[CVHSV 대 RGB: 이미지 처리를 위한 HSV 이해 및 활용-파이썬 튜토리얼-php.cn

이전 게시물에서는 밝기와 대비를 플로팅하고 조정하는 등 OpenCV에서 RGB 이미지 작업에 대한 기본 사항을 살펴보았습니다. RGB 색상 공간은 컴퓨터 디스플레이에 이상적이지만 화면에서 방출되는 빛의 강도로 색상을 나타내기 때문에 인간이 자연계에서 색상을 인식하는 방식과 일치하지 않습니다. 여기에 HSV(Hue, Saturation, Value)가 개입합니다. 이는 인간의 인식에 더 가까운 방식으로 색상을 표현하도록 설계된 색 공간입니다.
이 게시물에서는 HSV에 대해 자세히 알아보고, 해당 구성 요소를 이해하고, 애플리케이션을 살펴보고, 이미지를 향상하는 몇 가지 멋진 방법을 배웁니다.

HSV란 무엇입니까?

HSV는 Hue(색조), Saturation(채도), Value(명도)를 나타냅니다.

색조(H): 빨간색, 녹색, 파란색 등의 색상 유형을 나타냅니다. 전통적으로 원형 스펙트럼(0°~360°)에서 각도로 측정되지만 OpenCV에서는 색조가 0으로 조정됩니다. –179는 8비트 정수에 맞습니다. 매핑은 다음과 같습니다.

0(또는 그 근처)은 여전히 빨간색을 나타냅니다.

60~89는 녹색에 해당합니다.

120~149는 파란색에 해당합니다.

140~179는 다시 빨간색으로 돌아가 원형 스펙트럼을 완성합니다.

채도(S): 색상의 강도 또는 순도를 정의합니다. 완전히 채도가 높은 색상은 회색이 포함되지 않고 생동감이 넘치며, 채도가 낮은 색상은 더 바랜 것처럼 보입니다.
값(V): 흔히 밝기라고도 하며, 밝기 또는 어두움을 측정합니다. 이러한 구성 요소를 분리함으로써 HSV를 사용하면 특히 색상 감지 또는 향상과 같은 작업에서 이미지를 더 쉽게 분석하고 조작할 수 있습니다. 색깔.

이를 더 잘 이해하기 위해 플롯 블로우는 색 공간의 값을 잘 표현합니다.

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

OpenCV에서 이미지를 HSV로 변환

OpenCV에서 이미지를 HSV로 변환하는 것은 cv2.cvtColor() 함수를 사용하면 간단합니다. 살펴보겠습니다:

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()

로그인 후 복사

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

첫눈에 HSV 플롯은 이상하게 보일 수 있습니다. 거의 외계인과 비슷합니다. 이는 HSV의 구성 요소(특히 Hue)가 RGB 값에 직접 매핑되지 않은 경우에도 컴퓨터가 HSV를 RGB 이미지로 표현하려고 하기 때문입니다. 예:

색조(H): 각도로 표시되며 OpenCV에서 0~179 범위입니다(RGB 채널처럼 0~255가 아님). 이로 인해 RGB 기반 플롯에서 색조 채널이 주로 파란색으로 나타납니다.

다음 예에서는 프로필 이미지를 사용하지 않고 Flux ai 이미지 생성 모델로 생성된 더 어두운 이미지를 사용합니다. 프로필 이미지보다 더 나은 HSV 사용자 사례를 제공하므로 그 효과를 더 잘 볼 수 있습니다

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

히스토그램을 통한 HSV 이해

RGB와 HSV의 차이점을 더 잘 이해하기 위해 각 채널에 대한 히스토그램을 그려보겠습니다. 코드는 다음과 같습니다.

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()

로그인 후 복사

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

히스토그램을 보면 HSV 채널이 RGB와 어떻게 다른지 확인할 수 있습니다. 0에서 179 사이의 값을 가지며 고유한 색상 영역을 나타내는 HSV의 색조 채널을 확인하고 채도와 값은 강도와 밝기를 처리합니다.

색조, 채도 및 가치 시각화

이제 각 채널이 무엇을 나타내는지 더 잘 이해하기 위해 HSV 이미지를 개별 구성요소로 나누어 보겠습니다.

# 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()

로그인 후 복사

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

색조: 선명한 색상 구별을 표시하여 이미지의 주요 색상을 강조합니다.
채도: 밝은 영역은 생생한 색상을 나타내고, 어두운 영역은 차분하고 회색빛이 도는 톤을 나타냅니다.
값: 밝기 분포를 강조하여 조명이 밝은 영역을 더 밝게 표시합니다.

HSV를 이용한 트릭

1. 밝기 향상(값 균등화)

조명이 고르지 않은 이미지의 경우 값 채널을 균등화하면 밝은 영역에 "발광" 효과를 주고 어두운 영역을 더 잘 보이게 할 수 있습니다.

# 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()

로그인 후 복사

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

2. 색상 향상(채도 균등화)

채도 채널을 높이면 이미지의 색상이 더욱 뚜렷하고 생생해집니다.

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()

로그인 후 복사

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

3. 색상 필터링(빨간색 분리)

Hue 채널을 사용하면 특정 색상을 분리할 수 있습니다. 예를 들어 빨간색 톤을 추출하려면 다음을 수행하세요.

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()

로그인 후 복사

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

이 기술은 객체 감지, 색상 분할 또는 예술적 효과와 같은 작업에 매우 유용합니다.

결론

HSV 색상 공간은 이미지를 분석하고 조작하는 다양하고 직관적인 방법을 제공합니다. HSV는 색상(색조), 강도(채도) 및 밝기(값)를 분리하여 색상 필터링, 향상, 분할과 같은 작업을 단순화합니다. RGB는 디스플레이에 이상적이지만 HSV는 창의적이고 분석적인 이미지 처리의 가능성을 열어줍니다.

HSV에서 가장 좋아하는 트릭은 무엇인가요? 아래에서 여러분의 생각을 공유하고 이 생동감 넘치는 색상의 세계를 함께 탐험해 보세요!

이 버전은 가독성과 이해도를 높이기 위해 원활한 흐름, 자세한 설명, 일관된 서식을 적용했습니다.

위 내용은 [CVHSV 대 RGB: 이미지 처리를 위한 HSV 이해 및 활용의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!