在 OpenCV 中，色彩空間（Color Space）指的是表示顏色的一種方式，或是用數學模型對顏色的表達。不同的色彩空間采用不同的方式來描述顏色的三要素（如亮度、飽和度、色調），因此可以在不同的應用場景下提供不同的優點。

在計算機視覺和圖像處理中，了解和轉換不同的色彩空間是非常重要的，因為某些操作（例如，目標檢測、圖像分割、特征提取等）在某些色彩空間中比在其他色彩空間中更加有效。

1. 常見的色彩空間

OpenCV 支持多種色彩空間的轉換。以下是常見的幾種色彩空間：

1.1 RGB（Red, Green, Blue）和?BGR（Blue, Green, Red）

RGB：

• RGB 是最常用的色彩空間，尤其是在顯示設備（如顯示器、電視）中。每種顏色通道（紅、綠、藍）用一個整數值表示，通常是 0 到 255（即 8 位表示）。
• 該色彩空間直觀且易于理解，主要用于顯示和圖像采集。每個顏色通道的值分別代表圖像中的紅、綠和藍的強度。

BGR：

• BGR 是 OpenCV 中的默認色彩空間。雖然 RGB 更常見，但 OpenCV 默認讀取圖像為 BGR 格式。這是因為 OpenCV 設計時參考了早期的一些硬件標準。
• 在 BGR 色彩空間中，藍色（Blue）是第一個通道，綠色（Green）是第二個通道，紅色（Red）是第三個通道。
• opencv中imread、imshow、imwrite都是使用的BGR的順序。

import cv2# 讀取 RGB 圖像
img_bgr = cv2.imread('./images/bg.jpg')
print(img_bgr.shape)  # 輸出圖像的尺寸，通常是 (height, width, channels)
print(img_bgr[0, 0, :]) # 查看第一像素的顏色值 [192 162 105] [B,G,R]
cv2.imshow('bgr', img_bgr)img_rgb = cv2.cvtColor(img_bgr, cv2.COLOR_RGB2BGR)
print(img_rgb.shape)
print(img_rgb[0, 0, :]) # 查看第一像素的顏色值 [105 162 192] [R,G,B]
cv2.imshow('rgb', img_rgb) # 圖像轉成RGB后imshow顯示會有所變化cv2.waitKey(0)
cv2.destroyAllWindows()

1.3 HSV（Hue, Saturation, Value）

• HSV 是一種在色彩選擇、圖像分割和增強中非常常用的色彩空間。它通過三個參數來描述顏色：色調（Hue）、飽和度（Saturation）和明度（Value）。

  • 色調（H）：顏色的類型，通常表示為角度，范圍為 0° 到 360°，例如，紅色為 0°，綠色為 120°，藍色為 240°。
  • 飽和度（S）：顏色的純度或強度，范圍是 0 到 100%。0 表示灰色，100% 表示最純的顏色。
  • 明度（V）：顏色的亮度或亮度，范圍是 0 到 100%。0 表示完全黑色，100% 表示最亮的顏色。

• 在 HSV 空間中，圖像的顏色信息更符合人類的視覺感知，通常在圖像分割、顏色跟蹤等任務中表現優異。

# BGR 轉換到 HSV 
img_hsv = cv2.cvtColor(img_bgr, cv2.COLOR_BGR2HSV)
print(img_hsv) # (200, 300, 3)
print(img_hsv[0,0,:]) # 第一個像素的hsv值：[100, 116, 192] [h,s,v]

1.4 HLS（Hue, Lightness, Saturation）

• HLS 色彩空間與 HSV 相似，但將飽和度和亮度的位置交換。HLS 也常用于色彩處理，它比 HSV 更能模擬人眼對顏色的感知。
  • 色調（H）：與 HSV 中的色調相同，表示顏色的類型。
  • 亮度（L）：亮度的描述，不同于 HSV 中的明度，HLS 中的亮度表現方式與實際視覺體驗更接近。
  • 飽和度（S）：顏色的飽和度，范圍 0 到 100%。

# BGR 轉換到 HLS 
img_hls = cv2.cvtColor(img_bgr, cv2.COLOR_BGR2HLS)
print(img_hls.shape) # (200, 300, 3)
print(img_hls[0,0,:]) # [100 149 104]

1.5 Lab（CIELAB）

• Lab 是一種基于人類視覺感知的色彩空間，分為三個通道：

  • L：亮度（Lightness），范圍是 0 到 100，0 表示黑色，100 表示白色。
  • a：綠色到紅色的色差，負值表示綠色，正值表示紅色。
  • b：藍色到黃色的色差，負值表示藍色，正值表示黃色。

• Lab 色彩空間的一個重要特點是它是與設備無關的（與顯示設備的亮度、對比度等無關），因此在許多圖像處理任務中具有很好的穩定性。

# BGR 轉換到 Lab 
img_lab = cv2.cvtColor(img_bgr, cv2.COLOR_BGR2LAB)
print(img_lab.shape) # (200, 300, 3)
print(img_lab[0,0,:]) # [163 117 107]

1.6 YUV

• YUV 色彩空間常用于視頻編碼和廣播電視等應用。它將顏色分為亮度分量（Y）和色度分量（U 和 V），因此能夠更有效地處理視頻圖像。
  • Y：亮度分量（Luminance），范圍是 0 到 255。
  • U 和 V：色度分量，表示色彩信息，范圍是 -128 到 127。

# BGR 轉換到 YUV 
img_yuv = cv2.cvtColor(img_bgr, cv2.COLOR_BGR2YUV)
print(img_yuv.shape) # (200, 300, 3)
print(img_yuv[0,0,:]) # [148 150  90]

2. 常見色彩空間轉換

OpenCV 提供了非常方便的色彩空間轉換函數 cv2.cvtColor。以下是一些常見的色彩空間轉換：

• BGR 到 HSV：

  img_hsv = cv2.cvtColor(img_bgr, cv2.COLOR_BGR2HSV)

• BGR 到 RGB：

  img_rgb = cv2.cvtColor(img_bgr, cv2.COLOR_BGR2RGB)

• BGR 到 Lab：

  img_lab = cv2.cvtColor(img_bgr, cv2.COLOR_BGR2LAB)

• BGR 到 YUV：

  img_yuv = cv2.cvtColor(img_bgr, cv2.COLOR_BGR2YUV)

• RGB 到 HSV：

  img_hsv = cv2.cvtColor(img_rgb, cv2.COLOR_RGB2HSV)

3. 使用色彩空間的場景

3.1 圖像分割

在某些色彩空間（例如 HSV、Lab）中，分割圖像中的不同顏色區域比在 RGB 空間中更為簡便。例如，我們可以通過設置合適的色調、飽和度和亮度閾值來提取特定顏色的區域。

3.2 目標追蹤

HSV 和 HLS 空間的色調分量對于目標追蹤特別有效，尤其是在目標的顏色變化較大時，使用色調（H）來進行追蹤更為準確。

3.3 顏色校正與增強

Lab 和 YUV 空間在顏色校正和增強中非常常用，特別是在改變圖像的亮度、對比度、飽和度時。

4. 總結

OpenCV 支持多種色彩空間，每種色彩空間有其特定的優點，選擇合適的色彩空間可以幫助我們更好地完成圖像處理任務。常見的色彩空間包括 RGB、BGR、HSV、HLS、Lab 和 YUV，每個空間通過不同的方式表示顏色信息。在進行圖像處理時，理解這些色彩空間的特點和如何在它們之間進行轉換是非常重要的。