圖像預處理-色彩空間補充，灰度化與二值化

一.圖像色彩空間轉換

1.1 HSV顏色空間

HSV顏色空間使用色調（Hue）、飽和度（Saturation）和亮度（Value）三個參數來表示顏色

一般對顏色空間的圖像進行有效處理都是在HSV空間進行的，然后對于基本色中對應的HSV分量需要給定一個嚴格的范圍，下面是通過實驗計算的模糊范圍（準確的范圍在網上都沒有給出）。

H: 0— 180

S: 0— 255

V: 0— 255

也就是可以通過顏色的范圍來提取圖像中的一種或多種顏色。

HSV的好處：

- 符合人類對顏色的感知方式：人類對顏色的感知是基于色調、飽和度和亮度三個維度的，而HSV顏色空間恰好就是通過這三個維度來描述顏色的。因此，使用HSV空間處理圖像可以更直觀地調整顏色和進行色彩平衡等操作，更符合人類的感知習慣。

- 顏色調整更加直觀：例如，在RGB空間中要調整紅色系的顏色，需要同時調整R、G、B三個通道的數值，而在HSV空間中只需要調整色調和飽和度即可。

- 降維處理有利于計算：在圖像處理中，降維處理可以減少計算的復雜性和計算量。HSV顏色空間相對于RGB顏色空間，減少了兩個維度（紅、綠、藍）

1.2 顏色空間轉換

cv2.cvtColor(img,code)

code：指定轉換的類型，可以使用預定義的轉換代碼。

- cv2.COLOR_RGB2GRAY 表示從RGB到灰度圖像的轉換

- cv2.COLOR_BGR2HSV?從RGB到HSV的轉換

二.灰度化

彩色圖是由R、G、B三個通道組成，而灰度圖只有一個通道。

灰度圖像與黑白圖像不同，在計算機圖像領域中黑白圖像只有黑色與白色兩種顏色但是，灰度圖像的取值可以是0~255，不過只有一個通道。這樣可以有256級灰度

# 在讀取時也可以直接將其轉化為灰度圖
import cv2 as cvimg = cv.imread('../images/flower.png', cv.IMREAD_GRAYSCALE)
cv.imshow('Gray Image', img)
cv.waitKey(0)
cv.destroyAllWindows()

2.1 最大值法

從R、G、B三個通道的值中選出最大的一個，并將其作為灰度圖像中對應位置的像素值.

2.2 平均值法

將R、G、B三個通道的像素值全部加起來，然后再除以三。

2.3 加權均值法（最常用且內置）

????????按照一定的權重去乘以每個通道的像素值，并將其相加，得到最后的值就是灰度圖像中對應位置的像素值。權重的比例為： R乘以0.299，G乘以0.587，B乘以0.114，這是經過大量實驗得到的一個權重比例，也是一個比較常用的權重比例

import cv2 as cvimg = cv.imread('../images/flower.png')
flower = cv.resize(img,(200, 200))gray = cv.cvtColor(flower, cv.COLOR_BGR2GRAY)cv.imshow('Original', flower)
cv.imshow('Gray', gray) cv.waitKey(0)   
cv.destroyAllWindows()

三. 二值化處理

二值圖像的二維矩陣僅由兩個值構成，也就是灰度圖像的取值范圍變了，只有0，1

- 其操作的圖像必須是灰度圖

二值化處理函數：

_,binary = cv2.threshold(img,thresh,maxval,type)

- img：輸入圖像，要進行二值化處理的灰度圖。

- thresh：設定的閾值。

- maxval：當像素值大于(或小于，取決于閾值類型)thresh時，該像素被賦予的值。

- type：閾值處理的類型。

- 返回值：

? - 第一個值（通常用下劃線表示）：計算出的閾值，若使用自適應閾值法，會根據算法自動計算出這個值。

? - 第二個值（binary）：二值化后的圖像矩陣。與輸入圖像尺寸相同。

3.1 閾值法

THRESH_BINARY

????????設置一個閾值，將灰度圖中的每一個像素值與該閾值進行比較，小于等于閾值的像素就被設置為0（通常代表背景），大于閾值的像素就被設置為maxval(通常為255)

import cv2 as cvimg = cv.imread('../images/flower.png')
flower = cv.resize(img,(200, 200))# 獲得灰度圖
gray = cv.cvtColor(flower, cv.COLOR_BGR2GRAY)# 使用閾值法二值化
_,binary = cv.threshold(gray, 127, 255, cv.THRESH_BINARY)cv.imshow('flower', gray)
cv.imshow('binary', binary)
cv.waitKey(0)
cv.destroyAllWindows()

3.2 反閾值法

THRESH_BINARY_INV

與閾值法相反

import cv2 as cvimg = cv.imread('../images/flower.png')
flower = cv.resize(img,(200, 200))# 獲得灰度圖
gray = cv.cvtColor(flower, cv.COLOR_BGR2GRAY)# 使用反閾值法二值化
_,binary = cv.threshold(gray, 127, 255, cv.THRESH_BINARY_INV)cv.imshow('flower', gray)
cv.imshow('binary', binary)
cv.waitKey(0)
cv.destroyAllWindows()

3.3 截斷閾值法

THRESH_TRUNC

所有像素與閾值進行比較，像素值大于閾值的部分將會被修改為閾值，小于等于閾值的部分不變

import cv2 as cvimg = cv.imread('../images/flower.png')
flower = cv.resize(img,(200, 200))# 獲得灰度圖
gray = cv.cvtColor(flower, cv.COLOR_BGR2GRAY)# 使用截斷閾值法二值化
# 可以看到我們依然給了maxval，但是實際上這個maxval沒有起作用，但是還是要寫不然會報錯
_,binary = cv.threshold(gray, 127, 255, cv.THRESH_TRUNC)cv.imshow('flower', gray)
cv.imshow('binary', binary)
cv.waitKey(0)
cv.destroyAllWindows()

3.4 低閾值零處理

THRESH_TOZERO

像素值小于等于閾值的部分被置為0,大于閾值的部分不變。

import cv2 as cvimg = cv.imread('../images/flower.png')
flower = cv.resize(img,(200, 200))# 獲得灰度圖
gray = cv.cvtColor(flower, cv.COLOR_BGR2GRAY)# 使用低閾值零處理二值化_,binary = cv.threshold(gray, 127, 255, cv.THRESH_TOZERO)cv.imshow('flower', gray)
cv.imshow('binary', binary)
cv.waitKey(0)
cv.destroyAllWindows()

3.5 超閾值零處理

THRESH_TOZERO_INV

像素值大于閾值的部分置為0，像素值小于等于閾值的部分不變。

import cv2 as cvimg = cv.imread('../images/flower.png')
flower = cv.resize(img,(200, 200))# 獲得灰度圖
gray = cv.cvtColor(flower, cv.COLOR_BGR2GRAY)# 使用超閾值零處理二值化
_,binary = cv.threshold(gray, 127, 255, cv.THRESH_TOZERO_INV)cv.imshow('flower', gray)
cv.imshow('binary', binary)
cv.waitKey(0)
cv.destroyAllWindows()

3.6 OTSU閾值法

cv2.THRESH_OTS

?cv2.THRESH_OTS 并不是一個有效的閾值類型或標,它其實是用來計算合適閾值的方法，通常與 THRESH_BINARY?或 THRESH_BINARY_INV?結合使用

OTSU算法是通過一個值將這張圖分前景和背景

（也就是灰度圖中小于這個值的是一類，大于這個值的是一類。例如，如果你設置閾值為128，則所有大于128的像素點可以被視作前景，而小于等于128的像素點則被視為背景。）

????????通過統計學方法（最大類間方差）來驗證該值的合理性，當根據該值進行分割時，使用最大類間方差計算得到的值最大時，該值就是二值化算法中所需要的閾值。通常該值是從灰度圖中的最小值加1開始進行迭代計算，直到灰度圖中的最大像素值減1，然后把得到的最大類間方差值進行比較。

import cv2 as cvimg = cv.imread('../images/flower.png')
flower = cv.resize(img,(200, 200))# 獲得灰度圖
gray = cv.cvtColor(flower, cv.COLOR_BGR2GRAY)# 使用OTSU閾值法二值化(默認是結合閾值法即THRESH_BINARY)
_,binary = cv.threshold(gray, 127, 255, cv.THRESH_OTSU)
# 結合反閾值法
_,binary1 = cv.threshold(gray, 0, 255, cv.THRESH_OTSU+cv.THRESH_BINARY_INV)cv.imshow('flower', gray)
cv.imshow('binary', binary)
cv.imshow('binary1', binary1)
cv.waitKey(0)
cv.destroyAllWindows()