【OpenCV人臉檢測】2. 色彩空間及其轉換

【 1. 色彩空間 】

• 色彩空間（Color space）是對色彩的組織方式，是座標系統和子空間的闡述，位於系統的每種顏色都有單個點表示。

• 目前，色彩空間已經有上百種表示方式，被採用的大多數色彩空間都是面向硬件或面向應用的，大部分只是局部的改變或專用於某一領域。

• RGB色彩空間

• 使用紅色、綠色和藍色這三種原色生成不同的顏色，這些顏色可以組成了一個色彩空間，稱爲RGB(Red Green Blue)色彩空間。
• OpenCV中默認的色彩空間是BGR。BGR與RGB的區別只是三個顏色信道的位置發生了變化，實際上原理相同。
  ( 爲什麼是BGR而不是RGB呢？原因在於當時主流的攝像頭製造商和軟件供應商都普遍使用這種BGR格式，所以所以一開始時OpenCV採用的就是BGR，然後沿用至今。)
• RGB是依據人眼識別的顏色定義出的空間，可表示大部分顏色。它是最通用的面向硬件的色彩空間。該色彩空間用於彩色監視器和一大類彩色視頻攝像。

完整的RGB色彩空間圖:
在RGB色彩空間中，將藍色的量定義爲X座標軸、紅色的量定義爲Y座標軸、綠色的量定義爲Z座標軸，就可以得到一個三維空間。所以每種顏色在這個三維空間中都有唯一的一個點與其對應。

• HSV與HSL色彩空間

在科學研究一般不採用RGB色彩空間，它將色調，亮度，飽和度三個量放在一起表示，很難分開，這樣難以對其進行數字化的調整。所以爲了更好的數字化處理顏色，提出了HSV，HSL兩個色彩空間。

HSV色彩空間中，H是色調(hue)，S是飽和度(saturation)， V是明度(value)。
HSL色彩空間中，H是色調(hue)，S是飽和度(saturation)，L是亮度(lightness) 。

• 灰度空間

• 在OpenCV的灰度空間中，和一般的色彩空間相同，每一個顏色都有三個量，但是隻有第一個亮度有值，所以表示爲（亮度，0，0）。
• 其中，亮度是根據如下灰度公式計算而得：
  $Gray = R*0.299 + G*0.587 + B*0.114$

• 人臉識別需要先對圖片進行灰度處理的原因：
  識別人臉，最關鍵的因素是梯度，梯度代表着邊緣，用灰度圖計算梯度，可以簡化矩陣, 提高運算速度。而顏色信息，很容易受到光照等因素的影響，同類的物體顏色有很多變化，所以顏色本身難以提供關鍵信息。

【 2. 色彩空間轉換 】

在OpenCV中有超過150種色彩空間轉換的方法。但是我們經常用到的是以下兩種：

1. BGR空間到Gray空間 的轉換；
2. BGR空間到HSV空間 的轉換。

• 函數：

cv2.cvtColor(圖片對象，轉換類型)

其中的轉換類型：
對於BGR到Gray的轉換，爲cv2.COLOR_BGR2GRAY類型。
對於BGR到HSV的轉換，爲cv2.COLOR_BGR2HSV類型。

• 範例：

import cv2 as cv
img = cv.imread('picture.jpg') # 讀取圖片

newpicture = cv.cvtColor(img, cv.COLOR_BGR2HSV) # 將圖片的色彩空間由BGR轉換爲HSV。
# newpicture = cv.cvtColor(img, cv.COLOR_BGR2GRAY) # 將圖片的色彩空間由BGR轉換爲GRAY。

cv.imshow('cute boy',newpicture) # 窗口展示圖片
cv.waitKey(0)  # 等待用戶關閉圖片窗口
cv.destroyAllWindows() # 銷燬創建的所有窗口

原圖：

灰度圖片：

HSV圖片：

#獲取到OpenCV提供的所有轉換類型： 。。有問題的代碼。。。。
import cv2
flags=[i for in dir(cv2) if i startswith('COLOR_')]
print(flags)