[OpenCV][Python]提取出特定的色彩通道(RGB,HSV)

在 OpenCV 中，將圖片從 BGR 色彩空間轉換為灰階圖像時常用cv2.COLOR_BGR2GRAY ，此函數使用了特定的權重來計算灰階值。這些權重是基於人眼對不同顏色的敏感度進行調整的。

BGR2GRAY權重

Gray=0.299×R+0.587×G+0.114×B

這些權重反映了人眼對不同顏色的敏感度，綠色對人眼的影響最大，因此權重最高，而藍色的影響最小，因此權重最低。

本文將介紹使用其他方法來提取出特定的色彩通道。

在後面會使用到HSV來切割色彩通道，故先說明，這樣看結果圖比較容易理解。

HSV 色彩通道的組成：

Hue（色相）:

表示顏色的色調，它用角度來表示，範圍通常為 0 到 360 度。這些角度對應於顏色在色環中的位置：

色相可以用來區分不同的顏色。

1. • 0° 是紅色
   • 60° 是黃色
   • 120° 是綠色
   • 180° 是青色
   • 240° 是藍色
   • 300° 是洋紅色

• 在 OpenCV 中，H (色相)值的範圍是0到180 而不是 0 到 360

Saturation（飽和度）:

Saturation 表示顏色的鮮艷程度或純度，範圍通常為 0 到 100%。飽和度為 0% 表示灰色（完全沒有顏色），而飽和度為 100% 表示純色（顏色最鮮豔）。

Value（明度）:
Value 表示顏色的亮度或光強度，範圍通常為 0 到 100%。明度為 0% 時表示黑色（完全沒有光），而明度為 100% 時表示最亮的顏色。

• 在 OpenCV 中，S（飽和度）和 V（明度）的範圍是 0 到 255。

結果圖

灰階值數值越高越白，越低則越黑，全白= 255，全黑 =0

在RGB通道中，黃金獵犬與背景顏色中，黃色占比較高，黃色主要為R跟G混合而成，所以在R與G通道原先黃色的位置就會比較白。

H為色相，黃色算數值比較低的，故灰階值較低就會比較暗一點

S為飽和度，圖像中色彩較鮮艷的地方，轉換灰階值就會比較亮一點

V為明亮度，

取出特定的色彩通道的函式

def __Color_split_img(img: np.ndarray, Color_split_choose: str):
    '''
    Changing Colorspace for BGR -> Gray,R,G,B,H,S,V
    '''
    if len(img.shape) == 2:
        return img

    if Color_split_choose == 'Gray':
        split_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    elif Color_split_choose in ('R','G','B'):
        B, G, R, = cv2.split(img)
        if Color_split_choose == 'R':
            split_img = R
        elif Color_split_choose == 'G':
            split_img = G
        elif Color_split_choose == 'B':
            split_img = B
    elif Color_split_choose in ('H','S','V'):
        H, S, V, = cv2.split(img)
        if Color_split_choose == 'H':
            split_img = H
        elif Color_split_choose == 'S':
            split_img = S
        elif Color_split_choose == 'V':
            split_img = V
    else:
        return img
    return split_img

• HSV 色彩空間轉換: 在分割 H、S、V 通道之前，必須先將圖片從 BGR 色彩空間轉換為 HSV 色彩空間。這是透過 cv2.cvtColor(img, cv2.COLOR_BGR2HSV) 來完成的。
• 灰度圖像檢查: 如果圖片已經是灰度圖像（即圖片只有兩個維度），則直接返回這個灰度圖像，不做其他處理。
• 錯誤處理: 在 else 分支中，如果用戶輸入了一個無效的 Color_split_choose 選項，程式將返回原始圖片，以防止未定義行為的發生。