[CVHSV 與 RGB：理解與利用 HSV 進行影像處理

在上一篇文章中，我們探索了在 OpenCV 中處理 RGB 影像的基礎知識，包括繪圖以及調整亮度和對比度。雖然 RGB 色彩空間非常適合電腦顯示器，因為它以螢幕發出的光強度來表示顏色，但它與人類在自然世界中感知顏色的方式並不相符。這就是 HSV（色相、飽和度、明度）發揮作用的地方——一個旨在以更接近人類感知的方式表示顏色的色彩空間。
在這篇文章中，我們將深入研究 HSV，了解其組件，探索其應用程序，並學習一些增強圖像的酷技巧。

什麼是單純皰疹病毒？

HSV 代表色相、飽和度與明度：

• 色調 (H)：這是指顏色的類型 - 紅色、綠色、藍色等。雖然傳統上以圓形光譜 (0°–360°) 上的度數來測量，但在 OpenCV 中，色調縮放為 0 –179 適合 8 位元整數。這是映射：

• 0（或接近它）仍然代表紅色。
• 60–89 對應綠色。
• 120–149 對應藍色。
• 140–179 環繞回紅色，完成圓形光譜。

• 飽和度 (S)：這定義了顏色的強度或純度：完全飽和的顏色不含灰色且充滿活力，飽和度較低的顏色顯得更加褪色。

• 值 (V)：通常稱為亮度，它測量亮度或暗度。透過分離這些組件，HSV 使分析和操作影像變得更容易，特別是對於顏色檢測或增強等任務。顏色。

為了更好地理解這一點，情節打擊很好地展示了色彩空間中的值

在 OpenCV 中將影像轉換為 HSV

使用 cv2.cvtColor() 函數在 OpenCV 中將映像轉換為 HSV 非常簡單。我們來看看：

import cv2
import matplotlib.pyplot as plt


image = cv2.imread('./test.png')
plt.figure(figsize=(10,10))
plt.subplot(1,2,1)
plt.imshow(image[:,:,::-1]) #plot as RGB 
plt.title("RGB View")
hsv= cv2.cvtColor(image, cv2.COLOR_RGB2HSV)
plt.subplot(1,2,2)
plt.imshow(hsv)
plt.title("HSV View")
plt.tight_layout()
plt.show()

乍一看，HSV 情節可能看起來很奇怪——幾乎像外星人。這是因為您的電腦嘗試將 HSV 表示為 RGB 影像，即使 HSV 的組件（尤其是色調）並未直接對應到 RGB 值。例如：

• 色調（H）：以角度表示，在 OpenCV 中範圍為 0 到 179（而不是像 RGB 通道那樣為 0 到 255）。這會導致色調通道在基於 RGB 的繪圖中主要顯示為藍色。

對於接下來的範例，我們不會使用個人資料影像，而是使用 Flux ai image gen 模型產生的較暗的影像。因為它提供了比個人資料圖片更好的 HSV 使用者案例，我們可以更好地看到它的效果

透過直方圖了解 HSV

為了更好地理解 RGB 和 HSV 之間的差異，讓我們繪製每個通道的直方圖。程式碼如下：

import cv2
import matplotlib.pyplot as plt


image = cv2.imread('./test.png')
plt.figure(figsize=(10,10))
plt.subplot(1,2,1)
plt.imshow(image[:,:,::-1]) #plot as RGB 
plt.title("RGB View")
hsv= cv2.cvtColor(image, cv2.COLOR_RGB2HSV)
plt.subplot(1,2,2)
plt.imshow(hsv)
plt.title("HSV View")
plt.tight_layout()
plt.show()

從直方圖中，您可以看到 HSV 通道與 RGB 通道有何不同。請注意 HSV 中的色調通道，其值介於 0 到 179 之間，代表不同的顏色區域，而飽和度和值則處理強度和亮度。

可視化色相、飽和度和明度

現在，讓我們將 HSV 影像分解為各個組成部分，以更好地理解每個通道代表的含義：

# Plot the histograms
plt.figure(figsize=(10, 6))

# RGB Histogram
plt.subplot(1, 2, 1)
for i, color in enumerate(['r', 'g', 'b']):
    plt.hist(image[:, :, i].ravel(), 256, [0, 256], color=color, histtype='step')
    plt.xlim([0, 256])
plt.title("RGB Histogram")

# HSV Histogram
plt.subplot(1, 2, 2)
for i, color in enumerate(['r', 'g', 'b']):
    plt.hist(hsv[:, :, i].ravel(), 256, [0, 256], color=color, histtype='step')
    plt.xlim([0, 256])
plt.title("HSV Histogram")
plt.show()

• 色調：顯示清晰的顏色區別，突出顯示影像中的主色。
• 飽和度：較亮的區域代表鮮豔的色彩，而較暗的區域表示較柔和的灰色色調。
• 明度：突顯亮度分佈，光線充足的區域顯得更亮。

HSV 治療技巧

1. 亮度增強（值均衡）

對於光照不均勻的影像，均衡值通道可以使較暗的區域更加明顯，同時為較亮的區域提供「發光」效果。

# Plot the individual HSV channels
plt.figure(figsize=(10, 6))
plt.subplot(1, 3, 1)
plt.imshow(hsv[:, :, 0], cmap='hsv')  # Hue
plt.title("Hue")
plt.subplot(1, 3, 2)
plt.imshow(hsv[:, :, 1], cmap='gray')  # Saturation
plt.title("Saturation")
plt.subplot(1, 3, 3)
plt.imshow(hsv[:, :, 2], cmap='gray')  # Value
plt.title("Value")
plt.tight_layout()
plt.show()

2.色彩增強（飽和度均衡）

增強飽和度通道使影像中的色彩更加清晰和充滿活力。

equ = cv2.equalizeHist(hsv[:, :, 2])  # Equalize the Value channel
new_hsv = cv2.merge((hsv[:, :, 0], hsv[:, :, 1], equ))
new_image = cv2.cvtColor(new_hsv, cv2.COLOR_HSV2BGR)

# Display results
plt.figure(figsize=(10, 6))
plt.subplot(1, 2, 1)
plt.imshow(image)
plt.title("Original Image")
plt.subplot(1, 2, 2)
plt.imshow(new_image)
plt.title("Brightness Enhanced")
plt.tight_layout()
plt.show()

3. 濾色（隔離紅色）

使用色調通道，我們可以隔離特定的顏色。例如，要提取紅色調：

equ = cv2.equalizeHist(hsv[:, :, 1])  # Equalize the Saturation channel
new_hsv = cv2.merge((hsv[:, :, 0], equ, hsv[:, :, 2]))
new_image = cv2.cvtColor(new_hsv, cv2.COLOR_HSV2BGR)

# Display results
plt.figure(figsize=(10, 6))
plt.subplot(1, 2, 1)
plt.imshow(image)
plt.title("Original Image")
plt.subplot(1, 2, 2)
plt.imshow(new_image)
plt.title("Color Enhanced")
plt.tight_layout()
plt.show()

這項技術對於物件偵測、顏色分割甚至藝術效果等任務非常有用。

結論

HSV 色彩空間提供了一種通用且直觀的方法來分析和操作影像。透過分離顏色（色調）、強度（飽和度）和亮度（值），HSV 簡化了顏色過濾、增強和分割等任務。 RGB 是顯示器的理想選擇，而 HSV 則為創意和分析影像處理提供了可能性。

您最喜歡的 HSV 技巧是什麼？歡迎在下方分享您的想法，讓我們一起探索這個充滿活力的色彩世界！

此版本包含流暢的流程、詳細的解釋和一致的格式，以提高可讀性和理解性。

以上是[CVHSV 與 RGB：理解與利用 HSV 進行影像處理的詳細內容。更多資訊請關注PHP中文網其他相關文章！