关于程序员:你真的了解眼里所见的色彩吗一文总结RGBHSVLab

39次阅读

共计 2127 个字符,预计需要花费 6 分钟才能阅读完成。

1 意识色调

咱们 DNA 里的氮元素,牙齿里的钙元素,血液里的铁元素,吃掉的货色里的碳元素,都是已经宇宙大爆炸时的万千星辰散落后组成的,所以咱们每个人都是星辰。——卡尔萨根

在咱们的印象里,星辰都是斑斓的、靓丽的、无垠的,但不晓得你有没想过,你真的意识和理解星辰壮丽色调背地的故事吗?
什么是色调?
如图所示,色调(color) 对应电磁波的可见光波段,是被前期解决的波长信息。色调既是物体的主观属性——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水平不同,感触的色调也有差别。

2 形容色调
为了示意色调,人们建设了一维、二维、三维甚至四维空间坐标模型,这些色调模型称为色调空间(Colour Space)。上面介绍常见的色调空间。
2.1 RGB 色调空间

RGB 色调空间基于三原色学说:视网膜存在三种视锥细胞,别离含有对红、绿、蓝三种光线敏感的视色素,当肯定波长的光线作用于视网膜时,以肯定的比例使三种视锥细胞别离产生不同水平的兴奋,这样的信息传至大脑中枢就产生某一种色彩的感觉。

在 RGB 模式下,通道向量的三个重量别离示意、、三个色彩通道的色彩强度。、、相当于色彩空间的三个正交基,如图所示,通过、、的比例来混合调节出纷繁复杂的各种色彩。

RGB 色彩模型的长处是:

易于了解;
便于硬件实现,古代显示屏个别基于 RGB 模型;
引入位分辨率(色彩深度),指一个像素中,每个色彩重量的比特数。位分辨率决定了色调等级,例如 8 位色彩深度,每个色彩重量就有 256 种可能。

RGB 色彩模型的毛病在于三个重量均用于示意色调,即如果扭转某一个重量的数值,这个像素的色彩就产生了扭转。在色彩定位等工程中,应用 RGB 模型就要同时思考、、三个变量,较为简单。
2.2 HSV 色调空间

HSV 色彩空间比 RGB 更靠近人们对黑白的感知教训,十分直观地表白色彩的色调、娇艳水平和明暗水平。

在 HSV 模式下,通道向量由三个局部组成:

色调、色相 (Hue):指色调的面貌和特色,在波形图中一个特定波长就对应一个色调。
饱和度 (Saturation):指色彩鲜艳水平,出现一种从感性(灰度) 到理性 (纯色) 的变动。
明度(Value, Brightness):指某种色彩的透光量。与亮度(Lightness) 不同,亮度特指被白光浓缩的浓度,任何色彩的高亮都趋于红色,但每种高超度色彩都不同。

因为 HSV 能够独自解决色调值,而不会影响到明度和饱和度;或者独自扭转明度、饱和度而不影响色彩自身,因而在图像处理中,HSV 罕用于色彩定位追踪、提取色调直方图等。
HSV 模型的毛病是目前很少有硬件反对,须要从 RGB 或其余色调空间进行转换。
2.3 Lab 色调空间

Lab 色调空间基于人对色彩的感觉设计,具备感知平均性(Perceptual Uniform),即如果参数 L、a、b 变动幅度一样,则人视觉上的变动幅度也差不多。

在 Lab 模式下,通道向量由三个局部组成:

亮度(Lightness)
a 色彩重量:代表从绿色到红色的重量
b 色彩重量:代表从蓝色到黄色的重量

Lab 同样容易调整——调节亮度仅需关注 L 通道,调节色调均衡仅需关注 a 和 b 通道。此外,Lab 还具备色域广大、设施无关等性质。
3 数字成像
数字成像时,设施通过如图所示的图像传感器感光并转换为肯定的强度值,这个过程称为图像的数字化,数字图像的根本单元称为像素 (Pixel)。
如果数字成像设施仅应用图像传感器,则无奈获取光照的色彩信息,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),其外围原理是通过滤光降采样取得图像色调信息,通过插值、修改等算法复原彩色图像。

具体而言,在图像传感器后面设置一个滤光层,下面布满的滤光点与上层像素一一对应,这些滤光点依照 2×2 的色块顺次排列,称为拜耳阵列。每个滤光点仅通过、、中的一种——上层像素只可能为、、或 NULL,至此设施实现了对图像降采样后原始色调信息的收集。
4 数字成像实例
对于一张黑白数字图片,通常会将其表成一个的 3 维矩阵。其中

示意图片的宽;
示意图片的高;
示意图片的通道数;
形容的是图片的分辨率——示意图像蕴含的像素总数;

形容的是像素点代表的色调,通常是一个向量,能够通过赋予不同维度不同的含意,形容不同的色彩空间,体现的是图片更深层的细节。

计算机视觉基础教程纲要

章号                                    内容
  0                              色调空间与数字成像
  1                              计算机几何根底
  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                              图像特色匹配
  6                              平面视觉

作者:Mr_Winter
链接:https://juejin.cn/post/707999…
起源:稀土掘金
著作权归作者所有。商业转载请分割作者取得受权,非商业转载请注明出处。

正文完
 0