从numpy到RGB到HSV

问题描述

我正在尝试使用here中的公式从纯numpy中的opencv实现RGB到HSV的转换：

def rgb2hsv_opencv(img_rgb):
    img_hsv = cv2.cvtColor(img_rgb,cv2.COLOR_RGB2HSV)
    return img_hsv

def rgb2hsv_np(img_rgb):
    assert img_rgb.dtype == np.float32
    
    height,width,c = img_rgb.shape
    r,g,b = img_rgb[:,:,0],img_rgb[:,1],2]  
    
    t = np.min(img_rgb,axis=-1)
    v = np.max(img_rgb,axis=-1)
    
    s = (v - t) / (v + 1e-6)
    s[v==0] = 0
    
    # v==r
    hr = 60 * (g - b) / (v - t + 1e-6)
    # v==g
    hg = 120 + 60 * (b - r) / (v - t + 1e-6)
    # v==b
    hb = 240 + 60 * (r - g) / (v - t + 1e-6)

    h = np.zeros((height,width),np.float32)
    
    h = h.flatten()
    hr = hr.flatten()
    hg = hg.flatten()
    hb = hb.flatten()
    
    h[(v==r).flatten()] = hr[(v==r).flatten()]
    h[(v==g).flatten()] = hg[(v==g).flatten()]
    h[(v==b).flatten()] = hb[(v==b).flatten()]
    
    h[h<0] += 360
    
    h = h.reshape((height,width))
    
    img_hsv = np.stack([h,s,v],axis=-1)
    
    return img_hsv


img_bgr = cv2.imread('00000.png')

img_rgb = cv2.cvtColor(img_bgr,cv2.COLOR_BGR2RGB)

img_rgb = img_rgb / 255.0
img_rgb = img_rgb.astype(np.float32)

img_hsv1 = rgb2hsv_np(img_rgb)
img_hsv2 = rgb2hsv_opencv(img_rgb)

print('max diff:',np.max(np.fabs(img_hsv1 - img_hsv2)))
print('min diff:',np.min(np.fabs(img_hsv1 - img_hsv2)))
print('mean diff:',np.mean(np.fabs(img_hsv1 - img_hsv2)))

但是我得到了很大的不同：

max diff: 240.0
min diff: 0.0
mean diff: 0.18085355

我想念什么吗？

也许还可以更高效地编写numpy代码，例如无需使用flatten？

我也很难为cvtColor函数找到原始的C ++代码，据我所知它实际上应该是C代码中的函数cvCvtColor，但是我找不到带有公式的实际源代码。 / p>

解决方法

从最大差异恰好是240的事实出发，我很确定当v==r，v==g或{{1}都同时为真时，情况正在发生}，最后执行。

如果您更改以下订单：

v==b

收件人：

h[(v==r).flatten()] = hr[(v==r).flatten()]
h[(v==g).flatten()] = hg[(v==g).flatten()]
h[(v==b).flatten()] = hb[(v==b).flatten()]

最大差异可能开始显示为120，因为该等式中增加了120。因此，理想情况下，您希望按b-> g-> r的顺序执行这三行。那时的差异应该可以忽略不计（仍然注意到最大差异为0.01〜，将其粉刷到某个地方的四舍五入）。

h[(v==r).flatten()] = hr[(v==r).flatten()]
h[(v==b).flatten()] = hb[(v==b).flatten()]
h[(v==g).flatten()] = hg[(v==g).flatten()]