前情提要

在【計(jì)算機(jī)視覺（一）圖像數(shù)據(jù)表示】中，我介紹了RGB和灰度兩種顏色空間，并且介紹了像素的概念以及在程序上如何訪問。

本期內(nèi)容

接下來介紹從RGB到灰度的轉(zhuǎn)換，以及兩種我常用的顏色空間HSV和二值空間（嚴(yán)格來說屬于灰度洪灯，只是只有0和255兩個(gè)值）。

一竟痰、RGB轉(zhuǎn)灰度

假如先不談原理签钩，RGB轉(zhuǎn)灰度你會(huì)怎么做？先從我們知道的信息入手凯亮，RGB是三通道的边臼，灰度只有一個(gè)通道，很自然的會(huì)聯(lián)想到怎么把三個(gè)通道“融合”成一個(gè)通道假消，最直接的想法柠并，也許是對(duì)于同一個(gè)RGB像素值，我們把這三個(gè)通道值求一個(gè)平均值作為灰度值富拗。用公式表示一下就是：Gray = R * 1/3 + G * 1/ 3 + B * 1/3 臼予。
好，那我們先來寫這個(gè)程序看看效果啃沪。

# coding: utf-8
import cv2
import numpy as np

'''
函數(shù)名：rgb2gray_mean
功能：通過求通道平均值得到灰度圖
輸入：
img    輸入的彩圖
返回：
result    灰度圖
'''
def rgb2gray_mean(img):
    ratio = 1.0 / 3
    # 轉(zhuǎn)換類型
    int_img = img.astype(np.int32)
    
    result = ratio * (int_img[...,0]+int_img[...,1]+int_img[...,2])
    return result.astype(np.uint8)

# 程序入口
def main():
    # 讀取lena圖
    color = cv2.imread('../lena.jpg')
    # 轉(zhuǎn)灰度
    gray = rgb2gray_mean(color)

    # 顯示
    cv2.imshow('color', color)
    cv2.imshow('gray', gray)
    cv2.waitKey(0)

if __name__ == '__main__':
    main()

注意：在rgb2gray_mean函數(shù)中我對(duì)img做了一個(gè)類型轉(zhuǎn)換并存放在int_img中粘拾，img的類型是numpy.uint8，也就是8位無符號(hào)整數(shù)创千，直接對(duì)里面的值進(jìn)行相加很可能造成數(shù)值溢出缰雇，也就是255+1會(huì)變成0，因此要先用一個(gè)能容納更大的值范圍的矩陣裝起來追驴，比如int32類型的械哟。這是新手經(jīng)常會(huì)遇到的坑，切記切記殿雪。

好那我們來看看運(yùn)行效果暇咆，再一次使用lena測(cè)試。

lena

運(yùn)行的結(jié)果：

均值灰度

看起來還行丙曙。
OpenCV中也有自帶的轉(zhuǎn)換灰度的函數(shù)爸业，cvtColor，代碼也貼在這里：

gray = cv2.cvtColor(color, cv2.COLOR_BGR2GRAY)

注意第二個(gè)參數(shù)是BGR2GRAY亏镰，是的扯旷，OpenCV中默認(rèn)的彩圖通道排列是BGR（藍(lán)綠紅）而不是RGB，具體原因我也是道聽途說索抓，是因?yàn)橐婚_始相機(jī)制造商從Sensor拿到的數(shù)據(jù)就是BGR的钧忽，這是他們制定的標(biāo)準(zhǔn)某抓，盡管后來有很多軟件也是默認(rèn)采用RGB。
那么這個(gè)cvtColor的效果怎么樣呢惰瓜，請(qǐng)看

OpenCV轉(zhuǎn)灰度

不知道你能否看出區(qū)別，不能的話請(qǐng)注意看頭發(fā)的明暗交界處汉矿，cvtColor在本來該黑的地方更黑崎坊，該白的地方更白，就是對(duì)比度更強(qiáng)烈洲拇，還是看不出來的話用程序幫我們看看奈揍，數(shù)一下灰度值不相等的地方有多少個(gè)。

print np.sum(gray != cv_gray)

結(jié)果是：244157赋续， 原圖的大小是512x512男翰，也就是總共262144個(gè)像素點(diǎn)，那這么看下來絕大部分的像素值都不一樣纽乱，雖然我們看起來也要費(fèi)點(diǎn)力才能看出來不同蛾绎。這就說明OpenCV轉(zhuǎn)灰度的方法跟我們拍腦門想的是不一樣的，也就是對(duì)應(yīng)到三個(gè)通道各自乘的系數(shù)是不一樣的鸦列，假設(shè)：

Gray = a * R + b * G + c * B (a + b + c = 1)

a租冠、b、c三個(gè)值應(yīng)該怎么取能讓圖像看起來比較舒服呢薯嗤？其實(shí)人眼對(duì)三原色的“偏好”是不一樣的顽爹，研究表明人眼對(duì)紅綠藍(lán)的權(quán)重接近3:6:1，更精確的骆姐，對(duì)于上面的公式镜粤，a=0.299，b=0.587玻褪，c=0.114肉渴，這就是通常所說的心理學(xué)模型。在OpenCV中归园，為了減少浮點(diǎn)運(yùn)算（浮點(diǎn)運(yùn)算在一般的CPU中很耗時(shí)）黄虱，使用了類似下面的轉(zhuǎn)換方式：

'''
函數(shù)名：心理學(xué)模型轉(zhuǎn)換灰度
輸入：
img    輸入的彩圖
返回：
result    灰度圖
'''
def rgb2gray_mental(img):
    # 轉(zhuǎn)換類型
    int_img = img.astype(np.int32)
    result = (int_img[...,2]*299 + int_img[...,1]*587 + int_img[...,0]*114 + 500) / 1000
    return result.astype(np.uint8)

經(jīng)過測(cè)試，這跟OpenCV自帶的轉(zhuǎn)換函數(shù)cvtColor的效果是一模一樣的庸诱。

二捻浦、HSV空間

HSV空間是由RGB空間演變過來的，RGB空間在幾何上是一個(gè)正方體（詳情請(qǐng)查閱【計(jì)算機(jī)視覺（一）圖像數(shù)據(jù)表示】）桥爽，而當(dāng)你從正方體的一個(gè)頂點(diǎn)看向離它最遠(yuǎn)的另一個(gè)頂點(diǎn)時(shí)朱灿，就會(huì)看到一個(gè)六角錐體，這就是HSV空間的幾何表達(dá)钠四，如下圖：

六角錐體

HSV圓錐

HSV的值域跟RGB的并不一樣，其中H維度的值域是0-180供填，其他兩個(gè)維度都是0-255拐云，H不取到0-360也許是因?yàn)槌^了uchar的范圍。

HSV空間對(duì)顏色的描述是用戶友好的近她，而RGB是硬件友好的叉瘩。HSV空間在我日常學(xué)習(xí)中更多是作為顏色篩選的基礎(chǔ)，人眼能區(qū)分的不同顏色的范圍對(duì)應(yīng)HSV的值都比較固定粘捎，下面是一個(gè)對(duì)照表：

HSV顏色對(duì)照表

現(xiàn)在舉個(gè)實(shí)際應(yīng)用的案例薇缅，比如我要對(duì)下面的圖片做車牌識(shí)別危彩，我的第一步是要把車牌的區(qū)域摳出來，車牌的底色是藍(lán)色的泳桦，當(dāng)然寶馬的標(biāo)志也有藍(lán)色汤徽，但我們可以不管三七二十一先把藍(lán)色的東西都摳出來再做篩選，這時(shí)候就可以用HSV空間灸撰。

車車

圖片剛讀入的時(shí)候是BGR格式的泻骤，這時(shí)候又要用到cvtColor轉(zhuǎn)換到HSV，示例代碼如：

hsv = cv2.cvtColor(bgr, cv2.COLOR_BGR2HSV)

顯示HSV的效果如下：

hsv.jpg

現(xiàn)在我們要的是藍(lán)色區(qū)域梧奢，查找上面的對(duì)照表就可以知道，我們要的是H值在100到124演痒，S值在43到255亲轨，V值在46到255之間的像素點(diǎn)。怎么表達(dá)這個(gè)“要”跟“不要”呢鸟顺？我們可以這么考慮惦蚊，對(duì)于每個(gè)像素點(diǎn)只有“要”和“不要”兩種狀態(tài)，就像一盞燈的開關(guān)一樣讯嫂，于是我們可以創(chuàng)建一幅等大的圖蹦锋，在上面，“要”的像素點(diǎn)設(shè)為一個(gè)值欧芽，“不要”的像素點(diǎn)設(shè)為另一個(gè)值莉掂，這就是接下來要說的二值圖，我也喜歡稱其為掩碼圖千扔。

三憎妙、二值圖（掩碼圖）

二值圖本質(zhì)上是灰度圖，只是只用了0和255兩個(gè)值曲楚，用0表示“不要”厘唾，255表示“要”，整幅圖看起來就是符合條件的區(qū)域是白色的龙誊，不符合的是黑色的抚垃。對(duì)上面的HSV圖作這種條件篩選處理，叫做二值化趟大，OpenCV已經(jīng)為我們準(zhǔn)備了對(duì)應(yīng)的函數(shù)cv2.inRange鹤树，示例代碼如下：

mask = cv2.inRange(hsv, np.array([100,43,46]), np.array([124,255,255]))

處理完的結(jié)果如下圖：

mask.jpg

可以看到，盡管有很多干擾的白色區(qū)域逊朽，車牌區(qū)域還是在里面魂迄，我們只要采取進(jìn)一步的手段就可以把車牌區(qū)域篩選出來，這就要涉及一些形態(tài)學(xué)處理惋耙，敬請(qǐng)期待下一篇文章捣炬。