1. 顏色轉換
import cv2
import matplotlib.pyplot as plotimg = cv2.imread("tmp.jpg")
img_r = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
img_g = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
img_h = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
img_l = cv2.cvtColor(img, cv2.COLOR_BGR2LAB)plot.figure(figsize=(15,3));
plot.subplot(1,5,1)
plot.title('BGR image')
plot.imshow(img)
plot.subplot(1,5,2)
plot.title('BGR to RGB')
plot.imshow(img_r)
plot.subplot(1,5,3)
plot.title('BGR to Gray')
plot.imshow(img_g)
plot.subplot(1,5,4)
plot.title('BGR to HSV')
plot.imshow(img_h)
plot.subplot(1,5,3)
plot.title('BGR to LAB')
plot.imshow(img_l)plot.show()
2. 各顏色空間對比
| 顏色空間 | 通道數 | 通道含義 | 數據范圍 | 主要應用場景 | 優缺點 |
|---|---|---|---|---|---|
| RGB | 3 | Red（紅）、Green（綠）、Blue（藍） | 各通道值范圍：0-255 | 圖像顯示、基礎圖像處理 | ? 直觀易用 ? 對光照變化敏感 |
| BGR | 3 | Blue（藍）、Green（綠）、Red（紅） | 各通道值范圍：0-255 | OpenCV默認圖像格式、視頻處理 | ? OpenCV原生支持 ? 與常規RGB順序相反 |
| Gray | 1 | 亮度（Luminance） | 單通道值范圍：0-255 | 人臉檢測、文字識別、簡化計算 | ? 計算效率高 ? 丟失顏色信息 |
| HSV | 3 | Hue（色相）、Saturation（飽和度）、Value（明度） | H: 0-180 S/V: 0-255 | 顏色檢測、色彩分割、光照魯棒處理 | ? 顏色分離效果好 ? H通道是循環角度值（0°=180°） |
| Lab | 3 | L（亮度）、a（紅綠軸）、b（黃藍軸） | L: 0-255 a/b: -128~127 | 顏色一致性校正、復雜顏色分割 | ? 接近人類視覺感知 ? 計算復雜度較高 |
3. 應用說明
3.1 RGB vs BGR
- OpenCV默認使用BGR格式，與其他庫（如Matplotlib）交互時需轉換
- 轉換方法：cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
3.2 HSV
- H（色相）在OpenCV中被壓縮到0-180范圍（常規為0-360°）
- 常用于顏色過濾（如檢測紅色物體）
3.3 Lab
- L通道表示亮度，與設備無關
- a通道：綠色→紅色（-128→127）
- b通道：藍色→黃色（-128→127）
- 在Photoshop等專業工具中廣泛使用
3.4 Gray
- 轉換公式：Gray = 0.299R + 0.587G + 0.114*B（加權平均法）
3.5 典型使用場景示例：
- 人臉檢測：優先使用灰度圖（減少計算量）
- 顏色追蹤：HSV空間定義顏色范圍（如cv2.inRange()）
- 圖像增強：Lab空間調整亮度（L通道）不影響顏色
- 跨設備顏色一致性：Lab空間進行顏色校正
