FPGA数字图像处理基础：色彩空间转换(Verilog)-fpga颜色识别

1.3 Lab空间

Lab色彩空间是基于生理特征的颜色系统，与设备无关，即采用数字化的方法描述人的视觉感知。L表示亮度，取值范围为0~100，表示从黑~白；a分量取值范围为 -128~127，表示从绿~红；b分量取值范围为 -128~127，表示从蓝~黄。

Lab色彩空间致力于感知均匀性，它的L分量密切匹配人类亮度感知。因此，可以被用来通过修改a和b分量的输出色阶来做精确的颜色平衡，或使用L分量来调整亮度对比。

Lab色彩空间所描述的色域是最大的，因此Lab色彩空间存在大量色彩超出人类视域范围，甚至无法在物理世界再现。同时，RGB等色彩空间的设备依赖性也使得Lab色彩空间无法直接与其他色彩空间进行转换。

1.4 HSV空间

HSV色彩空间是根据颜色的直观特性色调(H，Hue)、饱和度(S，Saturation)和亮度(V，Value)建立的色彩模型。由于H、S、V可以构成锥形坐标系，所以HSV模型通常也称为六角锥体模型(Hexcone Model)。

色调H：图像色彩信息，描述光谱颜色所在位置。采用角度度量，取值范围为0°~360°。若从红色开始按逆时针方向计算：红色为0°，绿色为120°,蓝色为240°，互补色之间相差180°；

饱和度S：图像纯度信息，描述颜色接近光谱色的程度。采用比例值度量，取值范围为0~1。颜色通常可看作某种光谱色与白色的混合结果，饱和度越高，光谱色所占比例越大，颜色越接近光谱色，表现为颜色深；饱和度越低，光谱色所占比例越小，颜色越远离光谱色，表现为颜色浅。饱和度为0时，表现出颜色仅有灰度；

亮度V：图像亮度信息，描述色彩的明亮程度。采用比例值度量，取值范围为0~1。对于光源色，明度值与发光体的光亮度有关；对于物体色，此值和物体的透射比或反射比有关。

1.5 CMY(CMYK)空间

CMYK色彩空间是一种减色模式色彩空间，常用于彩色印刷。CMYK是基于C(Cyan)、M(Megenta)、Y(Yellow)和K(Black)四种颜色叠加而成的，由于在实际应用中青色(Cyan)、洋红色(Megenta)和黄色(Yellow)叠加很难形成真正的黑色(Black)，而是褐色，因此引入黑色K(Black)强化暗调，加深暗部色彩。

CMYK与RGB根本的区别在于CMYK采用减色色彩模式——当阳光照射到一个物体上时，物体将吸收一部分光线并反射剩下的光线，反射的光线就是所看见的物体颜色，即减色色彩模式。因此，CMYK色彩模式更接近于真实效果，尽管不如RGB模式下的色彩多，但更适合印刷。

02

色彩空间转换原理

尽管RGB是日常生活中彩色视频图像最常用的图像格式，但RGB格式图像将色调、亮度和饱和度综合在一起，细节上难以进行数字化调整，因此在科学研究中通常采用YUV(YCbCr)或灰度图格式，掌握RGB与YUV(YCbCr)/灰度图之间的转换原理有利于后续数字图像处理分析。

2.1 RGB与YUV转换原理

RGB与YUV依据以下公式进行转换：

RGB转为YUV：

Y = 0.299*R + 0.587*G + 0.114*B

U = – 0.169*R – 0.331*G + 0.5*B + 128

V = 0.5*R – 0.419*G – 0.081*B + 128

YUV转为RGB：

R = Y + 1.402*(V-128)

G = Y – 0.344*(U-128) – 0.714*(V-128)

B = Y + 1.772*(U-128)

通过Matlab对转换算法进行验证：

Matlab转换代码：

%**********************************************************************

% ——————————————————————-

% Company: Cascatrix

% Engineer: Carson

%

% Create Date: 2023/02/11

% Design Name: rgb_yuv

% Module Name: rgb_yuv

% Tool Versions: v1.0

% Description: Convert RGB888 into YUV

%——————————————————————-

%*********************************************************************/

clear;clear all;clc;

% Load image

image_in = imread(cascatrix.jpg);

% Seperate R G B

image_r = int16(image_in(:,:,1));

image_g = int16(image_in(:,:,2));

image_b = int16(image_in(:,:,3));

% Get image size

[row,col,n] = size(image_in);

% Calculate Y U V

image_y = 0.299*image_r + 0.587*image_g + 0.114*image_b;

image_u = – 0.169*image_r – 0.331*image_g + 0.5*image_b + 128;

image_v = 0.5*image_r – 0.419*image_g – 0.081*image_b + 128;

% Recover R G B

image_out_r = image_y + 1.402*(image_v – 128);

image_out_g = image_y – 0.344*(image_u – 128) – 0.714*(image_v – 128);

image_out_b = image_y + 1.772*(image_u – 128);

% Output processed RGB image

image_out = cat(3,image_out_r,image_out_g,image_out_b);

% Display before/after processed image

figure(1)

subplot(121);

imshow(uint8(image_in)), title(Image in);

subplot(122);

imshow(uint8(image_out));title(Image out);

% Display Y U V

figure(2)

subplot(131);

imshow(uint8(image_y)),title(Image Y);

subplot(132);

imshow(uint8(image_u)),title(Image U);

subplot(133);

imshow(uint8(image_v)),title(Image V);

Matlab代码将输出结果：

1. 转换前/后图像对比：

2. Y、U、V三通道图像显示：

• 2 / 6
• 1
• 2
• 3
• 4
• 5
• 6