Mahotas - XYZ 到 RGB 转换

我们在之前的教程中学习了 XYZ 颜色空间、RGB 颜色空间和 RGB 到 XYZ 的转换。现在让我们讨论一下 XYZ 颜色空间到 RGB 颜色空间的转换。

当我们从 XYZ 转换为 RGB 时，我们会获取颜色的 XYZ 值(代表其感知属性)，并将它们转换为红色、绿色和蓝色值。

通过此转换，我们可以以适合在特定设备或屏幕上显示的格式表示颜色。

Mahotas 中的 XYZ 到 RGB 转换

在 Mahotas 中，我们可以使用 colors.xyz2rgb() 函数将 XYZ 图像转换为 RGB 图像。

Mahotas 中的 XYZ 到 RGB 转换涉及以下步骤 −

• 规范化 XYZ 值 − 规范化 X、Y 和 Z 值，使其介于 0 和 1 之间。此步骤可确保 XYZ 值相对于参考白点，并允许进行一致的颜色计算。

• 将规范化的 XYZ 转换为线性 RGB −接下来，使用转换矩阵将规范化的 XYZ 值转换为线性 RGB 值。转换矩阵指定 XYZ 坐标如何影响最终颜色的红色、绿色和蓝色成分。

  执行矩阵乘法以获得线性 RGB 值。

• 应用伽马校正 − 伽马校正会调整 RGB 值的亮度以匹配人类视觉系统的响应。

• 缩放 RGB 值 − 伽马校正后，RGB 值通常在 0 到 1 的范围内。要表示 8− 位范围(0−255)中的颜色，您需要缩放 RGB 值。

  将每个经过伽马校正的 RGB 值乘以 255，使其达到适当的比例。

• 结果 − 一旦应用了缩放，您就获得了 RGB 颜色值。这些值表示生成颜色的红色、绿色和蓝色通道的强度。

使用 mahotas.colors.xyz2rgb() 函数

mahotas.colors.xyz2rgb() 函数以 XYZ 图像作为输入，并返回该图像的 RGB 颜色空间版本。

生成的 RGB 图像保留了原始 XYZ 图像的结构和内容，但丢失了一些颜色细节。

语法

以下是 mahotas − 中 xyz2rgb() 函数的基本语法

mahotas.colors.xyz2rgb(xyz, dtype={float})

其中，

• xyz − 它是 XYZ 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.xyz2rgb() 函数将 XYZ 图像转换为 RGB 图像 −

import mahotas as mh
import numpy as np
import matplotlib.pyplot as mtplt
# 加载图像
image = mh.imread('nature.jpeg')
# 将其转换为 XYZ
xyz_image = mh.colors.rgb2xyz(image)
# 转换回 RGB(有损)
rgb_image = mh.colors.xyz2rgb(xyz_image)
# 为子图创建图形和轴
fig, axis = mtplt.subplots(1, 2)
# 显示原始 XYZ图像
axes[0].imshow(xyz_image)
axes[0].set_title('XYZ 图像')
axes[0].set_axis_off()
# 显示 RGB 图像
axes[1].imshow(rgb_image)
axes[1].set_title('RGB 图像')
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 −

使用转换矩阵

我们可以使用转换矩阵将 XYZ 图像转换为 RGB 图像。变换矩阵具有一组用于将 XYZ 像素转换为 RGB 像素的值。

• 通过在变换矩阵和 XYZ 图像之间进行矩阵乘法，将 XYZ 像素转换为 RGB 像素。
• 我们通过使用 numpy 库中的 dot() 函数来实现这一点。
• 然后通过乘以 255 然后除以该像素的最大强度，将每个像素的值从 0 到 1 的范围(XYZ 颜色的强度范围)标准化为 0 到 255 的范围(RGB 颜色的强度范围)，以获得 RGB 图像。

示例

以下示例显示使用变换矩阵将 XYZ 图像转换为 RGB 图像 −

import mahotas as mh
import numpy as np
import matplotlib.pyplot as mtplt
# 将 XYZ 转换为 RGB 的函数
def xyz_to_rgb(xyz_image):
    # XYZ 到 RGB 转换矩阵
    xyz_to_rgb_matrix = np.array([[3.2406, -1.53​​72, -0.4986],
    [-0.9689, 1.8758, 0.0415],[0.0557, -0.2040, 1.0570]])
    # 使用矩阵乘法执行 XYZ 到 RGB 的转换
    rgb_image = np.dot(xyz_image, xyz_to_rgb_matrix.T)
    # 将 RGB 值从范围 [0, 1] 缩放到 [0, 255]
    rgb_image = (rgb_image * 255.0 / np.max(rgb_image)).astype(np.uint8)
    return rgb_image
# 加载图像
image = mh.imread('tree.tiff')
# 将其转换为 XYZ
xyz_image = mh.colors.rgb2xyz(image)
# 转换回 RGB(有损)
rgb_image = xyz_to_rgb(xyz_image)
# 为子图创建图形和轴
fig, axis = mtplt.subplots(1, 2)
# 显示原始 XYZ 图像
axes[0].imshow(xyz_image)
axes[0].set_title('XYZ Image')
axes[0].set_axis_off()
# 显示 RGB 图像
axes[1].imshow(rgb_image)
axes[1].set_title('RGB 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

上述代码的输出如下 −