您的位置: 首页  >  IT文章  >  Color Models (RGB, CMY, HSI)

Color Models (RGB, CMY, HSI)

分类: IT文章 • 2024-07-18 18:49:19

目录

Gonzalez R. C. and Woods R. E. Digital Image Processing (Forth Edition)

概

除了我们熟悉的RGB模式来表示图片, 还有其他很多种图片表示方式. 其实我现在很想要知道的一点是, 神经网络会对不同的表示会有不同的反应吗?

定义

RGB

Color Models (RGB, CMY, HSI)

普通的彩色图片, 每个像素点是一个三维的值((x, y, z) in [0, 1]^3),

CMY

RGB是以Red, Green, Blue为坐标轴的坐标系, 而CMY是以Cyan, Magenta, Yellow为坐标轴(这些颜色成为second colors), 以White为原点的坐标系.

CMYK

CMY因为不是以black为原点, 所以在实际中难以表示true black? 所以特意引入第四个颜色K表示黑色.

HSI

Color Models (RGB, CMY, HSI)

HSI, 即hue, saturation, identisity.

Hue: 即表示某种颜色, 正如上图所示, 以H, 点与红色(标准)之间的角度(相当于指定某种颜色).

Saturation: 饱和度, 顾名思义, 表示该颜色是有多少的纯色和白色混合在一起的.

Identisity: 灰度值, 将一个图像变成一个灰度图就是根据这个指标, 其相当于((x, y, z))在black-white这个轴上的投影.

注: HSI的值也是归一化为([0, 1])之间.

相互的转换

RGB <=> CMY

[left [ egin{array}{l} C \ M \ Y \ end{array} ight ] = left [ egin{array}{l} 1 \ 1 \ 1 \ end{array} ight ] - left [ egin{array}{l} R \ G \ B end{array} ight ] . ]

CMY <=> CMYK

CMY > CMYK

[K = min (C, M, Y), \ C = (C - K) / (1 - K), \ M = (M - K) / (1 - K), \ Y = (Y - K) / (1 - K). \ ]

CMYK > CMY

[C = C * (1 - K) + K, \ M = M * (1 - K) + K, \ Y = Y * (1 - K) + K. \ ]

RGB <=> HSI

hsi-to-rgb-conversion.pdf (tau.ac.il)

RGB > HSI

注意RGB > HSI并非直接的坐标变换, 具体的推导可以看上面的参考文献.

[ heta = cos^{-1} { frac{frac{1}{2}[(R-G) + (R-B)]}{[(R-G)^2 + (R-B)(G-B)]^{1/2}} }, \ H = left { egin{array}{ll} heta / 2pi & ext{if} : B le G, \ 1 - heta/2pi & ext{if} : B > G. end{array} ight . \ S = 1 - frac{3}{R + G + B}[min (R, G, B)]. \ I = frac{1}{3}(R + G + B). ]

注: 原文使用的是角度制, 这里我改成弧度制, 另外我这里直接将(H)归一化了.

HSI > RGB

HSI > RGB 需要根据(H)的不同改变策略:

首先令(H = H cdot 2pi in [0, 2pi)).

  1. (H in [0, frac{2}{3}pi]):

[B = I(1-S), \ R = I[1 + frac{Scos H}{cos (frac{1}{3}pi - H)}], \ G = 3I - (R + B). ]

  1. (H in [frac{2}{3}pi, frac{4}{3}pi)):

[H = H - frac{2}{3}pi, \ R = I(1-S), \ G = I[1 + frac{Scos H}{cos (frac{1}{3}pi - H)}], \ B = 3I - (R + G). ]

  1. (H in [frac{4}{3}pi, 2pi)):

[H = H - frac{4}{3}pi, \ G = I(1-S), \ B = I[1 + frac{Scos H}{cos (frac{1}{3}pi - H)}], \ R = 3I - (G + B). ]

代码示例

import cv2
import matplotlib.pyplot as plt
import numpy as np
from PIL import Image

img = np.random.randint(0, 256, (10, 10, 3), dtype=np.uint8)

# rgb -> hsi
def calcH(v):
    r, g, b = v
    val = (2 * r - g - b) / np.sqrt((r - g) ** 2 + (r - b) * (g - b))
    val /= 2
    theta = np.arccos(val)
    h = theta / (2 * np.pi) if b <= g else (1 - theta / (2 * np.pi))
    return h

def calcS(v):
    return 1 - 3 * v.min() / v.sum()

def calcI(v):
    return v.mean()

def rgb2hsi(img: np.ndarray) -> np.ndarray:
    img = img.astype(np.float) / 255.
    def unit(v):
        h = calcH(v)
        s = calcS(v)
        i = calcI(v)
        return np.array([h, s, i])
    img = np.apply_along_axis(unit, 2, img)
    return img

# hsi -> rgb

def unit(v):
    h, s, i = v
    idx = np.arange(3)
    h = h * np.pi * 2
    if h >= 2 * np.pi / 3:
        if h >= 4 * np.pi / 3:
            h = h - 4 * np.pi / 3
            idx = (idx - 2) % 3
        else:
            h = h - 2 * np.pi / 3
            idx = (idx - 1) % 3
    b = i * (1 - s)
    r = i * (1 + s * np.cos(h) / np.cos(np.pi / 3 - h))
    g = 3 * i - b - r
    v = np.array([r, g, b])
    return v[idx]



def hsi2rgb(img: np.ndarray):
    img = img.astype(np.float) / 255.
    img = np.apply_along_axis(unit, 2, img) * 255
    return img.astype(np.uint8)

在opencv库中, 可以通过如下手段变化:

rgb2hsi_cv = cv2.cvtColor(img[..., [2, 1, 0]], cv2.COLOR_BGR2HLS)
hsi2rgb_cv = cv2.cvtColor(rgb2hsi_cv, cv2.COLOR_HLS2BGR)[..., [2, 1, 0]]

opencv采用BGR格式是由于历史原因.

另外, 其出来的结果和我所实现的结果并不一致, 其I值也并非(frac{1}{3}(R + G + B))​, 所以我怀疑可能用的是另外一套变换公式(虽然网上说, HLS就是HSI).

在PIL库中, 我没找到RGB2HSI的函数, 不过PIL一般采用如下方式进行变换:

rgb2what = Image.fromarray(img).convert('RGB').convert('...')

注: '...'部分表示mode, 具体参考: Concepts — Pillow (PIL Fork) 8.3.1 documentation

相关推荐