rgb色彩空间模型图（OpenCV之 BGR、GRAY、HSV色彩空间&色彩通道专题 【Open_CV系列（三）】）
ʚʕ̯•͡˔•̯᷅ʔɞ
🍹欢迎各路大佬来到小啾主页指点☀️欢迎大家前来学习OpenCVBGR 、GRAY 、HSV色彩空间&色彩通道专题 - Open_CV系列博文第三篇 ，我是侯小啾 。
✨博客主页：云雀编程小窝🌹꧔ꦿ
🌹꧔ꦿ博文内容如对您有所帮助 ，还请给个点赞 + 关注 + 收藏✨
如有疑问欢迎随时在评论区交流 。☀️
1.色彩空间
色彩空间是人类为了描述不同频率的光 ，而建立出的色彩模型 。不同通道的表示方式有所不同 。
除了OpenCV默认的BGR色彩空间 ，还有两个常用的色彩空间：HSV色彩空间和GRAY色彩空间 。
其中HSV色彩空间和BGR色彩空间都可以表示彩色色彩空间 ，都是使用三维数组表示的 。而GRAY色彩空间在只能表示灰度图像 。1.1 BGR色彩空间
BGR色彩空间是OpenCV默认的色彩空间 。众所周知,BGR色彩空间有三个通道 。该色彩空间是基于B（l蓝色） ，G（绿色） ，R（红色）而言的 。像素数组内每个数据的值都在[0,255]内 。
1.2 GRAY色彩空间
GRAY色彩空间即灰度图像的色彩空间 。像素数组中 ，可以是从0到255的 256个数字 ，每个数值表示从黑变白的颜色深浅程度 。0表示纯黑色 ，255表示纯白色 ，数值越大越趋于白色 。
1.3 HSV色彩空间
BGR色彩空间是基于三基色（红 ，绿 ，蓝） 而言的 。而HSV色彩空间是基于色调(H) ，饱和度(S)和亮度(V)
而言的 。
其具体解释如下： 含义 描述 范围 H 色调 指光的颜色 [0,180] 红色:0, 黄色:30, 绿色:60, 蓝色:120 S 饱和度 指色彩的深浅 [0,255] 饱和度为0时变为灰度图像 。 V 亮度 指光的明暗 [0,255] 亮度为0时 ，图像为纯黑色 。亮度越大 ，图像越亮 。1.4 空间转换
cv2.cvtColor( )方法在OpenCV中用于色彩空间转换 。
语法cv2.cvtColor(src,code)
src 即要操作的原图像 code 指色彩空间转换码 。从BGR色彩空间 转换为 GRAY色彩空间 ，需要用到的色彩空间转换码为 cv2.COLOR_BGR2GRAY 从BGR色彩空间 转换为 HSV色彩空间 ，需要用到的色彩空间转换码为 cv2.COLOR_BGR2HSV
1.4.1 BGR 转 GRAY
使用如图的小猫咪图片作为示例 。
将改图从BGR色彩空间 转换到 GRAY色彩空间 ，代码如下：
import cv2 image = cv2.imread("pic.jpg") gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) cv2.imshow("GRAY", gray_image) cv2.waitKey() cv2.destroyAllWindows()1.4.2 BGR 转 HSV
再将猫图从BGR色彩空间 转到 HSV色彩空间 。
import cv2 image = cv2.imread("pic.jpg") cv2.imshow("BGR", image) hsv_image = cv2.cvtColor(image, cv2.COLOR_BGR2HSV) cv2.imshow("HSV", hsv_image) cv2.waitKey() cv2.destroyAllWindows()如图 ，改变色彩空间类型后 ，《我们的猫》变成了《梵高的猫》 。
为什么会这样呢？
因为 ，BGR色彩空间 转到 HSV色彩空间后 ，发生变化的只是描述图像的数组 ，数组中每个数字表示的意义变了 ，数值也发生了一定的变化 ，但是计算机读取图片的方式没有变 ，(0,0,0)依然表示纯黑色 ，(255,255,255)仍然表示纯白色 ，所以给我们呈现出看一幅不同于之前的图片 。产生这样的图像效果的意义并不是为了满足人类的视觉 ，而是为满足计算机的视觉 ，计算机通过操作HSV色彩空间的数组的每个值 ，从而达到影响图像的色调(H) ，饱和度(S)和亮度(V)的目的 。处理完之后 ，再转回HSV色彩空间 ，图片即变得符合人类视觉 。2. 色彩通道
色彩空间由色彩通道构成 ，对色彩通道我们也可以有一定的处理 。
2.1 色彩通道的拆分
OpenCV提供了split()方法可以满足我们对图像中的色彩通道的拆分需求 。以便对每个色彩通道单独处理 。
cv2.split(image)
2.1.1 cv2.split() 拆分BGR通道
以拆分猫图的BGR色彩通道为例
import cv2 bgr_image = cv2.imread("pic.jpg") b, g, r = cv2.split(bgr_image) cv2.imshow("B", b) cv2.imshow("G", g) cv2.imshow("R", r) cv2.waitKey() cv2.destroyAllWindows()程序执行结果如图所示：
三个通道的图片效果如图所示 ，是三个有着一定差别的灰度图像 。至于为什么这样 ，我们查看一下像素数组的变化便可知晓：
查看原图数组：
bgr_image = cv2.imread("pic.jpg") print(bgr_image.shape) print(bgr_image)查看拆分后的B通道图像的数组
b, g, r = cv2.split(bgr_image) print(b.shape) print(b)可以看出 ，拆分后 ，数组由三维数组变成了二维数组 ，表示灰度图像的数组 ，二维数组的每个数值为原数组的每一个b通道值 ，在灰度图像中表示每一个像素的色彩深浅程度 。g通道 、r通道也同理 ，因为数值不同 ，所以灰度图像也有所差异 。
以拆分猫图的HSV的色彩通道为例
2.1.2 拆分HSV通道
所以同理 ，HSV通道图像经过拆分后得到的也是三个灰度图像 。
import cv2 bgr_image = cv2.imread("pic.jpg") hsv_image = cv2.cvtColor(bgr_image, cv2.COLOR_BGR2HSV) h, s, v = cv2.split(hsv_image) cv2.imshow("H", h) cv2.imshow("S", s) cv2.imshow("V", v) cv2.waitKey() cv2.destroyAllWindows()程序执行结果如下：
2.2 cv2.merge() 色彩通道的合并
色彩通道不仅可以有拆分处理 ，也可以有合并处理 ，即拆分的逆操作 ，即把离散的表示B 、G 、R 或 H 、S 、V的数组合并在一起合成一张彩色图像 。
这里使用原图像 ，拆分后再恢复 ，展示为原图像 。代码示例如下 ，结果不再一一展示 。2.2.1 BGR 合并
import cv2 bgr_image = cv2.imread("pic.jpg") b, g, r = cv2.split(bgr_image) # 这里要求顺序必须是b,g,r bgr = cv2.merge([b, g, r]) cv2.imshow("BGR", bgr) cv2.waitKey() cv2.destroyAllWindows()2.2.2 HSV 合并
import cv2 bgr_image = cv2.imread("pic.jpg") hsv_image = cv2.cvtColor(bgr_image, cv2.COLOR_BGR2HSV) h, s, v = cv2.split(hsv_image) hsv = cv2.merge([h, s, v]) bgr = cv2.cvtColor(hsv, cv2.COLOR_HSV2BGR) cv2.imshow("BGR", bgr) cv2.waitKey() cv2.destroyAllWindows()2.2.3 通道拆分与合并的综合运用
在BRG和HSV色彩空间中 ，改变通道值都可以带来意想不到的艺术效果 。
以HSV色彩空间为例 ，改变单个通道值：
如 ，把表示颜色的h值改为60 ，即绿色：
import cv2 bgr_image = cv2.imread("pic.jpg") cv2.imshow("pic", bgr_image) hsv_image = cv2.cvtColor(bgr_image, cv2.COLOR_BGR2HSV) h, s, v = cv2.split(hsv_image) h[:, :] = 60 hsv = cv2.merge([h, s, v]) new_Image = cv2.cvtColor(hsv, cv2.COLOR_HSV2BGR) cv2.imshow("NEW", new_Image) cv2.waitKey() cv2.destroyAllWindows()h改为30 ， 黄色：
h[:, :] = 30
h改为0 ，红色：
h[:, :] = 0
h改为120 ，蓝色：
h[:, :] = 120
v通道值改为255（亮度最高）：
v[:, :] = 255
s通道值改为255（色彩饱和度最高）：
s[:, :] = 255
红色 ，亮度最高：
h[:, :] = 0
v[:, :] = 255
2.3BGRA色彩空间 (alpha 通道)
OpenCV在BGR色彩空间的基础上增加了用于设置图像透明度的alpha通道 ，也称A通道 。
与BGR通道结合起来 ，组成了BGRA色彩空间 。从BGR色彩空间转换到BGRA色彩空间的转换码为cv2.COLOR_BGR2BGRA
下边展示在BGRA色彩空间中设置透明度的过程：
首先进行色彩空间转换 ，将BGR色彩空间转化为BGR色彩空间：
import cv2 bgr_image = cv2.imread("pic.jpg") bgra_image = cv2.cvtColor(bgr_image, cv2.COLOR_BGR2BGRA) print(bgra_image)程序执行结果如下 ，可以看出 ，A值都为255 ，即原图总是默认不透明的 。
然后分别将A通道值设置为172和0 ，并保存图片 ，对比图片效果 。
这里不保存下来查看的话 ，在程序运行中展示并看不出差异 。
保存图片时 ，要保存为png格式的图片 ，因为png文件即为BGRA四通道色彩空间的图像文件形式 。 b, g, r, a = cv2.split(bgra_image) a[:, :] = 172 bgra_172 = cv2.merge([b, g, r, a]) a[:, :] = 0 bgra_0 = cv2.merge([b, g, r, a]) cv2.imwrite("BGRA.png", bgra_image) cv2.imwrite("BGRA172.png", bgra_172) cv2.imwrite("BGRA0.png", bgra_0)结果图片呈现如下：
从左到右透明度依次为0,172 ，255 。
感谢您对博主的支持！
🌹꧔ꦿ本系列blog传送门：
✨OpenCV图像处理基本操作 【Python-Open_CV系列（一）】
✨OpenCV像素处理基本操作 【Python-Open_CV系列（二）】
✨OpenCV之 BGR 、GRAY 、HSV色彩空间&色彩通道专题 【Python-Open_CV系列（三）】
✨OpenCV绘制图像与文字(可作为脚手架代码)(python) 【Python-Open_CV系列（四）】
✨OpenCV图像几何变换专题(缩放 、翻转 、仿射变换及透视)【python-Open_CV系列（五）】
✨基于梵·高《向日葵》的 图像阈值处理专题（二值处理 、反二值处理 、截断处理 、自适应处理及Otsu方法）【Python-Open_CV系列（六）】
✨OpenCV基本功 之 图像的掩模 、运算 & 合并专题 -小啾带学【Python-Open_CV系列（七）】
✨《三英战吕布》 - 图像模板匹配 【Python-Open_CV系列（八）】
✨OpenCV滤波器 龙门石窟篇【Python-Open_CV系列（九）】(均值滤波器 、中值滤波器 、高斯滤波器 、双边滤波器)
✨Open_CV形态学运算专题 （腐蚀&膨胀 、开&闭运算 、梯度运算 、顶帽运算黑帽运算 ）【Python-Open_CV系列（十）】
✨霍夫变换看不懂？小啾带你串一遍：OpenCV图形检测专题 这样学最简单【Python-Open_CV系列（十一）】
✨小啾带你开天眼 之 开启py-OpenCV摄像头及视频处理【Python-Open_CV系列（十二）】
✨小啾带你开天眼 之 人脸检测与识别(以及华强 、皇叔 、高祖配墨镜特效)【Python-Open_CV系列（十三）】创心域SEO版权声明：以上内容作者已申请原创保护，未经允许不得转载，侵权必究！授权事宜、对本内容有异议或投诉，敬请联系网站管理员，我们将尽快回复您，谢谢合作！