〇 引子
图像有多种色彩模型，如灰度图、RGB、HSV、YCbCr等等。这些图片文件在计算机中以不同的格式存在，如JPEG、png。图像的原始存储格式限定了读取到内存后的存在形式，在图像处理、计算机视觉中通常需要处理特定格式的图像，这就需要经常转换图像格式。
如对于彩色图像的直方图均衡需要图像的luma层，但大多图像为JPEG格式，只有R、G、B三个通道，在进行直方图均衡化之前需要转换为YCrCb格式。下图对比了对彩色图像R、G、B三个通道单独直方图均衡化（上）和对luma层直方图均衡化（下）的效果。
本文第一节将简单介绍常见的图像色彩空间，第二节介绍OpenCV文件读取、色彩模型转换，最后是直方图均衡化的应用case。
一 色彩模型
色彩模型、色彩空间和色彩系统是三个不同的概念。这三个概念往往会同时出现，经常彼此代替，理解其中的区别更利于以后的工作。
归根到底，色彩是人（动物）对光的感受，眼睛作为传感器接收外界的光波，传递给大脑，大脑反映出具体的色彩感受。所以对色彩的研究至少包括以下三个方面：
- 真实世界的光波（波长、强度）
- 眼睛（晶状体、视网膜、视神经细胞等）
- 大脑（感觉）
灰度图
单通道图像。每个像素由一个8bit整数表示灰阶，像素值范围是[0, 255]。 0表示黑色， 255表示白色，中间值表示过渡。
RGB
每个图像由R（red）、G（green）、B（blue）三个通道组成，一个像素点的像素值用一个三维向量表示[r, g, b]。向量中的每个分量表示在对应通道上的颜色值，也是8bit整数，范围是[0,255]。web前端和手机app开发的同学应该对这种色彩空间不会陌生。
HSV
H （Hue）是色调、色相。S（Saturation）是饱和度，V（Value）表示黑暗或明亮的程度。H色相是HSV中最重要的特征，简单讲，H决定了红、橙、黄、绿的特征。S饱和度又称为彩度、色彩浓度（chroma），从色彩最大到无色彩（黑/白/灰）的程度。
Y'CbCr
严格来说，这不是一种色彩模型，而是一种luma+chroma的编码方案。Y'CbCr和YCbCr的概念也有一段历史。Y是颜色空间内的luminance 流明、亮度分量，Y'表示luma 亮度分量，这两个概念有差别。大部分时候，我们实际中用到的都是luma，所以很多库和程序中都按luma分量计算，不区分lumiance和luma。如果你对Y luminance和Y' luma的内容感兴趣，请阅读Understanding Luminance and Chrominance。Cb和Cr分别是蓝色和红色的色彩偏移量。由于人眼对Y分量最敏感，因此基于JPEG格式的压缩技术通常压缩非Y分量。
这里只是略微讲了一下色彩模型和理论，强烈推荐UI 设计知识库 [01] 色彩 · 理论加强学习。
二 OpenCV
图像文件读取
import cv2
image = cv2.imread('./path/to/image', flag)
以flag的方式读取image文件。flag包括以下几种常见值：
-
cv2.IMREAD_COLOR， 1， 默认值，返回BGR图像，会丢弃图像的透明通道。 -
cv2.IMREAD_GRAY，0， 灰度图。 -
cv2.IMREAD_UNCHANGED，-1，保持图像的透明通道。
在默认cv2.IMREAD_COLOR方式下，返回的图像是BGR图像，注意区分OpenCV返回的不是RGB图像，通道顺序相反。即使是灰度图，也会返回BRG格式。在施加变换的时候就要特别注意通道顺序。
BGR图像的三个通道像素值大多采用[0, 255]的范围，但也有在[0, 65535]或者[0, 1]。值域范围对线性变化没有任何影响，但是如果对图像进行非线性变换就要特别注意，例如BGR图像到LUV图像的变换。
彩色空间转化
OpenCV中转化图像格式使用cvtColor(img, flag)，下面的代码演示了转换BGR图像到HSV图像的过程。
import cv2
img_bgr = cv2.imread('lena.jpg') # 默认BGR
# convert BGR image to HSV image
img_hsv = cv2.cvtColor(img_bgr, cv2.COLOR_BGR2HSV)
方法很简单，重点是你要清醒地知道你需要什么样的图像格式才能完成转化。OpenCV中提供了数百种图像彩色空间的转换方法，也就是flag有数百种选择，下面代码会输出所有支持的参数：
import cv2
flags = [ flag for flag in dir(cv2) if flag.startswith('COLOR_') ]
for flag in flags:
print('flag: cv2.{0}, value = {1}'.format(flag, eval('cv2.'+flag)))
执行上面代码会输出258种参数（OpenCV 3.1.0），部分截图如下：
是不是被这么多的方法吓到了？如果直接输出上面参数的值，你会发现一些参数是相等的，例如cv2.COLOR_BGR2YCR_CB和cv2.COLOR_BGR2CrCb都是36，因为这两种方法是一样的，这样的设计应该只是为了输入方便而已【微笑】。
具体的转换公式需要更多专业的图像处理知识，OpenCV说明文档给出了一些简单的说明可供参考。
BGR和YCrCb色彩空间转换
OpenCV中BGR和YCrCb的色彩空间转换公式:
公式中的delta值：
维基百科中JPEG转化公式:
可以看出OpenCV中的Y即维基百科中的Y'。
下面的代码片段演示了如何分理彩色图像的Y通道：
import cv2
img_bgr = cv2.imread('./deer.jpg', cv2.IMREAD_COLOR)
img_ycrcb = cv2.cvtColor(img_bgr, cv2.COLOR_BGR2YCrCb)
y, cr, cb = cv2.split(img_ycrcb)
cv2.imwrite('./deer_y.jpg')
cv2.imshow('y', y)
cv2.waitKey()
cv2.destroyAllWindows()
三 彩色图像直方图均衡化
对彩色图像的直方图均衡化步骤如下：
- 读取彩色图像，得到BGR格式的图像矩阵
- 转化色彩空间，BGR 到 YCrCb
- 分离(split)YCrCb图像中的Y分量，直方图均衡化
- 合并(merge)Y分量和Cr、Cb分量，得到直方图均衡化后的YCrCb格式的图像矩阵
- 转化YCrCb格式到BGR格式并保存
import cv2
img = cv2.imread('./deer.jpg', cv2.IMREAD_COLOR)
# 单独对B、G、R三个通道进行直方图均衡化
b, g, r = cv2.split(img)
b_eqhist = cv2.equalizeHist(b)
g_eqhist = cv2.equalizeHist(g)
r_eqhist = cv2.equalizeHist(r)
img_eqhist_bgr = cv2.merge([b_eqhist, g_eqhist, r_eqhist])
cv2.imwrite('deer_eq_bgr.jpg', img_eqhist_bgr)
# 转换到YCrCb色彩空间，对Y分量进行直方图均衡化
img_ycrcb = cv2.cvtColor(img, cv2.COLOR_BGR2YCrCb)
y, cr, cb = cv2.split(img_ycrcb)
y = cv2.equalizeHist(y)
img_ycrcb = cv2.merge([y, cr, cb])
img = cv2.cvtColor(img_ycrcb, cv2.COLOR_YCrCb2BGR)
cv2.imwrite('deer_eq.jpg', img)
