脚本宝典收集整理的这篇文章主要介绍了你真的了解眼里所见的色彩吗?(一文总结RGB/HSV/Lab),脚本宝典觉得挺不错的,现在分享给大家,也给大家做个参考。
在我们的印象里,星辰都是斑斓的、靓丽的、无垠的,但不知道你有没想过,你真的认识和了解星辰绚丽色彩背后的故事吗?我们DNA里的氮元素,牙齿里的钙元素,血液里的铁元素,吃掉的东西里的碳元素,都是曾经宇宙大爆炸时的万千星辰散落后组成的,所以我们每个人都是星辰。——卡尔萨根
什么是色彩?
如图所示,色彩(color)对应电磁波的可见光波段,是被后期处理的波长信息。色彩既是物体的客观属性——确定的波长,又带有大脑的主观属性——不同的个体对特定波长的电磁波敏感程度不同,感受的色彩也有差异。
为了表示色彩,人们建立了一维、二维、三维甚至四维空间坐标模型,这些色彩模型称为色彩空间(Colour Space)。下面介绍常见的色彩空间。
RGB色彩空间基于三原色学说:视网膜存在三种视锥细胞,分别含有对红、绿、蓝三种光线敏感的视色素,当一定波长的光线作用于视网膜时,以一定的比例使三种视锥细胞分别产生不同程度的兴奋,这样的信息传至大脑中枢就产生某一种颜色的感觉。
在RGB模式下,通道向量 C C C的三个分量分别表示 R R R、 G G G、 B B B三个颜色通道的颜色强度。 R R R、 G G G、 B B B相当于颜色空间的三个正交基,如图所示,通过 R R R、 G G G、 B B B的比例来混合调节出纷繁复杂的各种颜色。
RGB颜色模型的优点是:
RGB颜色模型的缺点在于三个分量均用于表示色调,即如果改变某一个分量的数值,这个像素的颜色就发生了改变。在颜色定位等工程中,使用RGB模型就要同时考虑 R R R、 G G G、 B B B三个变量,较为复杂。
HSV颜色空间比RGB更接近人们对彩色的感知经验,非常直观地表达颜色的色调、鲜艳程度和明暗程度。
在HSV模式下,通道向量 C C C由三个部分组成:
由于HSV可以单独处理色调值,而不会影响到明度和饱和度;或者单独改变明度、饱和度而不影响颜色本身,因此在图像处理中,HSV常用于颜色定位追踪、提取色彩直方图等。
HSV模型的缺点是目前很少有硬件支持,需要从RGB或其他色彩空间进行转换。
Lab色彩空间基于人对颜色的感觉设计,具有感知均匀性(Perceptual Uniform),即如果参数L、a、b变化幅度一样,则人视觉上的变化幅度也差不多。
在Lab模式下,通道向量 C C C由三个部分组成:
Lab同样容易调整——调节亮度仅需关注L通道,调节色彩平衡仅需关注a和b通道。此外,Lab还具有色域广阔、设备无关等性质。
数字成像时,设备通过如图所示的图像传感器感光并转换为一定的强度值,这个过程称为图像的数字化,数字图像的基本单元称为像素(Pixel)。
如果数字成像设备仅使用图像传感器,则无法获取光照的颜色信息,即只能产生灰度图像。为了获取彩色图片,引入拜耳滤波器(Bayer Filter),其核心原理是通过滤光降采样获得图像色彩信息,通过插值、修正等算法恢复彩色图像。
具体而言,在图像传感器前面设置一个滤光层,上面布满的滤光点与下层像素一一对应,这些滤光点按照2×2的色块依次排列,称为拜耳阵列。每个滤光点仅通过 R R R、 G G G、 B B B中的一种——下层像素只可能为 R R R、 G G G、 B B B或NULL,至此设备完成了对图像降采样后原始色彩信息的搜集。
C C C描述的是像素点代表的色彩,通常 C C C是一个向量,可以通过赋予 C C C不同维度不同的含义,描述不同的颜色空间,体现的是图片更深层的细节。
🚀 计算机视觉基础教程说明
章号 内容 0 色彩空间与数字成像 1 计算机几何基础 2 图像增强、滤波、金字塔 3 图像特征提取 4 图像特征描述 5 图像特征匹配 6 立体视觉 7 项目实战
🔥 更多精彩专栏:
🏠 欢迎加入社区和更多志同道合的朋友交流:AI 技术社
以上是脚本宝典为你收集整理的你真的了解眼里所见的色彩吗?(一文总结RGB/HSV/Lab)全部内容,希望文章能够帮你解决你真的了解眼里所见的色彩吗?(一文总结RGB/HSV/Lab)所遇到的问题。
本图文内容来源于网友网络收集整理提供,作为学习参考使用,版权属于原作者。
如您有任何意见或建议可联系处理。小编QQ:384754419,请注明来意。