Maison développement back-end Tutoriel Python [CVHSV vs RVB : comprendre et exploiter le HSV pour le traitement des images

[CVHSV vs RVB : comprendre et exploiter le HSV pour le traitement des images

Dec 19, 2024 am 10:33 AM

Dans l'article précédent, nous avons exploré les bases du travail avec des images RVB dans OpenCV, y compris le traçage et le réglage de la luminosité et du contraste. Bien que l’espace colorimétrique RVB soit idéal pour les écrans d’ordinateur, car il représente les couleurs en termes d’intensité lumineuse émise par les écrans, il ne correspond pas à la façon dont les humains perçoivent les couleurs dans le monde naturel. C'est là qu'intervient HSV (Teinte, Saturation, Valeur), un espace colorimétrique conçu pour représenter les couleurs d'une manière plus proche de la perception humaine.
Dans cet article, nous allons plonger dans le HSV, comprendre ses composants, explorer ses applications et apprendre quelques astuces intéressantes pour améliorer les images.

Qu’est-ce que le HSV ?

HSV signifie Teinte, Saturation et Valeur :

  • Teinte (H) : cela fait référence au type de couleur : rouge, vert, bleu, etc. Bien que traditionnellement mesurée en degrés sur un spectre circulaire (0° à 360°), dans OpenCV, la teinte est mise à l'échelle à 0. –179 pour tenir dans un entier de 8 bits. Voici la cartographie :
  • 0 (ou presque) représente toujours le rouge.
  • 60–89 correspond au vert.
  • 120-149 correspond au bleu.
  • 140-179 revient au rouge, complétant le spectre circulaire.
  • Saturation (S) : Ceci définit l'intensité ou la pureté d'une couleur : Une couleur entièrement saturée ne contient pas de gris et est vibrante, Une couleur moins saturée paraît plus délavée.

  • Valeur (V) : souvent appelée luminosité, elle mesure la luminosité ou l'obscurité de l'image. En séparant ces composants, HSV facilite l'analyse et la manipulation des images, en particulier pour des tâches telles que la détection ou l'amélioration des couleurs. la couleur.

Pour mieux comprendre cela, le coup de tracé est une bonne présentation de leurs valeurs dans l'espace colorimétrique

[CVHSV vs RGB: Understanding and Leveraging HSV for Image Processing

Conversion d'une image en HSV dans OpenCV

Convertir une image en HSV dans OpenCV est simple avec la fonction cv2.cvtColor(). Jetons un coup d'oeil :

import cv2
import matplotlib.pyplot as plt


image = cv2.imread('./test.png')
plt.figure(figsize=(10,10))
plt.subplot(1,2,1)
plt.imshow(image[:,:,::-1]) #plot as RGB 
plt.title("RGB View")
hsv= cv2.cvtColor(image, cv2.COLOR_RGB2HSV)
plt.subplot(1,2,2)
plt.imshow(hsv)
plt.title("HSV View")
plt.tight_layout()
plt.show()

Copier après la connexion
Copier après la connexion

[CVHSV vs RGB: Understanding and Leveraging HSV for Image Processing

À première vue, l’intrigue du HSV peut paraître étrange, presque extraterrestre. En effet, votre ordinateur essaie de représenter le HSV sous la forme d'une image RVB, même si les composants du HSV (en particulier la teinte) ne sont pas directement mappés aux valeurs RVB. Par exemple :

  • Teinte (H) : Représentée sous forme d'angle, elle va de 0 à 179 en OpenCV (et non de 0 à 255 comme les canaux RVB). Cela fait apparaître le canal Hue principalement bleu dans les tracés basés sur RVB.

Pour les exemples suivants, nous n'utiliserons pas l'image de profil mais une image plus sombre générée avec le modèle de génération d'images Flux ai. car il fournit un meilleur cas d'utilisation du HSV que l'image de profil, car nous pouvons mieux voir son effet

[CVHSV vs RGB: Understanding and Leveraging HSV for Image Processing

Comprendre le HSV grâce aux histogrammes

Pour mieux comprendre les différences entre RVB et HSV, traçons des histogrammes pour chaque canal. Voici le code :

import cv2
import matplotlib.pyplot as plt


image = cv2.imread('./test.png')
plt.figure(figsize=(10,10))
plt.subplot(1,2,1)
plt.imshow(image[:,:,::-1]) #plot as RGB 
plt.title("RGB View")
hsv= cv2.cvtColor(image, cv2.COLOR_RGB2HSV)
plt.subplot(1,2,2)
plt.imshow(hsv)
plt.title("HSV View")
plt.tight_layout()
plt.show()

Copier après la connexion
Copier après la connexion

[CVHSV vs RGB: Understanding and Leveraging HSV for Image Processing

À partir des histogrammes, vous pouvez voir en quoi les canaux HSV diffèrent du RVB. Remarquez le canal Teinte en HSV, qui a des valeurs comprises entre 0 et 179, représentant des régions de couleur distinctes, tandis que Saturation et Valeur gèrent l'intensité et la luminosité.

Visualisation de la teinte, de la saturation et de la valeur

Maintenant, divisons l'image HSV en ses composants individuels pour mieux comprendre ce que chaque canal représente :

# Plot the histograms
plt.figure(figsize=(10, 6))

# RGB Histogram
plt.subplot(1, 2, 1)
for i, color in enumerate(['r', 'g', 'b']):
    plt.hist(image[:, :, i].ravel(), 256, [0, 256], color=color, histtype='step')
    plt.xlim([0, 256])
plt.title("RGB Histogram")

# HSV Histogram
plt.subplot(1, 2, 2)
for i, color in enumerate(['r', 'g', 'b']):
    plt.hist(hsv[:, :, i].ravel(), 256, [0, 256], color=color, histtype='step')
    plt.xlim([0, 256])
plt.title("HSV Histogram")
plt.show()

Copier après la connexion

[CVHSV vs RGB: Understanding and Leveraging HSV for Image Processing

  • Teinte : affiche des distinctions de couleurs claires, mettant en évidence les couleurs dominantes de l'image.
  • Saturation : les zones plus claires représentent des couleurs vives, tandis que les zones plus sombres indiquent des tons grisâtres plus sourds.
  • Valeur : met en évidence la répartition de la luminosité, les zones bien éclairées apparaissant plus lumineuses.

Astuces avec le HSV

1. Amélioration de la luminosité (égalisation de la valeur)

Pour les images avec un éclairage inégal, l'égalisation du canal Valeur peut rendre les zones plus sombres plus visibles tout en donnant un effet « lueur » aux régions plus lumineuses.

# Plot the individual HSV channels
plt.figure(figsize=(10, 6))
plt.subplot(1, 3, 1)
plt.imshow(hsv[:, :, 0], cmap='hsv')  # Hue
plt.title("Hue")
plt.subplot(1, 3, 2)
plt.imshow(hsv[:, :, 1], cmap='gray')  # Saturation
plt.title("Saturation")
plt.subplot(1, 3, 3)
plt.imshow(hsv[:, :, 2], cmap='gray')  # Value
plt.title("Value")
plt.tight_layout()
plt.show()
Copier après la connexion

[CVHSV vs RGB: Understanding and Leveraging HSV for Image Processing

2. Amélioration des couleurs (égalisation de la saturation)

Amplifier le canal Saturation rend les couleurs de l'image plus distinctes et plus vibrantes.

equ = cv2.equalizeHist(hsv[:, :, 2])  # Equalize the Value channel
new_hsv = cv2.merge((hsv[:, :, 0], hsv[:, :, 1], equ))
new_image = cv2.cvtColor(new_hsv, cv2.COLOR_HSV2BGR)

# Display results
plt.figure(figsize=(10, 6))
plt.subplot(1, 2, 1)
plt.imshow(image)
plt.title("Original Image")
plt.subplot(1, 2, 2)
plt.imshow(new_image)
plt.title("Brightness Enhanced")
plt.tight_layout()
plt.show()
Copier après la connexion

[CVHSV vs RGB: Understanding and Leveraging HSV for Image Processing

3. Filtrage des couleurs (rouge isolant)

En utilisant le canal Hue, nous pouvons isoler des couleurs spécifiques. Par exemple, pour extraire les tons rouges :

equ = cv2.equalizeHist(hsv[:, :, 1])  # Equalize the Saturation channel
new_hsv = cv2.merge((hsv[:, :, 0], equ, hsv[:, :, 2]))
new_image = cv2.cvtColor(new_hsv, cv2.COLOR_HSV2BGR)

# Display results
plt.figure(figsize=(10, 6))
plt.subplot(1, 2, 1)
plt.imshow(image)
plt.title("Original Image")
plt.subplot(1, 2, 2)
plt.imshow(new_image)
plt.title("Color Enhanced")
plt.tight_layout()
plt.show()

Copier après la connexion

[CVHSV vs RGB: Understanding and Leveraging HSV for Image Processing

Cette technique est incroyablement utile pour des tâches telles que la détection d'objets, la segmentation des couleurs ou même les effets artistiques.

Conclusion

L'espace colorimétrique HSV offre un moyen polyvalent et intuitif d'analyser et de manipuler des images. En séparant la couleur (Teinte), l'intensité (Saturation) et la luminosité (Valeur), HSV simplifie les tâches telles que le filtrage, l'amélioration et la segmentation des couleurs. Alors que RVB est idéal pour les écrans, HSV ouvre des possibilités de traitement d'image créatif et analytique.

Quelle est votre astuce préférée avec le HSV ? Partagez vos réflexions ci-dessous et explorons ensemble ce monde vibrant de couleurs !

Cette version intègre un flux fluide, des explications détaillées et une mise en forme cohérente pour améliorer la lisibilité et la compréhension.

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!

Déclaration de ce site Web
Le contenu de cet article est volontairement contribué par les internautes et les droits d'auteur appartiennent à l'auteur original. Ce site n'assume aucune responsabilité légale correspondante. Si vous trouvez un contenu suspecté de plagiat ou de contrefaçon, veuillez contacter admin@php.cn

Outils d'IA chauds

Undresser.AI Undress

Undresser.AI Undress

Application basée sur l'IA pour créer des photos de nu réalistes

AI Clothes Remover

AI Clothes Remover

Outil d'IA en ligne pour supprimer les vêtements des photos.

Undress AI Tool

Undress AI Tool

Images de déshabillage gratuites

Clothoff.io

Clothoff.io

Dissolvant de vêtements AI

Video Face Swap

Video Face Swap

Échangez les visages dans n'importe quelle vidéo sans effort grâce à notre outil d'échange de visage AI entièrement gratuit !

Article chaud

<🎜>: Grow A Garden - Guide de mutation complet
3 Il y a quelques semaines By DDD
<🎜>: Bubble Gum Simulator Infinity - Comment obtenir et utiliser les clés royales
4 Il y a quelques semaines By 尊渡假赌尊渡假赌尊渡假赌
Nordhold: Système de fusion, expliqué
4 Il y a quelques semaines By 尊渡假赌尊渡假赌尊渡假赌
Mandragora: Whispers of the Witch Tree - Comment déverrouiller le grappin
3 Il y a quelques semaines By 尊渡假赌尊渡假赌尊渡假赌

Outils chauds

Bloc-notes++7.3.1

Bloc-notes++7.3.1

Éditeur de code facile à utiliser et gratuit

SublimeText3 version chinoise

SublimeText3 version chinoise

Version chinoise, très simple à utiliser

Envoyer Studio 13.0.1

Envoyer Studio 13.0.1

Puissant environnement de développement intégré PHP

Dreamweaver CS6

Dreamweaver CS6

Outils de développement Web visuel

SublimeText3 version Mac

SublimeText3 version Mac

Logiciel d'édition de code au niveau de Dieu (SublimeText3)

Sujets chauds

Tutoriel Java
1670
14
Tutoriel PHP
1276
29
Tutoriel C#
1256
24
Python vs C: courbes d'apprentissage et facilité d'utilisation Python vs C: courbes d'apprentissage et facilité d'utilisation Apr 19, 2025 am 12:20 AM

Python est plus facile à apprendre et à utiliser, tandis que C est plus puissant mais complexe. 1. La syntaxe Python est concise et adaptée aux débutants. Le typage dynamique et la gestion automatique de la mémoire le rendent facile à utiliser, mais peuvent entraîner des erreurs d'exécution. 2.C fournit des fonctionnalités de contrôle de bas niveau et avancées, adaptées aux applications haute performance, mais a un seuil d'apprentissage élevé et nécessite une gestion manuelle de la mémoire et de la sécurité.

Python et temps: tirer le meilleur parti de votre temps d'étude Python et temps: tirer le meilleur parti de votre temps d'étude Apr 14, 2025 am 12:02 AM

Pour maximiser l'efficacité de l'apprentissage de Python dans un temps limité, vous pouvez utiliser les modules DateTime, Time et Schedule de Python. 1. Le module DateTime est utilisé pour enregistrer et planifier le temps d'apprentissage. 2. Le module de temps aide à définir l'étude et le temps de repos. 3. Le module de planification organise automatiquement des tâches d'apprentissage hebdomadaires.

Python vs. C: Explorer les performances et l'efficacité Python vs. C: Explorer les performances et l'efficacité Apr 18, 2025 am 12:20 AM

Python est meilleur que C dans l'efficacité du développement, mais C est plus élevé dans les performances d'exécution. 1. La syntaxe concise de Python et les bibliothèques riches améliorent l'efficacité du développement. Les caractéristiques de type compilation et le contrôle du matériel de CC améliorent les performances d'exécution. Lorsque vous faites un choix, vous devez peser la vitesse de développement et l'efficacité de l'exécution en fonction des besoins du projet.

Python vs C: Comprendre les principales différences Python vs C: Comprendre les principales différences Apr 21, 2025 am 12:18 AM

Python et C ont chacun leurs propres avantages, et le choix doit être basé sur les exigences du projet. 1) Python convient au développement rapide et au traitement des données en raison de sa syntaxe concise et de son typage dynamique. 2) C convient à des performances élevées et à une programmation système en raison de son typage statique et de sa gestion de la mémoire manuelle.

Apprendre Python: 2 heures d'étude quotidienne est-elle suffisante? Apprendre Python: 2 heures d'étude quotidienne est-elle suffisante? Apr 18, 2025 am 12:22 AM

Est-ce suffisant pour apprendre Python pendant deux heures par jour? Cela dépend de vos objectifs et de vos méthodes d'apprentissage. 1) Élaborer un plan d'apprentissage clair, 2) Sélectionnez les ressources et méthodes d'apprentissage appropriées, 3) la pratique et l'examen et la consolidation de la pratique pratique et de l'examen et de la consolidation, et vous pouvez progressivement maîtriser les connaissances de base et les fonctions avancées de Python au cours de cette période.

Quelle partie fait partie de la bibliothèque standard Python: listes ou tableaux? Quelle partie fait partie de la bibliothèque standard Python: listes ou tableaux? Apr 27, 2025 am 12:03 AM

PythonlistSaReparmentofthestandardLibrary, tandis que les coloccules de colocède, tandis que les colocculations pour la base de la Parlementaire, des coloments de forage polyvalent, tandis que la fonctionnalité de la fonctionnalité nettement adressée.

Python: automatisation, script et gestion des tâches Python: automatisation, script et gestion des tâches Apr 16, 2025 am 12:14 AM

Python excelle dans l'automatisation, les scripts et la gestion des tâches. 1) Automatisation: La sauvegarde du fichier est réalisée via des bibliothèques standard telles que le système d'exploitation et la fermeture. 2) Écriture de script: utilisez la bibliothèque PSUTIL pour surveiller les ressources système. 3) Gestion des tâches: utilisez la bibliothèque de planification pour planifier les tâches. La facilité d'utilisation de Python et la prise en charge de la bibliothèque riche en font l'outil préféré dans ces domaines.

Python pour le développement Web: applications clés Python pour le développement Web: applications clés Apr 18, 2025 am 12:20 AM

Les applications clés de Python dans le développement Web incluent l'utilisation des cadres Django et Flask, le développement de l'API, l'analyse et la visualisation des données, l'apprentissage automatique et l'IA et l'optimisation des performances. 1. Framework Django et Flask: Django convient au développement rapide d'applications complexes, et Flask convient aux projets petits ou hautement personnalisés. 2. Développement de l'API: Utilisez Flask ou DjangorestFramework pour construire RestulAPI. 3. Analyse et visualisation des données: utilisez Python pour traiter les données et les afficher via l'interface Web. 4. Apprentissage automatique et AI: Python est utilisé pour créer des applications Web intelligentes. 5. Optimisation des performances: optimisée par la programmation, la mise en cache et le code asynchrones

See all articles