阳江网红桥seo合作代理
Lab
“Lab” 图像格式通常指的是 CIELAB 色彩空间，也称为 Lab 色彩空间。它是一种用于描述人类视觉感知的颜色的设备无关色彩空间，与常见的 RGB 和 CMYK 色彩空间不同。CIELAB 由国际照明委员会（CIE）于1976年定义，用于更准确地表示人眼对色彩的感知。
CIELAB 包括三个通道：L（亮度）、a（从绿色到红色的颜色分量）和b（从蓝色到黄色的颜色分量）。这种色彩空间的主要优势在于，它试图模拟人眼对色彩的感知方式，使得在 Lab 空间中更接近的颜色在视觉上也更相似。这使得 Lab 色彩空间在许多颜色相关的应用中很有用，如图像处理、颜色校正和颜色匹配等。
然而，需要注意的是，Lab 图像格式本身并不是一种常见的图像文件格式，如 JPEG、PNG 或 GIF。相反，Lab 色彩空间通常是用于图像处理中的中间色彩空间，以帮助进行颜色校正、色彩调整和其他颜色相关的操作。要在计算机上表示 Lab 色彩空间，通常会使用浮点数值表示 L、a 和 b 通道的值。
YCbCr
YCbCr 是一种用于数字图像和视频编码的颜色空间，它与 RGB 颜色空间不同。YCbCr 通常用于图像和视频压缩、传输以及数字媒体处理中，因为它具有对人眼感知不同的颜色和亮度信息分离的特性，这样可以在保持视觉质量的前提下减少数据传输量。
YCbCr 由三个分量组成：
Y（亮度）：表示图像的明亮度分量。这个分量对应于人眼对图像的亮度感知。
Cb 和 Cr（色差）：这两个分量表示颜色信息中的色度或色差分量。Cb 表示蓝色和亮度之间的差异，而 Cr 表示红色和亮度之间的差异。这种分离允许将色彩信息与亮度信息分开，从而在不显著影响视觉感知的情况下进行压缩。
YCbCr 被广泛用于数字媒体技术中，例如 JPEG 图像压缩、视频编码（如 MPEG 和 H.264）以及数字电视广播中。许多图像和视频格式都使用 YCbCr 色彩空间来存储数据，因为它在保留图像质量的同时可以减少存储和传输的数据量。在这些格式中，图像的颜色信息被映射到 Cb 和 Cr 通道，而亮度信息保留在 Y 通道中。
HSV
它基于人类视觉系统对颜色的感知方式，与 RGB 和 CMYK 色彩空间不同。HSV 代表色相（Hue）、饱和度（Saturation）和亮度（Value），它提供了一种直观的方式来描述颜色的不同方面。
以下是 HSV 色彩空间的三个分量：
- 色相（Hue）：色相表示颜色的基本属性，即我们常说的颜色名称，如红色、绿色、蓝色等。色相的取值范围通常为 0 到 360
度，将整个颜色环划分为不同的颜色。 - 饱和度（Saturation）：饱和度表示颜色的纯度或鲜艳程度。饱和度较低的颜色会更加灰暗或淡化，而高饱和度的颜色更加鲜艳。饱和度的取值范围通常为0%（灰色）到 100%（完全饱和）。
- 亮度（Value）：亮度表示颜色的明暗程度。较高的亮度值表示颜色较亮，而较低的值表示颜色较暗。亮度的取值范围通常为 0%（黑色）到100%（白色）。
HSV 色彩空间通常在图像处理和计算机图形学中使用，因为它提供了更直观的控制颜色外观的方式。与 RGB 色彩空间相比，HSV 更适合用于调整颜色的饱和度和明暗程度，而不必考虑颜色之间的复杂交互影响。
代码
首先先定义这些颜色空间的数据结构，为了方便读写图像，这里使用OpenCV来读入图像，读入之后把BGR转成RGB。
#pragma once
#include <iostream>
#include <algorithm>
#include <opencv2/opencv.hpp>
struct Lab
{float L;float a;float b;
};struct YCbCr
{float Y;float Cb;float Cr;
};struct HSV
{int h;double s;double v;
};struct BGR
{float b;float g;float r;
};
实现代码
void BGR_YCbCr(BGR &bgr, YCbCr& y)
{y.Y = 0.257 * bgr.r + 0.564 * bgr.g + 0.098 * bgr.b + 16;y.Cb = -0.148 * bgr.r - 0.291 * bgr.g + 0.439 * bgr.b + 128;y.Cr = 0.439 * bgr.r - 0.368 * bgr.g - 0.071 * bgr.b + 128;
}void BGR_Lab(BGR &bgr, Lab& lab)
{double X, Y, Z;double Fx = 0, Fy = 0, Fz = 0;double b = bgr.b / 255.00;double g = bgr.g / 255.00;double r = bgr.r / 255.00;// gamma 2.2if (r > 0.04045)r = pow((r + 0.055) / 1.055, 2.4);elser = r / 12.92;if (g > 0.04045)g = pow((g + 0.055) / 1.055, 2.4);elseg = g / 12.92;if (b > 0.04045)b = pow((b + 0.055) / 1.055, 2.4);elseb = b / 12.92;// sRGBX = r * 0.436052025 + g * 0.385081593 + b * 0.143087414;Y = r * 0.222491598 + g * 0.716886060 + b * 0.060621486;Z = r * 0.013929122 + g * 0.097097002 + b * 0.714185470;// XYZ range: 0~100X = X * 100.000;Y = Y * 100.000;Z = Z * 100.000;// Reference White Point//2度视场 D50光源三刺激值double ref_X = 96.4221;double ref_Y = 100.000;double ref_Z = 82.5211;X = X / ref_X;Y = Y / ref_Y;Z = Z / ref_Z;// Labif (X > 0.008856)Fx = pow(X, 1 / 3.000);elseFx = (7.787 * X) + (16 / 116.000);if (Z > 0.008856)Fz = pow(Z, 1 / 3.000);elseFz = (7.787 * Z) + (16 / 116.000);if (Y > 0.008856){Fy = pow(Y, 1 / 3.000);lab.L = (116.000 * Fy) - 16.0 + 0.5;}else{Fy = (7.787 * Y) + (16 / 116.000);lab.L = 903.3 * Y;}lab.a = 500.000 * (Fx - Fy) + 0.5;lab.b = 200.000 * (Fy - Fz) + 0.5;
}bool IsEquals(double val1, double val2)
{return fabs(val1 - val2) < 0.001;
}void BGR_HSV(BGR& bgr, HSV& hsv)
{double b, g, r;double h, s, v;double min, max;double delta;b = bgr.b / 255.0;g = bgr.g / 255.0;r = bgr.r / 255.0;if (r > g){max = std::max(r, b);min = std::min(g, b);}else{max = std::max(g, b);min = std::min(r, b);}v = max;delta = max - min;if (IsEquals(max, 0))s = 0.0;elses = delta / max;if (max == min)h = 0.0;else{if (IsEquals(r, max) && g >= b){h = 60 * (g - b) / delta + 0;}else if (IsEquals(r, max) && g < b){h = 60 * (g - b) / delta + 360;}else if (IsEquals(g, max)){h = 60 * (b - r) / delta + 120;}else if (IsEquals(b, max)){h = 60 * (r - g) / delta + 240;}}hsv.h = (int)(h + 0.5);hsv.h = (hsv.h > 359) ? (hsv.h - 360) : hsv.h;hsv.h = (hsv.h < 0) ? (hsv.h + 360) : hsv.h;hsv.s = s;hsv.v = v;
}BGR BGR_value(cv::Mat& cv_src)
{cv::Scalar s = cv::mean(cv_src);BGR bgr;bgr.b = s[0];bgr.g = s[1];bgr.r = s[2];return bgr;
}