Mahotas - RGB 到 LAB 的转换

LAB 颜色空间是一种接近人类对颜色感知的颜色模型。它将颜色信息分为三个通道 −

• L(亮度) − L 通道表示颜色的感知亮度(亮度)。其范围从 0(最暗的黑色)到 100(最亮的白色)。

• A(绿-红轴) − 表示颜色在绿-红轴上的位置。负值表示绿色，正值表示红色。

• B(蓝-黄轴) − 表示颜色在蓝-黄轴上的位置。负值表示蓝色，正值表示黄色。

在从 RGB 转换为 LAB 的过程中，每个 RGB 像素值都被标准化为 0 到 1 的范围。

然后，应用各种数学变换，例如调整亮度、使颜色更准确地符合我们的感知，以及将它们转换为 LAB 值。

这些调整帮助我们以与人类看到的方式相匹配的方式表示颜色。

Mahotas 中的 RGB 到 LAB 转换

在 Mahotas 中，我们可以使用 colors.rgb2lab() 函数将 RGB 图像转换为 LAB 图像。

Mahotas 中的 RGB 到 LAB 转换涉及以下步骤 −

• 标准化 RGB 值 −首先将每个像素的 RGB 值调整到 0 到 1 之间的标准范围。

• 伽马校正 − 伽马校正应用于标准化的 RGB 值，以调整图像的亮度级别。

• 线性化 RGB 值 − 伽马校正后的 RGB 值将转换为线性 RGB 颜色空间，确保输入值和输出值之间存在线性关系。

• 转换为 XYZ 颜色空间 − 使用转换矩阵将线性 RGB 值转换为 XYZ 颜色空间，该空间表示图像的颜色信息。

• 计算 LAB 值 − 从 XYZ 值开始，LAB 值使用特定公式计算，以说明我们的眼睛如何感知颜色。 LAB 颜色空间将亮度 (L) 与颜色分量 (A 和 B) 分开。

• 应用参考白色值 − 根据参考白色值调整 LAB 值，以确保准确的颜色表示。

• LAB 表示 − 得到的 LAB 值表示图像的颜色信息。 L 通道表示亮度，而 A 和 B 通道表示沿两个轴的颜色信息。

使用 mahotas.colors.rgb2lab() 函数

mahotas.colors.rgb2lab() 函数将 RGB 图像作为输入并返回图像的 LAB 颜色空间版本。

生成的 LAB 图像保留了原始 RGB 图像的结构和内容，同时提供了增强的色彩表示。

语法

以下是 mahotas − 中 rgb2lab() 函数的基本语法

mahotas.colors.rgb2lab(rgb, dtype={float})

其中，

• rgb − 它是 RGB 颜色空间中的输入图像。

• dtype(可选) − 它是返回图像的数据类型(默认为浮点型)。

示例

在下面的示例中，我们使用 mh.colors.rgb2lab() 函数将 RGB 图像转换为 LAB 图像 −

import mahotas as mh
import numpy as np
import matplotlib.pyplot as mtplt
# 加载图像
image = mh.imread('sea.bmp')
# 将其转换为 LAB
lab_image = mh.colors.rgb2lab(image)
# 为子图创建图形和轴
fig, axis = mtplt.subplots(1, 2)
# 显示原始 RGB 图像
axes[0].imshow(image)
axes[0].set_title('RGB Image')
axes[0].set_axis_off()
# 显示 LAB 图像
axes[1].imshow(lab_image)
axes[1].set_title('LAB Image')
axes[1].set_axis_off()
# 调整子图之间的间距
mtplt.tight_layout()
# 显示图形
mtplt.show()

输出

以下是上述代码的输出−

随机图像的 RGB 到 LAB 转换

我们可以通过 − 将随机生成的 RGB 图像转换为 LAB 颜色空间

• 首先，定义图像的所需大小，指定其宽度和高度。
• 我们还确定颜色深度，通常为 8− 位，范围从 0 到 255。
• 接下来，我们使用 NumPy 中的"random.randint()"函数为图像中的每个像素生成随机 RGB 值。
• 一旦我们有了 RGB 图像，我们就会继续将其转换为 LAB 颜色空间。

生成的图像将位于 LAB 颜色空间中，其中图像的亮度和颜色信息被分成不同的通道。

示例

以下示例显示了将随机生成的 RGB 图像转换为 LAB 颜色空间中的图像 −

import mahotas as mh
import numpy as np
import matplotlib.pyplot as mtplt
# 创建随机 RGB 图像
image = np.random.randint(0, 256, (100, 100, 3), dtype=np.uint8)
# 将其转换为 LAB
lab_image = mh.colors.rgb2lab(image)
# 为子图创建图形和轴
fig, axis = mtplt.subplots(1, 2)
# 显示原始 RGB 图像
axes[0].imshow(image)
axes[0].set_title('RGB Image')
axes[0].set_axis_off()
# 显示 LAB 图像
axes[1].imshow(lab_image)
axes[1].set_title('LAB Image')
axes[1].set_axis_off()
# 调整子图之间的间距
mtplt.tight_layout()
# 显示图
mtplt.show()

输出

上述代码的输出如下 −