使用opencv将sRGB格式的图片转换为BT.2020格式【sRGB】【BT.2020】

将sRGB格式的图片转换为BT.2020格式涉及到两个步骤:首先将sRGB转换到线性RGB,然后将线性RGB转换到BT.2020。这是因为sRGB图像通常使用伽马校正,而BT.2020工作在线性色彩空间中。

  1. 从sRGB到线性RGB:sRGB图像首先需要进行伽马校正解码转换为线性RGB。这个过程通常不是通过一个简单的线性矩阵实现的,而是通过以下公式:

    C_{linear} = \\begin{cases} \\frac{C_{sRGB}}{12.92}, \& \\text{if } C_{sRGB} \\leq 0.04045 \\ \\left(\\frac{C_{sRGB} + 0.055}{1.055}\\right)\^{2.4}, \& \\text{otherwise} \\end{cases}

    其中 (C_{linear}) 是线性RGB中的颜色分量值(红、绿、蓝),(C_{sRGB}) 是sRGB颜色空间中的对应分量值。

  2. 从线性RGB到BT.2020:接下来,您可以应用一个3x3的线性转换矩阵将线性RGB转换为BT.2020色彩空间。这个矩阵通常如下所示:

    [

    \begin{bmatrix}
    R_{BT.2020} \
    G_{BT.2020} \
    B_{BT.2020}
    \end{bmatrix}

    \begin{bmatrix}

    0.6274 & 0.3293 & 0.0433 \

    0.0691 & 0.9195 & 0.0114 \

    0.0164 & 0.0880 & 0.8956

    \end{bmatrix}

    \cdot

    \begin{bmatrix}

    R_{linear} \

    G_{linear} \

    B_{linear}

    \end{bmatrix}

    ]

在实际应用中,你首先需要编写代码将sRGB图像转换为线性RGB,然后再应用上述矩阵进行色彩空间的转换。以下是使用OpenCV在C++中实现这一过程的示例代码:

cpp 复制代码
#include <opencv2/opencv.hpp>
#include <cmath>

cv::Mat sRGBToLinearRGB(const cv::Mat& srgbImage) {
    cv::Mat linearRGB(srgbImage.size(), srgbImage.type());
    srgbImage.forEach<cv::Vec3b>([&](cv::Vec3b &pixel, const int * position) -> void {
        for (int i = 0; i < 3; ++i) {
            float c = pixel[i] / 255.0f;
            c = c <= 0.04045f ? c / 12.92f : std::pow((c + 0.055f) / 1.055f, 2.4f);
            linearRGB.at<cv::Vec3b>(position)[i] = static_cast<uchar>(std::round(c * 255.0f));
        }
    });
    return linearRGB;
}

int main() {
    // 假设你已经有了一个sRGB格式的cv::Mat对象 srgbImage
    cv::Mat srgbImage; // 加载你的sRGB图像

    // 将sRGB转换为线性RGB
    cv::Mat linearRGB = sRGBToLinearRGB(srgbImage);

    // 定义从线性RGB到BT.2020的转换矩阵
    cv::Matx33f transformMatrix(
        0.6274, 0.3293, 0.0433,
        0.0691, 0.9195, 0.0114,
        0.0164, 0.0880, 0.8956
    );

    // 应用转换矩阵
    cv::Mat bt2020Image;
    cv::transform(linearRGB, bt2020Image, transformMatrix);

    // bt2020Image现在包含转换后的图像

    return 0;
}
相关推荐
2601_958352901 分钟前
拆解 EN-46:一块 15mA 的 DSP 芯片如何实现 50dB 降噪
人工智能·语音识别·信号处理·嵌入式开发·音频降噪·双麦波束成形·硬件拆解
Mangguo52084 分钟前
GPU利用率提升软件横向对比评测:NVIDIA Run:ai、VMware Bitfusion、博云ACE与阿里云PAI灵骏
人工智能·阿里云·云计算
摄影图6 分钟前
蓝色光效科技背景图片素材 多场景设计
人工智能·科技·aigc·贴图·插画
AI视觉网奇15 分钟前
3d 打印拆分零件
人工智能·深度学习
月诸清酒18 分钟前
62-260515 AI 科技日报 (Qwen3.6 模型推理速度再提升,MTP加速至1.8倍)
人工智能
云和数据.ChenGuang23 分钟前
FastText的核心优势
人工智能·深度学习·机器学习·数据挖掘·边缘计算
大强同学25 分钟前
Gemini cli 登录异常解决办法
人工智能
做萤石二次开发的哈哈27 分钟前
怎样通过接口模糊检索语音文件名称?
人工智能·语音识别
b***251130 分钟前
动力电池自动生产线的工艺逻辑与运维要点
大数据·人工智能
拓朗工控31 分钟前
视觉检测连接工控机:打通智能制造“感知-决策”闭环的核心枢纽
人工智能·视觉检测·制造