颜色空间

1、主流颜色空间 RGB三通道彩色图，每个通道都是[0,255]，常用的三通道―>单通道，Gray=R*0.3+G*0.59+B*0.11 2、图像增强的目标 改善图像的视觉效果 转换为更适合人或机器分析处理的形式； 突出对人或机器分析有意义的信息 抑制无用信息，提高图像的使用价值 包括图像锐化、平滑、去躁、灰度调整（对比度增强） 3、图像处理方法 3.1 特征提取方法 直方图 3.2 空间域处理及其变换 来源: https://www.cnblogs.com/yqpy/p/11337369.html

目标 在本教程中，您将学习如何将图像从一个色彩空间转换为另一个色彩空间，如BGR Gray，BGR HSV等。 除此之外，我们还将创建一个应用程序，用于在视频中提取彩色对象 您将学习以下函数： ， 等 改变色彩空间 OpenCV中有150多种颜色空间转换方法。 但我们只会研究使用最广泛的两种，BGR Gray和BGR HSV。 对于颜色转换，我们使用函数cv.cvtColor（input_image，flag），其中flag确定转换的类型。 对于BGR 灰度转换，我们使用标志 cv.COLOR_BGR2GRAY 。 同样对于BGR HSV，我们使用标志 cv.COLOR_BGR2HSV 。 要获得其他标志，只需在Python终端中运行以下命令： import cv2 as cv flags = [i for i in dir(cv) if i.startswith('COLOR_')] print( flags ) 注意 ： 对于HSV，色调范围为[0,179]，饱和度范围为[0,255]，值范围为[0,255]。 不同的软件使用不同比例。 因此，如果您正在比较OpenCV值与他们，您需要规范化这些范围。 对象跟踪 现在我们知道如何将BGR图像转换为HSV，我们可以使用它来提取有色物体。 在HSV中，表现颜色比在BGR色彩空间中更容易。 在我们的应用程序中，我们将尝试提取蓝色的对象

目录 1 前言. 1 1.1 植物的发展史. 1 1.1.1 植物界的类群及多样性. 1 1.1.2 植物的分类等级. 2 1.2植物的识别方法. 3 1.2.1 花与种子的特性. 3 1.2.2 叶子的特征. 3 1.3 什么是数字图像处理. 5 1.3.1 数字图像处理概念及其意义. 5 1.3.2 数字图像处理中的基本图像类型. 6 1.3.3 图像格式分析. 7 1.4 什么是模式识别. 8 1.4.1 模式识别的概念. 8 1.4.2 模式识别研究方向. 9 1.4.3 模式识别在实际中的应用. 10 2 预处理与算法研究. 10 2.1 图像的预处理. 10 2.2 数字图像处理方法. 11 2.2.1 二值处理. 11 2.2.2 模糊模式识别算法. 12 2.2.3 边缘检测与轮廓提取. 12 3.2.4 信息存储. 14 3 算法实现. 14 3.1 分析实际工作过程. 14 3.2 算法实现过程. 15 3.2.1 掏空内部点算法的基本思想. 15 3.2.2 边界跟踪算法的基本思想. 15 3.2.3 部分实现代码. 18 4 小结分析. 25 5 参考文献. 26 6 致谢. 27 1 前言 1.1 植物的发展史 1.1.1 植物界的类群及多样性 植物界的发生和发展经历了漫长的历史，随着地球历史的发展，由原始生物不断演化，其间大约经历了30亿年

本文是个人学习记录，学习建议看教程 https://learnopengl-cn.github.io/ 非常感谢原作者JoeyDeVries和多为中文翻译者提供的优质教程 的内容为插入注释，可以先跳过 前言 我们简要提到过该如何在OpenGL中使用颜色(Color)，但是我们至今所接触到的都是很浅层的知识，现在我们要更深入地讨论什么是颜色，并且还会为学习光照(Lighting)创建一个场景 颜色 首先你要知道我们一直在使用有限的数值来模拟真实世界中无限的颜色，所以并不是所有现实世界中的颜色都可以用数值来表示的，然而我们仍能通过数值来表现出非常多的颜色，甚至你可能都不会注意到与现实的颜色有任何的差异 颜色可以数字化的由红色(Red)、绿色(Green)和蓝色(Blue)三个分量组成，它们通常被缩写为RGB，仅仅用这三个值就可以组合出任意一种颜色 例如，要获取一个 橙色(Coral) 色的话，我们可以定义这样的一个颜色向量： glm::vec3 coral(1.0f, 0.5f, 0.31f); 我们在现实生活中看到某一物体的颜色并不是这个物体真正拥有的颜色，而是它所反射的(Reflected)颜色，换句话说，那些不能被物体所吸收(Absorb)的颜色（被拒绝的颜色）就是我们能够感知到的物体的颜色 太阳光能被看见的白光其实是由许多不同的颜色组合而成的，看下图

1、主流颜色空间 RGB三通道彩色图，每个通道都是[0,255]，常用的三通道—>单通道，Gray=R*0.3+G*0.59+B*0.11 2、图像增强的目标 改善图像的视觉效果 转换为更适合人或机器分析处理的形式； 突出对人或机器分析有意义的信息 抑制无用信息，提高图像的使用价值 包括图像锐化、平滑、去躁、灰度调整（对比度增强） 3、图像处理方法 3.1 特征提取方法 直方图 3.2 空间域处理及其变换 来源： https://www.cnblogs.com/yqpy/p/11337369.html