OpenCV 'cvtColor' 多次执行时会改变颜色和饱和度（python）

Question

我正在使用 OpenCV 的函数 cv2.cvtColor 分步修改图像：

• 我将原始 BGR 图像转换为 HSV 颜色格式。
• 我对 HSV 图像进行了一些计算。
• 我将 HSV 图像转换回 BGR 颜色格式。

最终，BGR-to-HSV 和 HSV-to-BGR 的转换并不是完全双重的，一些（随机）像素的 H 和 S 值会发生变化。

我的意思是：

import cv2
import numpy as np


# Load image
original_img = cv2.imread('img.png')
img = original_img.copy()


# Convert image multiple times
for ii in range(50):
    img_hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
    img = cv2.cvtColor(img_hsv, cv2.COLOR_HSV2BGR)

    print(f'\niter {ii+1}')
    print(f'H sum: {np.sum(img_hsv[:,:,0])}')
    print(f'S sum: {np.sum(img_hsv[:,:,1])}')
    print(f'V sum: {np.sum(img_hsv[:,:,2])}')


# Display images (resize for convenience)
cv2.imshow('original', cv2.resize(original_img, tuple([s*3 for s in img.shape[:2]])))
cv2.imshow('converted', cv2.resize(img, tuple([s*3 for s in img.shape[:2]])))

cv2.waitKey(0)
cv2.destroyAllWindows()

原始（左）与转换后（右）：

您可能会注意到，有一堆像素变红并且饱和度不断增加。此外，H 和 S 通道更改为（值的总和）：

iter 1
H sum: 862253
S sum: 1470471
V sum: 1028930

iter 2
H sum: 847617
S sum: 1511497
V sum: 1028930

...

iter 49
H sum: 796974
S sum: 1570406
V sum: 1028930

iter 50
H sum: 796974
S sum: 1570412
V sum: 1028930

Python 3.8.3 | OpenCV 4.5.1

Answer 1

因为图像是 8 位的，所以每次迭代都会丢失数据。 见convertion between HSV and RGB。 例如，饱和度是最大分量上的色度（最大 - 最小）。 当它转换为 HSV 时，饱和度值将在 0 到 255 之间量化。 顺便提一下，OpenCV 中的最大色调值为 180。

使用浮点图像执行转换而不是使用 uchar 可以防止丢失。我使用 .astype(np.float32) 更改了您的代码，每次迭代的结果都相同。

H sum: 1739456.625
S sum: 5764.1796875
V sum: 1028930.0

编辑代码：

import cv2
import numpy as np


# Load image
original_img = cv2.imread('img.png').astype(np.float32)
img = original_img.copy()


# Convert image multiple times
for ii in range(50):
    img_hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
    img = cv2.cvtColor(img_hsv, cv2.COLOR_HSV2BGR)

    print(f'\niter {ii+1}')
    print(f'H sum: {np.sum(img_hsv[:,:,0])}')
    print(f'S sum: {np.sum(img_hsv[:,:,1])}')
    print(f'V sum: {np.sum(img_hsv[:,:,2])}')


# Display images (resize for convenience)
cv2.imshow('original', cv2.resize(original_img, tuple([s*3 for s in img.shape[:2]])).astype(np.uint8))
cv2.imshow('converted', cv2.resize(img, tuple([s*3 for s in img.shape[:2]])).astype(np.uint8))

cv2.waitKey(0)
cv2.destroyAllWindows()