本文轉自 AI 公園。
編譯：ronghuaiyang
導讀
對影象的顏色空間做了一個概念性的介紹，並透過程式碼的方式可視化了每種顏色空間的每個通道所表示的意義。
文章內容包括：
什麼是顏色空間？顏色空間有哪些類別？如何在OpenCV中實現？什麼是顏色空間？顏色是一種連續的現象，它意味著有無數種顏色。但是，人類的眼睛和感知能力是有限的。所以，為了識別這些顏色，我們需要一種媒介或這些顏色的表示，這種顏色的表示被稱為色彩空間。在技術術語中，一個顏色模型或顏色空間是一個特定的3-D座標系統以及該系統中的一個子空間，其中每一種顏色都由一個單點表示。
有哪些顏色空間的型別？目前主要有五種型別的顏色模型。但是，我將只寫一些常見的(RGB、HSV和HSL)。
RGB(Red Green Blue)HSL(Hue Saturation Lightness)HSV(Hue Saturation Value)YUV(Luminance, blue–luminance, red–luminance)CMYK(Cyan, Magenta, Yellow, Key)RGB顏色空間：RGB顏色空間是三維座標系中紅、綠、藍座標所表示的著名顏色空間之一。在更專業的術語中，RGB將顏色描述為由三個部分組成的元組。每個部分都可以取0到255之間的值，其中元組(0,0,0)表示黑色，元組(255,255,255)表示白色。元組的第0、第1和第2個部分分別表示紅、綠、藍的分量。
RGB顏色空間的Python實現：這裡我們匯入了必要的庫，cv2用於顏色空間轉換，NumPy用於陣列操作，Matplotlib用於顯示影象，os用於訪問影象目錄，tqdm用於顯示載入欄。
hsl_img = cv2.cvtColor(X[0],cv2.COLOR_BGR2HLS) #### CONVERTING BGR COLOR SPACE INTO HSL COLOR SPACE ####hsl_img_1 = hsl_img.copy()hsl_img_2 = hsl_img.copy()hsl_img_3 = hsl_img.copy()hsl_img_1[:,:,1] = 0 #### HUE --> ZERO ####hsl_img_1[:,:,2] = 0hsl_img_2[:,:,0] = 0 #### SATURATION --> ZERO ####hsl_img_2[:,:,2] = 0hsl_img_3[:,:,0] = 0 #### LIGHTNESS --> ZERO ####hsl_img_3[:,:,1] = 0設定兩個空列表Z和X，分別用於儲存帶有各自影象的標籤，然後指定影象大小和路徑目錄。在這之後，我定義了兩個函式，用於返回flower型別(assign_lable)和訪問每個影象、讀取和調整其大小(make_train_data)。
Z,X=[],[]IMG_SIZE=150FLOWER_SUNFLOWER_DIR='../input/flowers-recognition/flowers/flowers/sunflower'def assign_label(img,flower_type): return flower_typedef make_train_data(flower_type,DIR): for img in tqdm(os.listdir(DIR)): label=assign_label(img,flower_type) path = os.path.join(DIR,img) img = cv2.imread(path,cv2.IMREAD_COLOR) img = cv2.resize(img, (IMG_SIZE,IMG_SIZE))#Resizing the image載入影象，然後在OpenCV以BGR格式讀取影象時將BGR顏色空間轉換為RGB顏色空間，但Maplotlib使用RGB格式來顯示影象。這就是為什麼我們需要轉換顏色空間後，讀取影象為RGB。
然後對固定影象進行三份複製，並將每份複製的任何雙色通道設為零，分別用於訪問紅、綠、藍通道。如果你讓第0個顏色通道都是0那麼你只會得到藍色通道。
make_train_data('Sunflower',FLOWER_SUNFLOWER_DIR) #####Loading Sunflower Datafix_img = cv2.cvtColor(X[0],cv2.COLOR_BGR2RGB) ###########CONVERTING BGR COLOR SPACE INTO RGB COLOR SPACE #########new_img_1 = fix_img.copy() new_img_2 = fix_img.copy()new_img_3 = fix_img.copy()new_img_1[:,:,0] = 0 # making R channel zero ####For BLUE channel#####new_img_1[:,:,1] = 0 #making G channel zeronew_img_2[:,:,1] = 0####For RED color Channel####new_img_2[:,:,2] = 0new_img_3[:,:,0] = 0###For GREEN Channel####new_img_3[:,:,2] = 0顯示影象：
f, axes = plt.subplots(1,3, figsize = (15,15))list = [new_img_1,new_img_2,new_img_3]i = 0for ax in axes: ax.imshow(list[i]) i+=1HSL的一般含義是色調、飽和度和明度。你可以將HSL以圓柱體的形式視覺化，如圖2(a)所示。圍繞圓柱體的是不同的顏色，比如綠色、黃色、紅色等等(我們真正想要的顏色)。飽和度是指顏色的多少，而明度是指顏色有多暗或多亮。正如你所看到的，圓柱體的頂部全是白色，底部全是黑色。
圖2：HSL顏色空間
HSL顏色空間的Python實現：使用OpenCV函式**cvtColor()**將BGR顏色空間轉換為HSL顏色空間，在這裡我們需要傳遞影象，以及從哪個顏色空間到哪個顏色空間我們想要改變影象。然後再複製並使兩個顏色通道為零，以便分別顯示每個顏色通道。
hsl_img = cv2.cvtColor(X[0],cv2.COLOR_BGR2HLS) #### CONVERTING BGR COLOR SPACE INTO HSL COLOR SPACE ####hsl_img_1 = hsl_img.copy()hsl_img_2 = hsl_img.copy()hsl_img_3 = hsl_img.copy()hsl_img_1[:,:,1] = 0 #### HUE --> ZERO ####hsl_img_1[:,:,2] = 0hsl_img_2[:,:,0] = 0 #### SATURATION --> ZERO ####hsl_img_2[:,:,2] = 0hsl_img_3[:,:,0] = 0 #### LIGHTNESS --> ZERO ####hsl_img_3[:,:,1] = 0現在顯示三個不同的顏色通道→
f, axes = plt.subplots(1,3, figsize = (15,15))list = [hsl_img_1,hsl_img_2,hsl_img_3]i = 0for ax in axes: ax.imshow(list[i]) i+=1HSV這個名字來自於顏色模型的三個座標，即色相、飽和度和值。它也是一個圓柱形的顏色模型，圓柱體的半徑表示飽和度，垂直軸表示值，角度表示色調。對於觀察者，色調是占主導地位的，飽和度是混合到色調中的白光的數量，value是chrome的強度，value較低顏色變得更加類似於黑色，value越高，顏色變得更加像顏色本身。透過改變這些引數，我們可以生成不同的顏色。
圖3：HSV顏色空間
HSV顏色空間的Python實現：使用cvtColor()函式將色彩空間轉換為HSV色彩空間。然後再複製並使兩個通道置為零，以便分別顯示每個通道。
hsv_img = cv2.cvtColor(X[0],cv2.COLOR_BGR2HSV)hsv_img_1 = hsv_img.copy()hsv_img_2 = hsv_img.copy()hsv_img_3 = hsv_img.copy()hsv_img_1[:,:,1] = 0#HUE --> ZEROhsv_img_1[:,:,2] = 0hsv_img_2[:,:,0] = 0#SATURATION --> ZEROhsv_img_2[:,:,2] = 0hsv_img_3[:,:,0] = 0#VALUE --> ZEROhsv_img_3[:,:,1] = 0單獨顯示每個顏色通道：
英文原文：https://medium.com/analytics-vidhya/image-processing-series-part1-colorspaces-836d2e3ca700