您现在的位置是:首页 >技术教程 >颜色空间转换RGB-YCbCr网站首页技术教程
颜色空间转换RGB-YCbCr
颜色空间
颜色空间(Color Space)是描述颜色的一种方式,它是一个由数学模型表示的三维空间,通常用于将数字表示的颜色转换成可见的颜色。颜色空间的不同取决于所选的坐标轴和原点,以及用于表示颜色的色彩模型。在计算机图形学和数字图像处理中,常用的颜色空间有RGB、CMYK、YUV、YCbCr、HSV等。
RGB、YUV、YCbCr、CMYK的区别
RGB、YUV、YCbCr是三种不同的颜色空间。
RGB颜色空间是将颜色分解为红、绿、蓝三原色,这是一种加色模型,常用于计算机图形学和显示设备上。在RGB颜色空间中,每个像素由红、绿、蓝三个通道组成。
YUV和YCbCr颜色空间是一种亮度-色度模型,主要用于视频信号的编码和传输。其中,Y表示亮度(Luma),U和V或Cb和Cr表示色度(Chroma)。
在YUV颜色空间中,亮度Y表示图像的亮度信息,色度U和V表示颜色信息。Y通道只包含亮度信息,U和V通道包含颜色信息。在YUV颜色空间中,对于一幅图像,只需要传输亮度信息Y,就可以保证图像的主要内容传输。色度信息U和V可以通过亮度信息Y来计算,从而实现压缩。
YCbCr颜色空间是YUV颜色空间的一种变体,常用于数字图像和视频处理中。YCbCr颜色空间中,Y通道和YUV颜色空间中的Y通道一样,表示亮度信息,Cb和Cr通道表示色度信息。与YUV不同的是,Cb和Cr通道都经过了一定程度的色度子采样,以减少图像数据的传输量和存储空间。
总之,RGB颜色空间用于计算机图形学和显示设备,YUV 主要用于电视广播和视频传输,而 YCbCr 主要用于数字图像和视频处理,包括压缩、编码、解码和显示等领域。
YCbCr与RGB的相互转换
RGB->YCbCr
RGB颜色空间转换成YCbCr颜色空间公式如下:
Y
=
0.299
R
+
0.587
G
+
0.114
B
C
b
=
−
0.1687
R
−
0.3313
G
+
0.5
B
C
r
=
0.5
R
−
0.4187
G
−
0.0813
B
Y=0.299R+0.587G+0.114B\ Cb=-0.1687R-0.3313G+0.5B\ Cr=0.5R-0.4187G-0.0813B
Y=0.299R+0.587G+0.114BCb=−0.1687R−0.3313G+0.5BCr=0.5R−0.4187G−0.0813B
YCbCr->RGB
R = Y + 1.402 C r G = Y − 0.344 C b − 0.714 C r B = Y + 1.772 C b R=Y+1.402Cr\ G=Y-0.344Cb-0.714Cr\ B=Y+1.772Cb R=Y+1.402CrG=Y−0.344Cb−0.714CrB=Y+1.772Cb
注释
Y通道代表亮度,其取值范围为0到255。而Cb和Cr通道代表色度,其取值范围为-128到127,在具体使用时通常需要加上128的偏移量,使其取值范围变为0到255,与Y通道一致。这样做的目的是方便数据传输和处理。所以有很多其他文章的RGB到YCbCr公式加了128,需要注意其中含义,不要混淆
测试代码
import matplotlib.pyplot as plt # plt 用于显示图片
import numpy as np
import cv2
import copy
# ITU-R BT.601
# https://en.wikipedia.org/wiki/YCbCr
# RGB -> YCbCr
def rgb2ycbcr(rgb):
m = np.array([[ 0.299, 0.587, 0.114],
[-0.1687, -0.3313, 0.5],
[ 0.5, -0.4187, -0.0813]])
shape = rgb.shape
if len(shape) == 3:
rgb = rgb.reshape((shape[0] * shape[1], 3))
ycbcr = np.dot(rgb, m.transpose())
return ycbcr.reshape(shape)
# ITU-R BT.601
# https://en.wikipedia.org/wiki/YCbCr
# YUV -> RGB
def ycbcr2rgb(ycbcr):
m = np.array([[ 1,0, 1.402],
[1, -0.344, -0.714],
[ 1, 1.772, 0]])
shape = ycbcr.shape
if len(shape) == 3:
ycbcr = ycbcr.reshape((shape[0] * shape[1], 3))
rgb = copy.deepcopy(ycbcr)
rgb = np.dot(ycbcr, m.transpose())
return rgb.reshape(shape)
def main():
#opencv的颜色通道顺序为[B,G,R],而matplotlib颜色通道顺序为[R,G,B],所以需要调换一下通道位置
img1 = cv2.imread('./yuv.jpg')[:,:,(2,1,0)] # 读取和代码处于同一目录下的 yuv.jpg
img2=rgb2ycbcr(img1)
#结果展示
plt.rcParams['font.sans-serif'] = ['SimHei'] # 中文乱码
plt.subplot(221)
#imshow()对图像进行处理,画出图像,show()进行图像显示
plt.imshow(img1)
plt.title('RGB原图')
#不显示坐标轴
plt.axis('off')
# print('原RGB图像')
# print(img1)
#子图2
plt.subplot(222)
img2=rgb2ycbcr(img1)
#Cb分量赋值为0
img2[:,:,1]=0
#Cr分量赋值为0
img2[:,:,2]=0
#重新转成rgb图像
img3=ycbcr2rgb(img2)
# print('RGB-YCbCr图像')
# print(img2)
img3=img3.astype(np.uint8)
plt.imshow(img3)
plt.title('Y通道')
plt.axis('off')
#子图3
plt.subplot(223)
# print('YCbCr-RGB图像')
# print(img3)
img2=rgb2ycbcr(img1)
#Y分量赋值为0
img2[:,:,0]=0
#Cr分量赋值为0
img2[:,:,2]=0
#重新转成rgb图像
img4=ycbcr2rgb(img2)
# print(img4)
img4=img4.astype(np.uint8)
# print(img3)
plt.imshow(img4)
plt.title('Cb通道')
plt.axis('off')
#子图4
plt.subplot(224)
img2=rgb2ycbcr(img1)
#Y分量赋值为0
img2[:,:,0]=0
#Cb分量赋值为0
img2[:,:,1]=0
#重新转成rgb图像
img5=ycbcr2rgb(img2)
img5=img5.astype(np.uint8)
plt.imshow(img5)
plt.title('Cr通道')
plt.axis('off')
# #设置子图默认的间距
plt.tight_layout()
#显示图像
plt.show()
if __name__ =='__main__':
main()
运行结果
原图片
转换结果