分解图像的色相和饱和度

问题描述

我遇到了一个函数的两个代码示例片段，这些片段声称分解图像并返回仅具有色相，饱和度和正确值的图像，具体取决于将什么颜色作为参数传递。

def break_down(image,channel):

    hsv = color.rgb2hsv(image)

    if (channel == "H"):
        out = hsv[:,:,0].copy()
    if (channel == "S"):
        out = hsv[:,1].copy()
    if (channel == "V"):
        out = hsv[:,2].copy()

    return out

def break_down(image,channel):

    hsv = color.rgb2hsv(image)

    out = hsv.copy()
    if (channel == "H"):
        out[:,1] = 0
        out[:,2] = 0
    if (channel == "S"):
        out[:,0] = 0
        out[:,2] = 0
    if (channel == "V"):
        out[:,1] = 0

    return out

第一个输出为彩色图像（红色/绿色/蓝色）。但是，第二个以黑色/白色/灰色阴影给出输出。我无法理解哪个是正确的代码。可能它们都不准确。

从逻辑上讲，例如当我们仅显示饱和时会发生什么？如果色相是图像的颜色成分，那么返回的图像应该没有颜色，对吗？

解决方法

这实际上不是一个“正确”的问题，它只是您要如何可视化数据的一种选择。

饱和度是[0，1]值，表示颜色与灰色的距离。您可以将[0，1]值可视化为灰度图像，原始图像较灰暗的地方将变暗，而原始图像具有高度饱和的颜色则将变白。这是有用的可视化吗？由您决定。

也许您会发现更直观的方法是通过将S和V强制为1并将图像转换回RGB以显示来可视化H。这样可以显示每个像素的纯色（饱和度和值均为100％）。然后，您可以通过将V强制为1并转换回RGB来一起可视化H，S。这样可以显示每个像素的色相和饱和度（即色度）。如果将其与色相可视化进行比较，则可以开始了解饱和度的含义。