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
m0_65010824几秒前
【论文精读】AVID:基于扩散模型的任意长度视频修复
人工智能·扩散模型·论文精读·视频修复·时序一致性·任意时长·结构引导
TYUT_xiaoming5 分钟前
ubuntu22.04 GPU环境安装mindspore
linux·人工智能·深度学习
海边夕阳200623 分钟前
【每天一个AI小知识】:什么是自监督学习?
人工智能·经验分享·学习
开发者工具分享25 分钟前
用户调研样本不具代表性时怎么办
人工智能·数据挖掘
稳稳C940 分钟前
02|Langgraph | 从入门到实战 | workflow与Agent
人工智能·langchain·agent·langgraph
聚梦小课堂40 分钟前
2025年11月4日 AI快讯
人工智能·新闻资讯·ai大事件
Dev7z42 分钟前
基于ResNet50和PyTorch的猫狗图像分类系统设计与实现
人工智能·pytorch·分类
lybugproducer43 分钟前
深度学习专题:模型训练的数据并行(三)
人工智能·深度学习·概率论
Gloria_niki1 小时前
图像分割深度学习学习总结
人工智能
武子康1 小时前
AI研究-118 具身智能 Mobile-ALOHA 解读:移动+双臂模仿学习的开源方案(含论文/代码/套件链接)
人工智能·深度学习·学习·机器学习·ai·开源·模仿学习