YIQ颜色空间_简述RGB颜色

大家好，又见面了，我是你们的朋友全栈君。如果您正在找激活码,请点击查看最新教程,关注关注公众号 “全栈程序员社区” 获取激活教程,可能之前旧版本教程已经失效.最新Idea2022.1教程亲测有效,一键激活。

Jetbrains全家桶1年46，售后保障稳定

首先，我们先来了解下有关颜色的基本概念

一、色彩的基本概念

1、彩色的三要素
亮度：即人眼对光的明亮程度的感受。
色调：人眼能看到的颜色种类，与光的波长有关
饱和度：颜色深浅程度。与各种颜色混入白光的比例有关。
以上 色调 + 饱和度 = 色度

2、三基色原理
三基色可以通过适当比例的混合组成自然界中任何一种颜色

由于人眼对于红绿蓝三种色光最为敏感，并且由这三种颜色能组成的颜色范围最广，故一般选用RGB作为三基色

但是，三基色并不是唯一的，只要满足任何一种颜色都不能由其他两种颜色合成即可组成三基色。例如，我们还可以用黄色，品红，青色组成三基色。

3、亮度的组成

4、常用的四种颜色空间

A、RGB颜色空间
RGB彩色空间利用相加混合法将三个彩色分量按照不同的比例叠加，最终就可以在屏幕中显现出各种颜色。
任意的彩色光F都有一个配色的公式：F = r[R]+g[G]+b[B]
式中r，g，b为系数，r+g+b=1。故，知其二便可唯一确定色调。
B、YUV颜色空间
研究表面，人眼对于亮度的敏感度远大于对于颜色细节的敏感度，因此，才彩色电视机系统中不采用RGB颜色空间，一般为以下的空间：

而采用YUV颜色空间的好处有：

a、解决了彩色电视机和黑白电视机的兼容问题（因为黑白电视机只需要提取信号中的Y信号即可显示出来）

b、可以节省传输带宽
一般情况下，数字化后的
Y：U：V = 8：4：4或者Y：U：V = 8：2：2，即亮度信号Y需要8比特表示，UV需要4个或者2个比特表示，我们知道，RGB颜色空间下，需要24比特来表示一个颜色，而利用YUV则仅需要16比特或者12比特，达到压缩的目的。

在PAL制下，白光亮度Y和红绿蓝三色光的关系可以用以下公式表示：
Y = 0.222R + 0.707G + 0.071B
在NTSC制下，Y=0.299R+0.587G+0.114B

色差U，即蓝基色分量与亮度的差值信号，可以用以下公式表示：
U = k1（B – Y)
色差V，即红基色分量与亮度的差值信号，可以用以下公式表示：
V = k2（R – Y）
通常，k1 = 0.493，k2 = 0.877

YUV颜色空间与RGB颜色空间的转换

C、YIQ颜色空间

如上图所示，YIQ颜色空间被NTSC制的彩色电视机使用。
其中Y还是亮度信号，用?公式表示：
Y = 0.299R + 0.587G + 0.114B

I代表人眼敏感的色彩色差信号，用?公式表示：
I = 0.596R – 0.275G – 0.321B’

Q代表人眼不敏感的色差信号，用?公式表示：
Q = 0.212R – 0.523G + 0.311B

D、HSI颜色空间（HSI）
色调H，饱和度为S，光强为V

上图为博客：https://www.cnblogs.com/faith0217/articles/4264652.html
中的内容

二、编程实现提取图像中一点的RGB颜色值，并实现RGB转换为YUV，YIQ，HIS。

以下程序利用python实现

import math
import numpy as np
from PIL import Image

imgpath = 'C:/Users/11037/Desktop/7.jpg'  #图片路径

m_yuv = np.mat([[0.299,0.587,0.114],[-0.299,-0.587,0.886],[0.701,-0.587,-0.114]])
m_yiq = np.mat([[0.299,0.587,0.114],[0.596,-0.274,-0.322],[0.211,-0.524,0.312]])

def rgb2yuv(need_rgb):
	ans = list([int(i) for i in m_yuv*need_rgb])
	return ans

def yuv2rgb(need_yuv):
	m = m_yuv.I
	ans = list([int(i) for i in m*need_yuv])
	return ans

def rgb2yiq(need_rgb):
	ans = list([int(i) for i in m_yiq*need_rgb])
	return ans

def yiq2rgb(need_yiq):
	m = m_yiq.I
	ans = list([int(i) for i in m*need_yiq])
	return ans

'''
def rgb2hsi(need_rgb:np.mat): 
	rgb = list(need_rgb)
	r,g,b = int(rgb[0]),int(rgb[1]),int(rgb[2])
	theta = math.acos((((r-g)+(r-b))/2)/math.sqrt((r-g)**2+(r-b)*(g-b)))
	print('theta',theta)
	if b<=g:
		h = theta
	else:
		h = 360-theta
	s = 1-3*min(r,g,b)/(r+g+b)
	i = (r+g+b)/3
	return (h,s,i)
'''

img = Image.open(imgpath)
img = np.array(img)
print(img.shape)
x = int(input('请输入x:'))
y = int(input('请输入y:'))

testrgb = np.mat(img[x,y]).T
rgb2 = rgb2yuv(testrgb)
print('需要转换的rgb为:\n',testrgb)
print('rgb转yuv：',rgb2)
print('yuv转rgb:',yuv2rgb(np.mat(rgb2).T))

Jetbrains全家桶1年46，售后保障稳定

三、利用OpenCV转换RGB为HSV，YUV

1、代码

import math
import numpy as np
import cv2 as cv
import matplotlib.pyplot as plt

imgpath = '' #图片路径

img = cv.imread(imgpath)

imggray = cv.cvtColor(img,cv.COLOR_BGR2GRAY)
imghsv = cv.cvtColor(img,cv.COLOR_BGR2HSV)
imgyuv = cv.cvtColor(img,cv.COLOR_BGR2YUV)

plt.subplot(221),plt.imshow(img),plt.title('img')
plt.subplot(222),plt.imshow(imggray),plt.title('imggray')
plt.subplot(223),plt.imshow(imghsv),plt.title('imghsv')
plt.subplot(224),plt.imshow(imgyuv),plt.title('imgyuv')

plt.show()

效果：