颜色转换

参见 cv::cvtColor 和 cv::ColorConversionCodes

待办事项

记录其他转换模式

RGB <-> 灰度

RGB空间内的转换，例如添加/移除alpha通道、反转通道顺序、转换为/从16位RGB颜色（R5:G6:B5或R5:G5:B5），以及使用以下公式进行灰度转换/从灰度转换

$$\text{RGB[A] to Gray:}Y\leftarrow 0.299\cdot R+0.587\cdot G+0.114\cdot B$$

和

$$\text{Gray to RGB[A]:}R\leftarrow Y,G\leftarrow Y,B\leftarrow Y,A\leftarrow max(ChannelRange)$$

从RGB图像到灰度的转换使用以下代码：

cvtColor(src, bwsrc, cv::COLOR_RGB2GRAY);

更高级的通道重新排序也可以使用 cv::mixChannels 完成。

另请参见

cv::COLOR_BGR2GRAY，cv::COLOR_RGB2GRAY，cv::COLOR_GRAY2BGR，cv::COLOR_GRAY2RGB

RGB <-> CIE XYZ.Rec 709，白点为D65

$$\left[\begin{array}{c}X\\ Y\\ Z\end{array}\right]\leftarrow \left[\begin{array}{ccc}0.412453& 0.357580& 0.180423\\ 0.212671& 0.715160& 0.072169\\ 0.019334& 0.119193& 0.950227\end{array}\right]\cdot \left[\begin{array}{c}R\\ G\\ B\end{array}\right]$$

$$\left[\begin{array}{c}R\\ G\\ B\end{array}\right]\leftarrow \left[\begin{array}{ccc}3.240479& -1.53715& -0.498535\\ -0.969256& 1.875991& 0.041556\\ 0.055648& -0.204043& 1.057311\end{array}\right]\cdot \left[\begin{array}{c}X\\ Y\\ Z\end{array}\right]$$

$X$、$Y$和$Z$覆盖整个值范围（对于浮点图像，$Z$可能超过1）。

另请参见

cv::COLOR_BGR2XYZ，cv::COLOR_RGB2XYZ，cv::COLOR_XYZ2BGR，cv::COLOR_XYZ2RGB

RGB <-> YCrCb JPEG（或YCC）

$$Y\leftarrow 0.299\cdot R+0.587\cdot G+0.114\cdot B$$

$$Cr\leftarrow (R-Y)\cdot 0.713+delta$$

$$Cb\leftarrow (B-Y)\cdot 0.564+delta$$

$$R\leftarrow Y+1.403\cdot (Cr-delta)$$

$$G\leftarrow Y-0.714\cdot (Cr-delta)-0.344\cdot (Cb-delta)$$

$$B\leftarrow Y+1.773\cdot (Cb-delta)$$

其中

$$delta=\{\begin{array}{ll}128& \text{对于8位图像}\\ 32768& \text{对于16位图像}\\ 0.5& \text{对于浮点图像}\end{array}$$

Y、Cr和Cb覆盖整个值范围。

另请参见

cv::COLOR_BGR2YCrCb，cv::COLOR_RGB2YCrCb，cv::COLOR_YCrCb2BGR，cv::COLOR_YCrCb2RGB

RGB <-> 带下采样的YUV

仅支持8位值。系数对应于BT.601标准，结果值为Y [16, 235]，U和V [16, 240]，以128为中心。

支持两种下采样方案：4:2:0（Fourcc代码NV12、NV21、YV12、I420及其同义词）和4:2:2（Fourcc代码UYVY、YUY2、YVYU及其同义词）。

在这两种下采样方案中，都为每个像素写入Y值，因此Y平面实际上是源图像的缩放和偏差灰度版本。

在4:2:0方案中，U和V值在2x2方块上取平均值，即每4个像素只保存1个U值和1个V值。U和V值交错保存到单独的平面（NV12、NV21）或两个单独的半平面（YV12、I420）中。

在4:2:2方案中，U和V值在每对像素上水平取平均值，即每2个像素只保存1个U值和1个V值。根据其Fourcc代码，U和V值与两个像素的Y值交错保存。

请注意，出于速度或兼容性目的，不同的转换使用不同的精度执行。例如，RGB到YUV 4:2:2使用14位定点算术进行转换，而其他转换使用20位。

$$R\leftarrow 1.164\cdot (Y-16)+1.596\cdot (V-128)$$

$$G\leftarrow 1.164\cdot (Y-16)-0.813\cdot (V-128)-0.391\cdot (U-128)$$

$$B\leftarrow 1.164\cdot (Y-16)+2.018\cdot (U-128)$$

$$Y\leftarrow (R\cdot 0.299+G\cdot 0.587+B\cdot 0.114)\cdot \frac{236-16}{256}+16$$

$$U\leftarrow -0.148\cdot R_{avg}-0.291\cdot G_{avg}+0.439\cdot B_{avg}+128$$

$$V\leftarrow 0.439\cdot R_{avg}-0.368\cdot G_{avg}-0.071\cdot B_{avg}+128$$

另请参见

cv::COLOR_YUV2RGB_NV12，cv::COLOR_YUV2RGBA_YUY2，cv::COLOR_BGR2YUV_YV12等等

RGB <-> HSV

对于8位和16位图像，R、G和B转换为浮点格式，并缩放以适应0到1的范围。

$$V\leftarrow max(R,G,B)$$

$$S\leftarrow \{\begin{array}{ll}\frac{V-min(R,G,B)}{V}& \text{if }V\ne 0\\ 0& \text{otherwise}\end{array}$$

$$H\leftarrow \{\begin{array}{ll}60(G-B)/(V-min(R,G,B))& \text{if }V=R\\ 120+60(B-R)/(V-min(R,G,B))& \text{if }V=G\\ 240+60(R-G)/(V-min(R,G,B))& \text{if }V=B\\ 0& \text{if }R=G=B\end{array}$$

如果$H<0$，则$H\leftarrow H+360$。输出时$0\le V\le 1$，$0\le S\le 1$，$0\le H\le 360$。

然后将值转换为目标数据类型

• 8位图像：$V\leftarrow 255V,S\leftarrow 255S,H\leftarrow H/2\text{(以适应0到255)}$
• 16位图像：（目前不支持）$V\leftarrow 65535V,S\leftarrow 65535S,H\leftarrow H$
• 32位图像：H、S和V保持不变

另请参见

cv::COLOR_BGR2HSV，cv::COLOR_RGB2HSV，cv::COLOR_HSV2BGR，cv::COLOR_HSV2RGB

RGB <-> HLS

对于8位和16位图像，R、G和B转换为浮点格式，并缩放以适应0到1的范围。

$$V_{max}\leftarrow max(R,G,B)$$

$$V_{min}\leftarrow min(R,G,B)$$

$$L\leftarrow \frac{V_{max}+V_{min}}{2}$$

$$S\leftarrow \{\begin{array}{ll}\frac{V_{max}-V_{min}}{V_{max}+V_{min}}& \text{如果 }L<0.5\\ \frac{V_{max}-V_{min}}{2-(V_{max}+V_{min})}& \text{如果 }L\ge 0.5\end{array}$$

$$H\leftarrow \{\begin{array}{ll}60(G-B)/(V_{max}-V_{min})& \text{如果 }{V}_{max}=R\\ 120+60(B-R)/(V_{max}-V_{min})& \text{如果 }{V}_{max}=G\\ 240+60(R-G)/(V_{max}-V_{min})& \text{如果 }{V}_{max}=B\\ 0& \text{如果 }R=G=B\end{array}$$

如果 $H<0$，则 $H\leftarrow H+360$ 。输出结果为 $0\le L\le 1$， $0\le S\le 1$， $0\le H\le 360$ 。

然后将值转换为目标数据类型

• 8位图像：$V\leftarrow 255\cdot V,S\leftarrow 255\cdot S,H\leftarrow H/2\text{(调整到0到255范围)}$
• 16位图像：(目前不支持) $V\leftarrow 65535\cdot V,S\leftarrow 65535\cdot S,H\leftarrow H$
• 32位图像：H、S、V 保持不变

另请参见

cv::COLOR_BGR2HLS，cv::COLOR_RGB2HLS，cv::COLOR_HLS2BGR，cv::COLOR_HLS2RGB

RGB <-> CIE L*a*b*

对于8位和16位图像，R、G和B转换为浮点格式，并缩放以适应0到1的范围。

$$\left[\begin{array}{c}X\\ Y\\ Z\end{array}\right]\leftarrow \left[\begin{array}{ccc}0.412453& 0.357580& 0.180423\\ 0.212671& 0.715160& 0.072169\\ 0.019334& 0.119193& 0.950227\end{array}\right]\cdot \left[\begin{array}{c}R\\ G\\ B\end{array}\right]$$

$$X\leftarrow X/X_n,\text{其中}{X}_n=0.950456$$

$$Z\leftarrow Z/Z_n,\text{其中}{Z}_n=1.088754$$

$$L\leftarrow \{\begin{array}{ll}116\ast Y^{1/3}-16& \text{对于 }Y>0.008856\\ 903.3\ast Y& \text{对于 }Y\le 0.008856\end{array}$$

$$a\leftarrow 500(f(X)-f(Y))+delta$$

$$b\leftarrow 200(f(Y)-f(Z))+delta$$

其中

$$f(t)=\{\begin{array}{ll}{t}^{1/3}& \text{对于 }t>0.008856\\ 7.787t+16/116& \text{对于 }t\le 0.008856\end{array}$$

和

$$delta=\{\begin{array}{ll}128& \text{对于8位图像}\\ 0& \text{对于浮点数图像}\end{array}$$

输出结果为 $0\le L\le 100$， $-127\le a\le 127$， $-127\le b\le 127$ 。然后将这些值转换为目标数据类型。

• 8位图像：$L\leftarrow L\ast 255/100,a\leftarrow a+128,b\leftarrow b+128$
• 16位图像：(目前不支持)
• 32位图像：L、a 和 b 保持不变

另请参见

cv::COLOR_BGR2Lab，cv::COLOR_RGB2Lab，cv::COLOR_Lab2BGR，cv::COLOR_Lab2RGB

RGB <-> CIE L*u*v*

对于8位和16位图像，R、G和B将转换为浮点格式，并缩放以适应0到1的范围。

$$\left[\begin{array}{c}X\\ Y\\ Z\end{array}\right]\leftarrow \left[\begin{array}{ccc}0.412453& 0.357580& 0.180423\\ 0.212671& 0.715160& 0.072169\\ 0.019334& 0.119193& 0.950227\end{array}\right]\cdot \left[\begin{array}{c}R\\ G\\ B\end{array}\right]$$

$$L\leftarrow \{\begin{array}{ll}116\ast Y^{1/3}-16& \text{对于 }Y>0.008856\\ 903.3Y& \text{对于 }Y\le 0.008856\end{array}$$

$$u^{\prime }\leftarrow 4\ast X/(X+15\ast Y+3Z)$$

$$v^{\prime }\leftarrow 9\ast Y/(X+15\ast Y+3Z)$$

$$u\leftarrow 13\ast L\ast (u^{\prime }-u_n)\text{其中}{u}_n=0.19793943$$

$$v\leftarrow 13\ast L\ast (v^{\prime }-v_n)\text{其中}{v}_n=0.46831096$$

输出结果为 $0\le L\le 100$， $-134\le u\le 220$， $-140\le v\le 122$ 。

然后将值转换为目标数据类型

• 8位图像：$L\leftarrow 255/100L,u\leftarrow 255/354(u+134),v\leftarrow 255/262(v+140)$
• 16位图像：(目前不支持)
• 32位图像：L、u 和 v 保持不变

注意，当将整数Luv图像转换为RGB时，中间X、Y和Z值将被截断到$[0,2]$范围内以适应白点限制。这可能会导致对具有奇数XYZ值的颜色的表示不正确。

上述将RGB转换为各种颜色空间的公式取自网络上的多个来源，主要来自Charles Poynton的网站 http://www.poynton.com/ColorFAQ.html

另请参见

cv::COLOR_BGR2Luv，cv::COLOR_RGB2Luv，cv::COLOR_Luv2BGR，cv::COLOR_Luv2RGB

Bayer -> RGB

拜耳模式广泛用于CCD和CMOS相机。它使您可以从单个平面获得彩色图像，其中R、G和B像素（特定组件的传感器）交错排列如下：

拜耳模式（BGGR、GBRG、GRGB、RGGB）

像素的输出RGB分量通过对具有相同颜色的像素的1、2或4个相邻像素进行插值获得。

注意

有关OpenCV拜耳模式命名与经典拜耳模式命名之间对应关系的信息，请参见以下内容。

拜耳模式

上述模式有几种修改方法，可以通过将模式向左移动一个像素和/或向上移动一个像素来实现。转换常量CV_Bayer $C_1{C}_2$ 2BGR和CV_Bayer $C_1{C}_2$ 2RGB中的两个字母$C_1$和$C_2$表示特定的模式类型。这些是来自第二行、第二列和第三列的组件。例如，上述模式具有非常流行的“BG”类型。

另请参见

cv::COLOR_BayerRGGB2BGR，cv::COLOR_BayerGRBG2BGR，cv::COLOR_BayerBGGR2BGR，cv::COLOR_BayerGBRG2BGR，cv::COLOR_BayerRGGB2RGB，cv::COLOR_BayerGRBG2RGB，cv::COLOR_BayerBGGR2RGB，cv::COLOR_BayerGBRG2RGB cv::COLOR_BayerBG2BGR，cv::COLOR_BayerGB2BGR，cv::COLOR_BayerRG2BGR，cv::COLOR_BayerGR2BGR，cv::COLOR_BayerBG2RGB，cv::COLOR_BayerGB2RGB，cv::COLOR_BayerRG2RGB，cv::COLOR_BayerGR2RGB