這篇文章主要介紹了python實(shí)現(xiàn)RGB與YCBCR顏色空間轉(zhuǎn)換，RGB與YCbCr顏色空間概念的與變換關(guān)系，包括內(nèi)容灰度值和亮度的關(guān)系、RGB顏色空間與顏色控制、YCbCr顏色空間及與RGB的變換關(guān)系，需要的小伙伴可以參考一下

前言:

人類如何感知或者理解顏色是個(gè)非常復(fù)雜的問題，本文不討論如何從生物學(xué)或者心理學(xué)角度來分析顏色，而是分析“數(shù)值大小如何影響顏色”。文中主要介紹了RGB與YCbCr顏色空間概念的與變換關(guān)系。

1、灰度值和亮度的關(guān)系

人類能夠從灰度圖像中獲取理解場景需要的大部分信息，所以看黑白電視機(jī)并不會嚴(yán)重影響人對視頻中場景的理解。圖像的亮度和像素值成正比，如果需要增加圖像的亮度，比如從黑色逐漸過渡到白色，就可以對單通道的灰度圖像素值進(jìn)行增加來實(shí)現(xiàn)。保存灰度圖像的每個(gè)像素值一般采用8個(gè)bit，像素值的范圍為0-255。

下面的例子展示了灰度圖像的像素值增加時(shí)亮度的變化過程，假設(shè)圖像初始像素值為0：

上面顯示了lena圖像像素值增加時(shí)膚色的變化。代碼的實(shí)現(xiàn)比較簡單，讀取圖片，然后不斷的對圖像的每個(gè)像素值增加偏移量：

import numpy as np
import matplotlib.pyplot as plt
import imageio
image = imageio.imread("lena.jpg")
# 設(shè)置每次循環(huán)像素的增加量
shift = 6*np.ones(shape=(64, 64))
plt.figure()

for i in range(1, 17):
? ? plt.subplot(4, 4, i)
? ? plt.imshow(image/255, cmap="gray", vmin=0, vmax=1)
? ? plt.axis("off")
? ? image = image + shift

2、RGB顏色空間與顏色控制

RGB模型在硬件設(shè)備中被廣泛的使用，通過R（紅色）、G（綠色）、B（藍(lán)色）三者進(jìn)行疊加可以形成更多的顏色。RGB顏色空間和后面將要進(jìn)行介紹的YCbCr顏色空間和HSV顏色空間存在線性的變換關(guān)系，所以只要擁有RGB圖像就能得到其它顏色空間的圖像。

一幅圖像中R、G、B分別作為三個(gè)通道，如果某兩個(gè)通道的值為0，圖像的顏色就會被不為零的那個(gè)通道控制。

比如：

實(shí)現(xiàn)上面的效果需要三個(gè)步驟：

（1）創(chuàng)建一幅3通道的空圖像
（2）給3通道空圖像的R通道添加一幅單通道圖像
（3）給3通道圖像的R通道像素值不斷增加偏移量

# 1：創(chuàng)建一幅3通道的空圖像
= np.zeros(shape=(64, 64, 3))
r = imageio.imread("lena.jpg")/2
# 2：給3通道空圖像的R通道添加一幅單通道圖像
image[:, :, 0] = image[:, :, 0] + r
shift = 4*np.ones(shape=(64, 64))
plt.figure()

for i in range(1, 17):
? ? plt.subplot(4, 4, i)
? ? plt.imshow(image/255, vmin=0, vmax=1)
? ? plt.axis("off")
? ? # （3）給3通道圖像的R通道像素值不斷增加偏移量
? ? image[:, :, 0] = image[:, :, 0] + shift

但是，由于最終圖像呈現(xiàn)出的顏色是三R\G\B三者的疊加，而現(xiàn)實(shí)中不僅僅是其中之一的顏色，所以很難控制最終圖像的顏色，所以我們需要其它的顏色空間。

3、YCbCr顏色空間及與RGB的變換關(guān)系

YCbCr顏色空間中的Y是亮度通道，Cb是藍(lán)色分量，Cr是紅色分量。它在電視系統(tǒng)中比較常用，比如早期的黑白電視機(jī)使用彩色電視信號線，就可以單獨(dú)使用亮度值；這種功能RGB顏色空間就做不到，因?yàn)槲覀儾荒軆H僅使用RGB中某個(gè)通道作為亮度信號來使用。

由于YCbCr經(jīng)常和YUV顏色空間比較相似，所以二者容易被認(rèn)為是從屬或者等價(jià)關(guān)系，按照維基百科的說法：YUV 是模擬信號，而YCbCr是數(shù)字信號。

YCbCr和RGB存在線性的變換關(guān)系，本文介紹的變換矩陣來自ITU.BT-601，所規(guī)定的變換矩陣Trans形式如下：

實(shí)現(xiàn)rgb2ycbcr（）函數(shù)只需要兩個(gè)步驟：（1）創(chuàng)建變換矩陣Trans；（2）遍歷圖像每個(gè)像素點(diǎn)，并對三個(gè)通道分別進(jìn)行矩陣計(jì)算。

下面的代碼展示了如何實(shí)現(xiàn)從RGB空間到Y(jié)CBCR變換：

def rgb2ycbcr(rgb_image):
? ? """convert rgb into ycbcr"""
? ? if len(rgb_image.shape)!=3 or rgb_image.shape[2]!=3:
? ? ? ? raise ValueError("input image is not a rgb image")
? ? rgb_image = rgb_image.astype(np.float32)
? ? # 1：創(chuàng)建變換矩陣，和偏移量
? ? transform_matrix = np.array([[0.257, 0.564, 0.098],
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?[-0.148, -0.291, 0.439],
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?[0.439, -0.368, -0.071]])
? ? shift_matrix = np.array([16, 128, 128])
? ? ycbcr_image = np.zeros(shape=rgb_image.shape)
? ? w, h, _ = rgb_image.shape
? ? # 2：遍歷每個(gè)像素點(diǎn)的三個(gè)通道進(jìn)行變換
? ? for i in range(w):
? ? ? ? for j in range(h):
? ? ? ? ? ? ycbcr_image[i, j, :] = np.dot(transform_matrix, rgb_image[i, j, :]) + shift_matrix ? ? ??
? ? return ycbcr_image

如果想要求逆變換，只需要根據(jù)矩陣求逆法則進(jìn)行就可以了，需要注意的是：逆變換時(shí)偏移矩陣也需要左乘變換矩陣Trans的逆！逆變換只需要將rgb2ycbcr中的transform_matrix求逆即可，再次強(qiáng)調(diào)：shift_matrix也需要乘以transform_matrix的逆，而不是直接減去shift_matrix！

def ycbcr2rgb(ycbcr_image):
? ? """convert ycbcr into rgb"""
? ? if len(ycbcr_image.shape)!=3 or ycbcr_image.shape[2]!=3:
? ? ? ? raise ValueError("input image is not a rgb image")
? ? ycbcr_image = ycbcr_image.astype(np.float32)
? ? transform_matrix = np.array([[0.257, 0.564, 0.098],
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?[-0.148, -0.291, 0.439],
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?[0.439, -0.368, -0.071]])
? ? transform_matrix_inv = np.linalg.inv(transform_matrix)
? ? shift_matrix = np.array([16, 128, 128])
? ? rgb_image = np.zeros(shape=ycbcr_image.shape)
? ? w, h, _ = ycbcr_image.shape
? ? for i in range(w):
? ? ? ? for j in range(h):
? ? ? ? ? ? rgb_image[i, j, :] = np.dot(transform_matrix_inv, ycbcr_image[i, j, :]) - np.dot(transform_matrix_inv, shift_matrix)
? ? return rgb_image.astype(np.uint8)

所需要的包以及繪圖代碼如下，繪圖用到的就是上面定義的兩個(gè)函數(shù)。首先將rgb轉(zhuǎn)為ycbcr，在從ycbcr轉(zhuǎn)為rgb：

import numpy as np
import imageio
import matplotlib.pyplot as plt
rgb_image = imageio.imread("lena.jpg")
ycbcr_image = rgb2ycbcr(rgb_image)
cycle_image = ycbcr2rgb(ycbcr_image)
images = [rgb_image, ycbcr_image, cycle_image]
titles = ["orignal", "ycbcr", "cycle"]
for i in range(1, len(images)+1):
? ? plt.subplot(1, 3, i)
? ? plt.title(titles[i-1])
? ? plt.imshow(images[i-1]/255)

下圖中左邊是原始的rgb圖像，中間是轉(zhuǎn)換得到的ycbcr空間圖像，右邊是再次轉(zhuǎn)回rgb空間的圖像：

最后，對比了opencv提供的標(biāo)準(zhǔn)庫的轉(zhuǎn)換效果：

import cv2
rgb_image = imageio.imread("lena.jpg")
ycrcb_image = cv2.cvtColor(rgb_image, cv2.COLOR_RGB2YCR_CB)
cycle_image = cv2.cvtColor(ycbcr_image, cv2.COLOR_YCR_CB2RGB)
images = [rgb_image, ycrcb_image, cycle_image]
titles = ["orignal", "ycrcb", "cycle"]
for i in range(1, len(images)+1):
? ? plt.subplot(1, 3, i)
? ? plt.title(titles[i-1])
? ? plt.imshow(images[i-1]/255)

opencv得到的結(jié)果如下：