本笔记重点记录OpenCV中的颜色转换和利用色彩空间的特性进行皮肤检测

之所以要引入色调/饱和度/亮度的色彩空间概念，是因为人们喜欢凭直觉分辨各种颜色，而它与这种方式吻合。实际上，人类更喜欢用色彩、彩度、亮度等直观的属性来描述颜色，而大多 数直觉色彩空间正是基于这三个属性。

其他直觉色彩空间使用颜色明度（value）或颜色亮度（lightness）的概念描述 有关颜色的强度。

利用这些颜色概念，能尽可能地模拟人类对颜色的直观感知。因此，它们没有标准的定义。 根据文献资料，色调、饱和度和亮度都有多种不同的定义和计算公式。OpenCV 建议的两种直觉 色彩空间的实现是 HSV 和 HLS 色彩空间，它们的转换公式略有不同，但是结果非常相似。

亮度成分可能是最容易解释的。在 OpenCV 对 HSV 的实现中，它被定义为三个 BGR 成分中 的最大值，以非常简化的方式实现了亮度的概念。为了让定义更符合人类视觉系统，应该使用均 匀感知的色彩空间 Lab和 Luv的 L 通道。举个例子，L 通道已经考虑到了，在强度相同的 情况下，人们会觉得绿色比蓝色等颜色的亮度更高。

OpenCV 用一个公式来计算饱和度，该公式基于 BGR 组件的最小值和最大值：

其原理是：灰度颜色包含的 R、G、B 的成分是相等的，相当于一种极不饱和的颜色，因此 它的饱和度是 0（饱和度是一个 0~1.0 的值）。对于 8 位图像，饱和度被调节成一个 0~255 的值， 并且作为灰度图像显示的时候，较亮区域对应的颜色具有较高的饱和度。

利用opencv把RGB图片像HSV颜色空间转变（CV_BGR2HSV）的时候，

H通道的值范围为： 0-180

S： 0-255

V：0-255

#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>

#include <iostream>
#include <vector>

int main()
{
    // 读入图像
    cv::Mat image= cv::imread("boldt.jpg");
    if (!image.data)
        return 0;

    // 原始图像
    cv::namedWindow("Original image");
    cv::imshow("Original image",image);

    // 转换成HSV色彩空间
    cv::Mat hsv;
    cv::cvtColor(image, hsv, CV_BGR2HSV);

    // 把三个通道分割进三幅图像中
    std::vector<cv::Mat> channels;
    cv::split(hsv,channels);
    // channels[0] 色调
    // channels[1] 饱和度
    // channels[2] 亮度

    // 亮度
    cv::namedWindow("Value");
    cv::imshow("Value",channels[2]);

    // display 饱和度
    cv::namedWindow("Saturation");
    cv::imshow("Saturation",channels[1]);

    // display 色调
    cv::namedWindow("Hue");
    cv::imshow("Hue",channels[0]);
    cv::waitKey();
}

8 位版本的色调在 0~180，饱和度在 0~255

在对特定物体做初步检测时，颜色信息非常有用。例如辅助驾驶程序中的路标检测功能，就要凭借标准路标的颜色快速识别可能是路标的信息。另一个例子是肤色检测，检测到的皮肤区域 可作为图像中有人存在的标志。手势识别就经常使用肤色检测确定手的位置。

肤色检测领域的大量研究已经表明，来自不同人种的人群的皮肤颜色，可以在色调、饱和度、色彩空间中很好地归类。

#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>

#include <iostream>
#include <vector>

void detectHScolor(const cv::Mat& image,      // input image
                  double minHue, double maxHue,  // Hue interval
                  double minSat, double maxSat,  // saturation interval
                  cv::Mat& mask) {            // output mask

    // convert into HSV space
    cv::Mat hsv;
    cv::cvtColor(image, hsv, CV_BGR2HSV);

    // split the 3 channels into 3 images
    std::vector<cv::Mat> channels;
    cv::split(hsv, channels);
    // channels[0] is the Hue
    // channels[1] is the Saturation
    // channels[2] is the Value