目录
1. 图像饱和度
饱和度(Saturation)指的是颜色的纯度或浓度,决定了颜色的鲜艳程度。高饱和度的颜色看起来更加鲜艳,而低饱和度的颜色则显得灰暗或淡化。饱和度主要与色彩空间中的色调(Hue)和亮度(Lightness/Brightness)相区分。
在处理图像时,常见的色彩空间包括:
- RGB:通过红色 (Red)、绿色 (Green) 和蓝色 (Blue) 这三种原色组合形成其他颜色。
- HSV(Hue, Saturation, Value):色调、饱和度和亮度。这个色彩空间更加接近人类的感知方式,饱和度在这里作为一个独立的维度。
2. 调整饱和度的基本原理
为了调整图像的饱和度,通常我们会将图像从 RGB 色彩空间转换到 HSV 色彩空间,因为在 HSV 中,饱和度(S)是一个独立的维度。我们可以只修改饱和度而不影响色调和亮度,然后将图像转换回 RGB 色彩空间。
3. 示例
3.1 对 RGB 图像进行饱和度的调整。
#include <opencv2/opencv.hpp>
#include <iostream>
// 调整饱和度的函数
void adjustSaturation(cv::Mat& src, cv::Mat& dst, double saturationScale) {
// 将RGB图像转换为HSV色彩空间
cv::Mat hsv;
cv::cvtColor(src, hsv, cv::COLOR_BGR2HSV);
// 遍历图像,调整饱和度
for (int i = 0; i < hsv.rows; ++i) {
for (int j = 0; j < hsv.cols; ++j) {
// 获取每个像素的HSV值
cv::Vec3b& pixel = hsv.at<cv::Vec3b>(i, j);
// 读取饱和度(S),它在0到255之间
int saturation = pixel[1];
// 根据给定的缩放因子调整饱和度
saturation = cv::saturate_cast<uchar>(saturation * saturationScale);
// 将新的饱和度值赋给像素
pixel[1] = saturation;
}
}
// 将HSV图像转换回RGB色彩空间
cv::cvtColor(hsv, dst, cv::COLOR_HSV2BGR);
}
int main() {
// 读取原始图像
cv::Mat src = cv::imread("input.jpg");
if (src.empty()) {
std::cerr << "Error: Could not open image file." << std::endl;
return -1;
}
// 输出图像
cv::Mat dst;
// 调整饱和度,缩放因子为1.5,意味着增加50%的饱和度
double saturationScale = 1.5;
adjustSaturation(src, dst, saturationScale);
// 显示结果
cv::imshow("Original Image", src);
cv::imshow("Saturation Adjusted Image", dst);
// 等待按键退出
cv::waitKey(0);
return 0;
}
代码说明:
-
输入和输出图像:通过
cv::imread()
函数读取输入图像,并通过cv::imwrite()
保存处理后的图像。 -
色彩空间转换:使用
cv::cvtColor()
函数将 RGB 图像转换为 HSV 色彩空间,方便操作饱和度。 -
饱和度调整:在 HSV 色彩空间中,遍历每个像素并调整其饱和度(第二个通道值)。为了避免超出范围,使用
cv::saturate_cast<uchar>()
来保证饱和度值在 0 到 255 之间。 -
转换回 RGB:处理完成后,使用
cv::cvtColor()
将图像从 HSV 色彩空间转换回 RGB 并进行显示和保存。
3.2 对 RGB 图像进行饱和度的调整。
#include <opencv2/opencv.hpp>
#include <iostream>
// 调整饱和度函数
cv::Mat adjustSaturation(const cv::Mat& inputImage, double scale) {
// 将输入图像转换为HSV颜色空间
cv::Mat hsvImage;
cv::cvtColor(inputImage, hsvImage, cv::COLOR_BGR2HSV);
// 分离HSV通道
std::vector<cv::Mat> hsvChannels;
cv::split(hsvImage, hsvChannels);
// 调整饱和度 (S 通道)
hsvChannels[1].convertTo(hsvChannels[1], -1, scale, 0);
// 合并通道
cv::merge(hsvChannels, hsvImage);
// 将HSV图像转换回BGR颜色空间
cv::Mat outputImage;
cv::cvtColor(hsvImage, outputImage, cv::COLOR_HSV2BGR);
return outputImage;
}
int main() {
// 读取图像
cv::Mat inputImage = cv::imread("input.jpg");
if (inputImage.empty()) {
std::cerr << "无法读取图像!" << std::endl;
return -1;
}
// 调整饱和度,scale > 1 增加饱和度,scale < 1 减少饱和度
double saturationScale = 1.5; // 增加50%的饱和度
cv::Mat adjustedImage = adjustSaturation(inputImage, saturationScale);
// 显示结果
cv::imshow("Original Image", inputImage);
cv::imshow("Saturation Adjusted Image", adjustedImage);
// 保存结果
cv::imwrite("adjusted_image.jpg", adjustedImage);
cv::waitKey(0);
return 0;
}
代码说明:
-
cvtColor(inputImage, hsvImage, cv::COLOR_BGR2HSV)
: 将输入图像从BGR转换到HSV颜色空间。 -
split(hsvImage, hsvChannels)
: 将HSV图像分割为3个通道(H、S、V)。 -
hsvChannels[1].convertTo(hsvChannels[1], -1, scale, 0)
: 对S通道应用比例缩放来调整饱和度。 -
merge(hsvChannels, hsvImage)
: 合并调整后的HSV通道。 -
cvtColor(hsvImage, outputImage, cv::COLOR_HSV2BGR)
: 将调整后的HSV图像转换回BGR颜色空间。
4. 调整饱和度的影响
- 增大饱和度:提高饱和度可以使颜色更加鲜艳和浓烈。
- 减小饱和度:降低饱和度则会使图像的颜色趋向灰色,最终饱和度为 0 时,图像变为灰度图像。
你可以通过 saturationScale
参数来控制饱和度的增加或减少,值大于 1 增加饱和度,值小于 1 减少饱和度。
标签:Mat,OpenCV,RGB,HSV,图像,饱和度,cv From: https://www.cnblogs.com/keye/p/18425175