OpenCV-Python-1--图片的基本知识

色彩模型（Color Model）

色彩模型是一种抽象的数学模型，通过一组数字来描述颜色。当站在不同的角度对颜色建模时就得到不同的数学模型。

• 机器视角
  • RGB（Red、Green、Blue），used with color CRT monitors
  • YIQ，broadcast TV color system
  • CMY（Cyan(青色), Magenta(品红), Yellow），color printing
  • CMYK（Cyan, Magenta, Yellow，Black），color printing
  • IRODORI，six-primary-color projection system
• 用户视角：
  • HSV（Hue, Saturation, Value）
  • HSB（Hue, Saturation, Brightness)，和HSV是一样的，只是叫法不同
  • HSL (Hue, Saturation，Lightness)
  • The Munsell system
  • CIE Lab

颜色分类

自然界物体的颜色有两种：光源色（light source color）和表面色（surface color）。

• 光源色(可以自己发光的物体)——红色R、绿色G、蓝色B——加法混色原理；

• 表面色(自己不能发光，只能反射光)——品红M、黄色Y、青色C——减法混色原理。

RGB模型

RGB是一种加法混色模型，它描述那些由不同颜色的光混合形成新颜色的情形，颜色越加越亮。生活中也有直观的感受，例如室内灯开得越多，室内就越亮。因为亮度是累加的，所以是加法混色。

RGB是通过空间笛卡尔座标系来建模的，如下图所示：每种颜色由空间中的一个座标来表示。每个座标有三个分量，每个分量共有256种取值，所以RGB一共有 $256*256*256=16777216$ 种颜色。注意：OpenCV中分量的顺序为BGR，即 （B，G，R）

计算机中的显示模式：

• 24比特模式：图片中的每个像素使用三个8位无符号整数（0到255）表示红色、绿色和蓝色的强度。
• 16比特模式：16比特模式分配给每种原色各为5比特，其中绿色为6比特，因为人眼对绿色分辨的色调更精确。但某些情况下每种原色各占5比特，余下的1比特不使用。
• 32比特模式：实际就是24比特模式，余下的8比特不分配到像素中，这种模式是为了提高数据输送的速度。同样在一些特殊情况下，如DirectX、OpenGL等环境，余下的8比特用来表示象素的透明度（Alpha）。

CMY模型

CMY模型是一种减法混色模型，该模型解释了涂料，染料，墨水和天然色素的混合物产生的颜色，每个颜色会减去（即吸收）某些波长的光并反射其它光。例如颜料不发光，看到的颜色其实是没被吸收而被反射出来的光的颜色。所以颜料吸收的颜色就是我们看到颜料颜色的补色。因为看到的颜色是白光减去看到颜色的补色，所以是减法模型。CMY模型主要应用在印刷行业，理论上只要CMY等比例混合就能得到黑色，但是因为目前制造工艺水平的限制，制造出来的油墨纯度都不够高，CMY相加的结果实际只是一种暗红色。又因为在印刷业中黑色的使用频率非常高，所以往往还会加入黑色（black）油墨，这就是CMYK色彩混合模式的由来。

青色C（红色R的补色） 是因为吸收光中的红光R，剩下的绿光G和蓝光B被反射出来，形成青色C
青色C= 白色- 红色R = 绿色G+ 蓝色B

品红M（绿色G的补色） 是因为吸收光中的绿光G，剩下的红光R和蓝光B被反射出来，形成品红M
品红M= 白色 - 绿色G =红色R+ 蓝色B

黄色Y（蓝色B的补色） 是因为吸收光中的蓝光B，剩下的红光R和绿光G被反射出来，形成黄色Y
黄色Y= 白色 - 蓝色B = 红色R + 绿色G

HSB(HSV)模型

HSB（HSV）模型是站在人的角度对颜色建模，我们对色彩的认识往往是：

1. 是什么颜色？

   由色相（色彩相貌）H决定，决定了是什么颜色？是红色？绿色？还是什么颜色？

2. 颜色鲜艳不鲜艳？

   由饱和度S，即颜色的浓度决定。

3. 颜色是亮还是暗？

   由明度 B 决定，可以理解为照在颜色上光线的强度，光线越强，颜色越亮，反之，越暗。

Photoshop中拾色器的HSB如下图所示：

灰度图

灰度图是指图片中每个像素 R、G、B 三个分量的取值相同。因为三个分量的取值相同，所以一共有256种灰度。当采用不同的算法时，得到的灰度图不同。例如，可以取三个分量的最大值、最小值、平均值等作为灰度：

Example：假设某个像素的取值为：(60,120,180)
取最小值作为分量：(60,60,60)
取最大值作为分量：(180,180,180)
取平均值作为分量：(60+120+180)/3=120-->(120,120,120)

OpenCV中RGB转灰度图(cvtColor(src, bwsrc, cv::COLOR_RGB2GRAY)的算法为：

Gray=0.299*R+0.587*G+0.114*B

通道

下面通过例子来理解通道的含义。注意：不同显示器显示效果有差异，所以当你使用拾色器拾取颜色时，可能和下面不一样。

原图片：

小圆圈的RGB颜色分别为：
(60,0,0)、(120,0,0)、(180,0,0)、(240,0,0)
(0,60,0)、(0,120,0)、(0,180,0)、(0,240,0)
(0,0,60)、(0,0,120)、(0,0,180)、(0,0,240)
(60,60,0)、(120,120,0)、(180,180,0)、(240,240,0)
(60,0,60)、(120,0,120)、(180,0,120)、(240,0,120)
(0,60,60)、(0,120,120)、(0,180,180)、(0,180,180)
字体的RGB颜色为：(80,160,240)

红色通道：

小圆圈的RGB颜色分别为：
(60,60,60)、(120,120,120)、(180,180,180)、(240,240,240)
(0,0,0)、(0,0,0)、(0,0,0)、(0,0,0)
(0,0,0)、(0,0,0)、(0,0,0)、(0,0,0)
(60,60,60)、(120,120,120)、(180,180,180)、(240,240,240)
(60,60,60)、(120,120,120)、(180,180,180)、(240,240,240)
(0,0,0)、(0,0,0)、(0,0,0)、(0,0,0)
字体的RGB颜色为：(80,80,80)

绿色通道：

小圆圈的RGB颜色分别为：
(0,0,0)、(0,0,0)、(0,0,0)、(0,0,0)
(60,60,60)、(120,120,120)、(180,180,180)、(240,240,240)
(0,0,0)、(0,0,0)、(0,0,0)、(0,0,0)
(60,60,60)、(120,120,120)、(180,180,180)、(240,240,240)
(0,0,0)、(0,0,0)、(0,0,0)、(0,0,0)
(60,60,60)、(120,120,120)、(180,180,180)、(240,240,240)
字体的RGB颜色为：(160,160,160)

蓝色通道：

小圆圈的RGB颜色分别为：
(0,0,0)、(0,0,0)、(0,0,0)、(0,0,0)
(0,0,0)、(0,0,0)、(0,0,0)、(0,0,0)
(60,60,60)、(120,120,120)、(180,180,180)、(240,240,240)
(0,0,0)、(0,0,0)、(0,0,0)、(0,0,0)
(60,60,60)、(120,120,120)、(180,180,180)、(240,240,240)
(60,60,60)、(120,120,120)、(180,180,180)、(240,240,240)
字体的RGB颜色为：(240,240,240)

结论： RGB颜色模型是由空间笛卡尔直角座标系建模的，有三个轴 R、G、B，每个轴代表一个通道。由上面实验结果可以看出，红色通道、绿色通道、蓝色通道都是一张灰度图。RGB通道灰度图生成策略为：

红色通道：（R,G,B）-->（R,R,R）以红色分量去填充其他分量
绿色通道：（R,G,B）-->（G,G,G）以绿色分量去填充其他分量
蓝色通道：（R,G,B）-->（B,B,B）以蓝色分量去填充其他分量