
    // sRGB
    X = r * 0.436052025 + g * 0.385081593 + b * 0.143087414;
    Y = r * 0.222491598 + g * 0.716886060 + b * 0.060621486;
    Z = r * 0.013929122 + g * 0.097097002 + b * 0.714185470;
    // XYZ range: 0~100
    X = X * 100.000;
    Y = Y * 100.000;
    Z = Z * 100.000;
    // Reference White Point
    //2度视场 D50光源三刺激值
    double ref_X = 96.4221;
    double ref_Y = 100.000;
    double ref_Z = 82.5211;


    X = X / ref_X;
    Y = Y / ref_Y;
    Z = Z / ref_Z;


    // Lab
    if (X > 0.008856)
        Fx = pow(X, 1 / 3.000);
    else
        Fx = (7.787 * X) + (16 / 116.000);
    if (Z > 0.008856)
        Fz = pow(Z, 1 / 3.000);
    else
        Fz = (7.787 * Z) + (16 / 116.000);
    if (Y > 0.008856)
    {
        Fy = pow(Y, 1 / 3.000);
        lab.L = (116.000 * Fy) - 16.0 + 0.5;
    }
    else
    {
        Fy = (7.787 * Y) + (16 / 116.000);
        lab.L = 903.3 * Y;
    }

    lab.a = 500.000 * (Fx - Fy) + 0.5;
    lab.b = 200.000 * (Fy - Fz) + 0.5;
}

bool IsEquals(double val1, double val2)
{
	return fabs(val1 - val2) < 0.001;
}

void BGR_HSV(BGR& bgr, HSV& hsv)
{
	double b, g, r;
	double h, s, v;
	double min, max;
	double delta;

	b = bgr.b / 255.0;
	g = bgr.g / 255.0;
	r = bgr.r / 255.0;

	if (r > g)
	{
		max = std::max(r, b);
		min = std::min(g, b);
	}
	else
	{
		max = std::max(g, b);
		min = std::min(r, b);
	}

	v = max;
	delta = max - min;

	if (IsEquals(max, 0))
		s = 0.0;
	else
		s = delta / max;

	if (max == min)
		h = 0.0;
	else
	{
		if (IsEquals(r, max) && g >= b)
		{
			h = 60 * (g - b) / delta + 0;
		}
		else if (IsEquals(r, max) && g < b)
		{
			h = 60 * (g - b) / delta + 360;
		}
		else if (IsEquals(g, max))
		{
			h = 60 * (b - r) / delta + 120;
		}
		else if (IsEquals(b, max))
		{
			h = 60 * (r - g) / delta + 240;
		}
	}

	hsv.h = (int)(h + 0.5);
	hsv.h = (hsv.h > 359) ? (hsv.h - 360) : hsv.h;
	hsv.h = (hsv.h < 0) ? (hsv.h + 360) : hsv.h;
	hsv.s = s;
	hsv.v = v;
}

BGR BGR_value(cv::Mat& cv_src)
{
    cv::Scalar s = cv::mean(cv_src);
    BGR bgr;
    bgr.b = s[0];
    bgr.g = s[1];
    bgr.r = s[2];

    return bgr;
}
相关推荐
丶Darling.1 个月前
MIT 6.S081 | 操作系统 | Lab1: Xv6 and Unix utilities
linux·服务器·c语言·操作系统·unix·lab·mit 6.s081
丶Darling.1 个月前
MIT 6.S081 Lab1: Xv6 and Unix utilities翻译
服务器·unix·lab·mit 6.s081·英文翻译中文
Uncertainty!!2 个月前
数字图像处理:图像分割应用
数字图像处理·阈值分割法·区域生长法·边缘检测法
爱奔跑的虎子2 个月前
FPGA图像处理之均值滤波
图像处理·matlab·fpga开发·fpga·数字图像处理·vivao
Uncertainty!!3 个月前
数字图像处理:空间域滤波
数字图像处理·中值滤波·均值滤波·空间域滤波·高斯滤波
Uncertainty!!3 个月前
数字图像处理:边缘检测
数字图像处理·sobel算子·roberts算子·prewitt算子·laplace算子·log算子·dog算子
imblackcat3 个月前
【科研小小白】理解图片容量、像素、尺寸、分辨率各自含义、 像素、分辨率与实际尺寸之间的转换关系
python·数字图像处理·传统数字图像处理算法
无敌海苔咪5 个月前
实验四 图像增强—灰度变换之直方图变换
图像处理·计算机视觉·matlab·数字图像处理
无敌海苔咪6 个月前
实验六 图像的傅立叶变换
图像处理·算法·计算机视觉·matlab·数字图像处理
是瑶瑶子啦6 个月前
【计算机视觉】数字图像处理基础:以像素为单位的图像基本运算(点运算、代数运算、逻辑运算、几何运算、插值)
计算机视觉·数字图像处理·数字图像·点运算·代数运算·插值算法