计算机视觉（一）：基础篇

更多内容关注公众号：数学的旋律

一、光和电磁波谱

      1666年，艾萨克牛顿发现，当一束太阳光通过一个玻璃棱镜后，显示的光束不再是白光，而是由一端为紫色而另一段为红色的连续色谱组成。如图1所示，我们感受到的可见光的彩色范围只占电磁波的一小部分。在波谱的一端是无线电波，其波长是可见波长的几十亿倍。波谱的另一端是伽马射线，其波长比可见光小几百万倍。电磁波谱可用波长、频率或能量来描述。波长（$\lambda$）和频率（$v$）的关系可见下式描述：
$$\lambda =c/v$$式中$c$是光速（$2.998\times 10^{8}m/s$）。电磁波谱的各个分量的能量由下式给出：
$$E=hv$$式中$h$是普朗克常数。

    电磁波可视为以波长$\lambda$传播的正弦波，从上面的式子可以看出，能量与频率成正比，因此更高频率（更短波长）的电磁现象的每个光子携带更多的能量。

二、彩色模型

1.RGB彩色模型

      在RGB模型中，每种颜色出现在红(Red)、绿(Green)、蓝(Blue)的原色光谱成分中。该模型基于笛卡儿坐标系。在RGB彩色模型中表示的图像由3个分量图像组成，每种原色一幅分量图像。当送入RGB监视器时，这3幅图像在屏幕上混合生成一幅合成的彩色图像。
      见图2，为方便起见，假定所有颜色值均已归一化，即R、G和B的所有值都在区间[0,1]中。0表示不发光，1表示完全发光。以(1,0,0)为例，R为1即完全发光，G与B为0即不发光，最终颜色为红色；以(1,1,0)为例，R与G为1即完全发光，B为0即不发光，即红色跟绿色完全发光，蓝色不发光，最终颜色为黄色。

2.HSV彩色模型

      通常用以区别不同颜色特性的是明度、色调和饱和度。明度具体表达了无色的强度概念；色调是光波混合中与主波长有关的属性，表示观察者感知的主要颜色，当我们说一个物体是红色、橙色时，指的是其色调；饱和度指的是相对纯净度，或一种颜色混合白光的数量，所加白光越少饱和度越高。色调与饱和度一起称为色度，因此，颜色可用其明度和色度来表征。
      HSV（色调、饱和度、明度）彩色模型，正是由这三个分量组成的图像。

3.从RGB到HSV的彩色转换

下式中RGB的值需归一化，即所有值在区间[0,1]中。
先定义：$$max=max(R,G,B)min=min(R,G,B)$$
① 色调H，范围 [0,360]

② 饱和度S，范围 [0,1]
a) $max=0$
$$S=0$$b) $max\ne 0$
$$S=(max-min)/max$$

③ 亮度V，范围 [0,1]
$$V=max(R,G,B)$$

4.从HSV到RGB的彩色转换

其中$H$的取值范围为[0,360]，$S、V、R、G、B$的取值范围为[0,1]
$$h_i\equiv \lfloor \frac{h}{60}\rfloor (\mathrm{mod}6)$$$$f=\frac{h}{60}-h_i$$$$p=v\times (1-s)$$$$q=v\times (1-f\times s)$$$$t=v\times (1-(1-f)\times s)$$
对于每个颜色向量 $(r,g,b)$

5.RGB和HSV的互换代码实现（Python+OpenCV）

OpenCV的cvtColor()函数能支持各种彩色模型的转换，其中包括RGB和HSI的转换，部分用法如下：

cv2.cvtColor(src, code)
src为要转换的图片，code为转换的格式，code参数：
1、BGR <=> RGB : COLOR_BGR2RGB、COLOR_RGB2BGR
2、BGRA <=> RGBA :COLOR_BGRA2RGBA、 COLOR_RGBA2BGRA
3、BGR 和 RGB 添加 alpha 通道 : COLOR_BGR2BGRA、COLOR_RGB2RGBA
4、BGRA 和 RGBA 删除 alpha 通道 :COLOR_BGRA2BGR、 COLOR_RGBA2RGB
5、BGR 和 RGB <=> HSV :  COLOR_BGR2HSV、COLOR_RGB2HSV、COLOR_HSV2BGR、COLOR_HSV2RGB（转换后H的取值范围为[0,180]，S和V的取值范围为[0,255]）

现用一张8位的图片01.jpg演示代码：

import cv2

img = cv2.imread('01.jpg') # 获取字节顺序为BGR的图片
img1 = cv2.cvtColor(img, cv2.COLOR_BGR2BGRA) # 添加 alpha 通道
img2 = cv2.cvtColor(img, cv2.COLOR_BGR2HSV) # BGR转HSV
img3 = cv2.cvtColor(img2, cv2.COLOR_HSV2RGB) # HSV 转 RGB

img[0][0]
img1[0][0]
img2[0][0]
img3[0][0]

# 显示结果如下：
array([119, 203, 238], dtype=uint8) 
array([119, 203, 238, 255], dtype=uint8)  # 增加了第4个分量即 alpha 通道

'''
根据上文算法将 BGR 转换成 HSV
H = (G-B) / (max-min) * 60 = (203-119) / (238-119) * 60 = 42.35，H的取值范围在[0,360]，需转换到[0,180]，得42.35/2 = 21
S =  (max-min) / max = (238-119) / 238 = 0.5，0.5 * 255 = 128
V = max(R,G,B) = 238
'''
array([ 21, 128, 238], dtype=uint8) 

'''
根据上文算法将 HSV 转换成 RGB
将hsv分别转换到范围[0,180]、[0,1]、[0,1] 得 [21*2, 128/255, 238/255] = [42, 0.502, 0.933]
hi = h/60 mod 6 = 42 / 60 mod 6 = 0
f = h/60 - hi = 42 / 60 - 0 = 0.7
p = v*(1-s) =  0.933*(1-0.502) = 0.4646
q = v*(1-f*s) =  0.933*(1-0.7*0.502) = 0.6051
t = v*(1-(1-f)*s) = 0.933*(1-(1-0.7)*0.502) = 0.7925
因为hi = 0，RGB = [v, t, p] = [0.933, 0.7925, 0.4646]，转换到范围[0,255] 得 [238, 202, 118]
'''
array([238, 202, 118], dtype=uint8) 

三、灰度图像

1.灰度级与灰度图像

    没有颜色的光称为单色光或无色光。单色光的唯一属性是其强度或大小。因为感知单色光的强度从黑色到灰色变化，最后到白色，灰度级一次通常用来表示单色光的强度。
    从黑到白的单色光的度量值范围通常称为灰度级，而单色图像通常称为灰度图像。

2.RGB转灰度图像

    使用不同的算法，会得到不同的灰度图像，例如若要查看红色在图像的分布情况，可使用：
$$Gray=1\times R+0\times G+0\times B$$    从上式可知，选择不同的系数，可得到不同的灰度图像，目前常使用下面的一个心理学公式：
$$Gray=0.299\times R+0.587\times G+0.114\times B(1)$$

3. RGB转灰度图像代码实现（Python+OpenCV）

① cv2.imread()实现RGB转灰度
OpenCV的imread()函数能支持各种静态图像文件格式，其中包括RGB转灰度，部分用法如下：

cv2.imread(filename[, flags])
该函数返回的图像格式为BGR，与RGB表示的色彩空间相同，但是字节顺序相反。
filename为图片路径，flags表示用何种方式读取图片，默认为IMREAD_COLOR ，flags参数：
1、IMREAD_COLOR = 1 : 加载彩色图像，最多8位
2、IMREAD_GRAYSCALE = 0 : 以灰度模式加载图像，算法为式(1)，最多8位
3、IMREAD_UNCHANGED = -1: 包含alpha通道，可加载8位和16位图像

现用两张8位的图片01.jpg和02.png演示代码：

import cv2

img1 = cv2.imread('01.jpg', cv2.IMREAD_COLOR)
img2 = cv2.imread('01.jpg', cv2.IMREAD_GRAYSCALE) # 转换成灰度图像
img3 = cv2.imread('01.jpg', cv2.IMREAD_UNCHANGED)
img4 = cv2.imread('02.png', cv2.IMREAD_UNCHANGED)

img1[0][0]
img2[0][0:1]
img3[0][0]
img4[0][0]

# 显示结果如下：
array([119, 203, 238], dtype=uint8) # 8位彩色图片，若图片为16位也会转换成8位
array([204], dtype=uint8) # 计算式(1)得 0.299*238+0.587*203+0.114* 119 = 204
array([119, 203, 238], dtype=uint8) # 无alpha通道
array([119, 203, 238, 255], dtype=uint8) # 第4个分量为alpha通道，若图片为16位则可保留16位

② cv2.cvtColor()实现RGB转灰度
OpenCV的cvtColor()函数能支持各种彩色模型的转换，其中包括RGB和灰度的转换，部分用法如下：

cv2.cvtColor(src, code)
src为要转换的图片，code为转换的格式，code参数：
1、BGR => 灰度 : COLOR_BGR2GRAY

现用一张8位的图片01.jpg演示代码：

import cv2

img = cv2.imread('01.jpg') # 获取字节顺序为BGR的图片
img1 = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # BGR转灰度

img[0][0]
img1[0][0:1]

# 显示结果如下：
array([119, 203, 238], dtype=uint8)
array([204], dtype=uint8) # 计算式(1)得 0.299*238+0.587*203+0.114* 119 = 204

以上全部内容参考书籍如下：
冈萨雷斯《数字图像处理（第三版）》
HSL和HSV色彩空间

最后

以上就是优雅小白菜为你收集整理的计算机视觉（一）：基础篇的全部内容，希望文章能够帮你解决计算机视觉（一）：基础篇所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。