面经｜2. 面试官：“除了RGB，你还知道哪些颜色通道？”

灿视学长

发布于 2021-05-28 11:23:30

2.7K0

发布于 2021-05-28 11:23:30

文章被收录于专栏：灿视学长

百面AI，致力构建起最强AI算法面经！欢迎关注我们！

1.使用颜色空间进行空间变换的项目

在我所做的一些项目中，目前使用颜色空间变换的比较少，目前就是看pix2pix-tensorflow中使用过，直接上图：

项目中使用了Lab空间变换来学习A->B图像的映射。在测试的时候，同样是使用了Lab变换，将生成的图来进行前向预测，再将输出结果转换成RGB图像。

当然，后面要是看到了其它项目使用到的话，我这边再进行补充！

2. 相关颜色空间

2. 1. RGB

RGB 是我们接触最多的颜色空间，由三个通道表示一幅图像，分别为红色(R)，绿色(G)和蓝色(B)三个通道。这

三种颜色的不同组合可以形成几乎所有的其他颜色。RGB 颜色空间是图像处理中最基本、最常用、面向硬件的颜色空间。

RGB 颜色空间利用三个颜色分量的线性组合来表示颜色，任何颜色都与这三个分量有关，而且这三个分量是高度相关的，所以连续变换颜色时并不直观，想对图像的颜色进行调整需要更改这三个分量才行。

但是，人眼对于这三种颜色分量的敏感程度是不一样的，在单色中，人眼对红色最不敏感，蓝色最敏感，所以 RGB 颜色空间是一种均匀性较差的颜色空间。如果颜色的相似性直接用欧氏距离来度量，其结果与人眼视觉会有较大的偏差。对于某一种颜色，我们很难推测出较为精确的三个分量数值来表示。

所以，RGB 颜色空间适合于显示系统，却并不适合于图像处理。

2.2 CMY/CMYK颜色空间

CMY是工业印刷采用的颜色空间。它与RGB对应。简单的类比RGB来源于是物体发光，而CMY是依据反射光得到的。具体应用如打印机：一般采用四色墨盒，即CMY加黑色墨盒。

2.3 HSV颜色空间

由于上述的原因，在实际图像处理中，我们使用更多的是HSV颜色空间，因为它可以比RGB更接近人们对彩色的感知经验。

其中，HSV主要是由表达彩色图像的三个部分组成：

Hue，色相、色调
Saturation：饱和度
Value，明度

其中用一张图可以表明H、S、V三者之间的关系：

img

H用极坐标的极角表示
S用极坐标的极轴长度表示
V用圆柱中轴的高度表示其中，Hue是用角度度量，取值范围为0～

360^{\circ}

,表示所处的光谱颜色的位置。Hue=0表示红色，Hue=120表示绿色，Hue=240表示蓝色，等等。 Saturation是饱和度，其表示颜色接近光谱色的程度。其中，饱和度越高，表明颜色就越深。饱和度为0考试为纯色，取值范围为0～1，值越大，表示颜色越饱和。 Value表明了颜色空间中颜色的阴暗程度，明度越高，表示颜色越亮，范围为0～1，0为纯黑色。

2.4 HLS颜色空间

HLS 和 HSV 比较类似，这里一起介绍。HLS 也有三个分量，hue（色相）、saturation（饱和度）、lightness（亮度）。

HLS 中的 L 分量为亮度，亮度为100，表示白色，亮度为0，表示黑色。其中，S与L与HSV中保持一致。

2.5 YUV/YCbCr颜色空间

YUV是通过亮度-色差来描述颜色的颜色空间。亮度信号经常被称作Y，色度信号是由两个互相独立的信号组成。视颜色系统和格式不同，两种色度信号经常被称作UV或PbPr或CbCr。这些都是由不同的编码格式所产生的，但是实际上，他们的概念基本相同。在DVD中，色度信号被存储成Cb和Cr（C代表颜色，b代表蓝色，r代表红色）。

2.6 Lab颜色空间

Lab颜色模型弥补了RGB和CMYK两种色彩模式的不足。它是一种设备无关的颜色模型，也是一种基于生理特征的颜色模型。Lab是由一个亮度通道（channel）和两个颜色通道组成的。在Lab颜色空间中，每个颜色用L、a、b三个数字表示，各个分量的含义是这样的：

L代表明度，取值0~100
a代表从绿色到红色的分量，取值-128~127
b代表从蓝色到黄色的分量，取值-128~127

2.7 LUV颜色空间

LUV通常是指一种颜色空间标准，目的是建立与视觉统一的颜色空间，因为人类眼睛有响应不同波长范围的三种类型的颜色传感器，所有可视颜色的完整绘图是三维的。但是颜色的概念可以分为两部分：明度和色度。

LUV的存在三个分量，L是亮度，u和v是色度坐标。对于一般的图像，u和v的取值范围为-100到+100，亮度为0到100。

2.8 代码举例

import matplotlib.pyplot as plt
import cv2
 
canshi_BGR = cv2.imread("./canshi.png")
 
# show BGR canshi
plt.subplot(3, 3, 1)
plt.imshow(canshi_BGR)
plt.axis('off')
plt.title('canshi_BGR')
 
# BGR to RGB
canshi_RGB = cv2.cvtColor(canshi_BGR, cv2.COLOR_BGR2RGB)
plt.subplot(3, 3, 2)
plt.imshow(canshi_RGB)
plt.axis('off')
plt.title('canshi_RGB')
 
# BGR to GRAY
canshi_GRAY = cv2.cvtColor(canshi_BGR, cv2.COLOR_BGR2GRAY)
plt.subplot(3, 3, 3)
plt.imshow(canshi_GRAY)
plt.axis('off')
plt.title('canshi_GRAY')
 
 
# BGR to YCrCb
canshi_YCrCb = cv2.cvtColor(canshi_BGR, cv2.COLOR_BGR2YCrCb)
plt.subplot(3, 3, 4)
plt.imshow(canshi_YCrCb)
plt.axis('off')
plt.title('canshi_YCrCb')
 
# BGR to HSV
canshi_HSV = cv2.cvtColor(canshi_BGR, cv2.COLOR_BGR2HSV)
plt.subplot(3, 3, 5)
plt.imshow(canshi_HSV)
plt.axis('off')
plt.title('canshi_HSV')
 
# BGR to HLS
canshi_HLS = cv2.cvtColor(canshi_BGR, cv2.COLOR_BGR2HLS)
plt.subplot(3, 3, 6)
plt.imshow(canshi_HLS)
plt.axis('off')
plt.title('canshi_HLS')
 
# BGR to CIE L*a*b
canshi_Lab = cv2.cvtColor(canshi_BGR, cv2.COLOR_BGR2Lab)
plt.subplot(3, 3, 7)
plt.imshow(canshi_Lab)
plt.axis('off')
plt.title('canshi_Lab')
 
# BGR to CIE L*u*v
canshi_Luv = cv2.cvtColor(canshi_BGR, cv2.COLOR_BGR2Luv)
plt.subplot(3, 3, 8)
plt.imshow(canshi_Luv)
plt.axis('off')
plt.title('canshi_Luv')
 
plt.show()