### 使用Python和OpenCV实现RGB到HSI颜色模型转换 以下是基于提供的引用内容以及专业知识编写的代码示例，展示如何利用Python和OpenCV将RGB图像转换为HSI颜色模型并分别提取H、S、I分量。 #### 转换逻辑说明 为了完成RGB到HSI的颜色空间转换，可以按照以下公式进行计算[^1]： - **色调 (H)** \[ H = \begin{cases} \arccos\left(\frac{\frac{R-G}{2}+\frac{B-R}{2}}{(R-G)\sqrt{(R-G)^2+(R-B)(G-B)}}\right), & B \leq G \\ 360^\circ - \arccos\left(\frac{\frac{R-G}{2}+\frac{B-R}{2}}{(R-G)\sqrt{(R-G)^2+(R-B)(G-B)}}\right), & B > G \end{cases} \] - **饱和度 (S)** \( S = 1 - \frac{3}{R+G+B}\min(R, G, B) \) - **亮度 (I)** \( I = \frac{R + G + B}{3} \) 这些公式的具体推导可以在相关书籍中找到，例如冈萨雷斯的《数字图像处理》第四版。 下面是完整的代码实现： ```python import numpy as np import cv2 def rgb_to_hsi(rgb_image): # 将输入图像从uint8转为float32以便于后续计算 img_float = rgb_image.astype(np.float32) / 255.0 # 提取各通道 R, G, B = img_float[:, :, 2], img_float[:, :, 1], img_float[:, :, 0] # 计算强度分量 I I = (R + G + B) / 3.0 # 防止除零错误 epsilon = 1e-10 norm = R + G + B + epsilon # 计算最小值 min 和最大值 max Min = np.minimum(np.minimum(R, G), B) Max = np.maximum(np.maximum(R, G), B) # 计算饱和度 S S = 1 - 3 * Min / norm # 处理特殊情况：当 R=G=B 时，令 H=0 H = np.zeros_like(I) mask_non_zero = ~np.isclose(norm, 0) num = 0.5 * ((R[mask_non_zero] - G[mask_non_zero]) + (R[mask_non_zero] - B[mask_non_zero])) den = np.sqrt((R[mask_non_zero] - G[mask_non_zero])**2 + (R[mask_non_zero] - B[mask_non_zero])*(G[mask_non_zero] - B[mask_non_zero])) theta = np.arccos(num / (den + epsilon)) # 根据条件调整角度 H[mask_non_zero] = np.where(B[mask_non_zero] <= G[mask_non_zero], theta, 2*np.pi-theta) H = H / (2 * np.pi) # 归一化至 [0, 1] # 合并三个通道返回结果 hsi_image = np.stack([H, S, I], axis=-1) return hsi_image # 测试代码 if __name__ == "__main__": # 加载图像 image_path = 'lena.jpg' # 替换为实际路径 bgr_image = cv2.imread(image_path) if bgr_image is None: raise ValueError("无法加载图片，请检查文件路径") # 转换为RGB格式 rgb_image = cv2.cvtColor(bgr_image, cv2.COLOR_BGR2RGB) # 调用函数进行RGB到HSI转换 hsi_image = rgb_to_hsi(rgb_image) # 显示结果 import matplotlib.pyplot as plt fig, axes = plt.subplots(1, 4, figsize=(15, 5)) axes[0].imshow(cv2.cvtColor(bgr_image, cv2.COLOR_BGR2RGB)) axes[0].set_title('Original Image') axes[0].axis('off') for i, component in enumerate(['H', 'S', 'I']): axes[i+1].imshow(hsi_image[:, :, i], cmap='gray') axes[i+1].set_title(f'{component} Component') axes[i+1].axis('off') plt.show() ``` 以上代码实现了RGB到HSI的空间转换，并展示了如何提取H、S、I三个分量。注意，在最终显示前可能需要对某些分量进行归一化或缩放到适当范围以适应可视化需求[^4]。 --- ###