Lab颜色空间

原文:http://blog.csdn.net/carson2005/article/details/7200440

同RGB颜色空间相比,Lab是一种不常用的色彩空间。它是在1931年国际照明委员会(CIE)制定的颜色度量国际标准的基础上建立起来的。1976年,经修改后被正式命名为CIELab。它是一种设备无关的颜色系统,也是一种基于生理特征的颜色系统。这也就意味着,它是用数字化的方法来描述人的视觉感应。Lab颜色空间中的L分量用于表示像素的亮度,取值范围是[0,100],表示从纯黑到纯白;a表示从红色到绿色的范围,取值范围是[127,-128];b表示从黄色到蓝色的范围,取值范围是[127,-128]。下图所示为Lab颜色空间的图示;

需要提醒的是,Lab颜色空间比计算机显示器、打印机甚至比人类视觉的色域都要大,表示为 Lab 的位图比 RGB 或 CMYK 位图获得同样的精度要求更多的每像素数据。虽然我们在生活中使用RGB颜色空间更多一些,但也并非Lab颜色空间真的一无所有。例如,在 Adobe Photoshop图像处理软件中,TIFF格式文件中,PDF文档中,都可以见到Lab颜色空间的身影。而在计算机视觉中,尤其是颜色识别相关的算法设计中,rgb,hsv,lab颜色空间混用更是常用的方法。

时间: 2024-11-07 23:52:20

Lab颜色空间的相关文章

Lab颜色空间进行颜色提取 及其实现

这段时间在做车灯检测,晚上有些尾灯偏黄色亮度偏弱,仅用灰度度是不够的,经比较了在RGB.HSV.Lab颜色空间下进行颜色提取,发现Lab颜色模型的效果是最好的.下面介绍Lab的原理及其代码实现. Lab颜色模型由三个要素组成,一个要素是亮度(L),a 和b是两个颜色通道.a包括的颜色是从深绿色(低亮度值)到灰色(中亮度值)再到亮粉红色(高亮度值):b是从亮蓝色(低亮度值)到灰色(中亮度值)再到黄色(高亮度值).因此,这种颜色混合后将产生具有明亮效果的色彩.(这段百度的,哈哈 ) RGB转换到La

学习笔记TF015:加载图像、图像格式、图像操作、颜色

TensorFlow支持JPG.PNG图像格式,RGB.RGBA颜色空间.图像用与图像尺寸相同(height*width*chnanel)张量表示.通道表示为包含每个通道颜色数量标量秩1张量.图像所有像素存在磁盘文件,需要被加载到内存. 图像加载与二进制文件相同.图像需要解码.输入生成器(tf.train.string_input_producer)找到所需文件,加载到队列.tf.WholeFileReader加载完整图像文件到内存,WholeFileReader.read读取图像,tf.ima

Histogram of Oriented Gradients for Human Detection 翻译

用于人体检测的方向梯度直方图 Navneet Dalal,Bill Triggs 摘要 我们研究了视觉目标检测的特征集问题,并用线性SVM方法进行人体检测来测试,通过与当前的基于边缘和梯度的描述子进行实验对比,得出方向梯度直方图(Histograms of Oriented Gradient,HOG)描述子在行人检测方面表现更加突出.我们研究了计算过程中每一阶段的影响,得出小尺度梯度(fine-scale gradients).精细方向采样(fine orientation binning).粗

opencv 批量处理图像

为了批量处理图像,网上找了好久,基本上都是C语言的sprinrf() 和 sprinrf_s()的方法:参数输入 只能是 char* 类型: 我下面献上C++的简洁方法. #include <opencv2/opencv.hpp>#include <iostream>#include <fstream>#include <string> using namespace cv;using namespace std; int main(){ Mat srcIm

视觉机器学习------K-means算法

K-means(K均值)是基于数据划分的无监督聚类算法. 一.基本原理       聚类算法可以理解为无监督的分类方法,即样本集预先不知所属类别或标签,需要根据样本之间的距离或相似程度自动进行分类.聚类算法可以分为基于划分的方法.基于联通性的方法.基于概率分布模型的方法等,K-means属于基于划分的聚类方法. 基于划分的方法是将样本集组成的矢量空间划分为多个区域{Si}i=1k,每个区域都存在一个区域相关的表示{ci}i=1k,通常称为区域中心.对于每个样本,可以建立一种样本到区域中心的映射q

第九弹:HOG

这是物体检测的第一篇,其实物体检测,物体定位,物体分割关联很大,许多模型都能同时实现以上三个功能. 一.论文翻译 摘要 我们研究了视觉目标检测的特征集问题,并用线性SVM方法进行人体检测来测试,通过与当前的基于边缘和梯度的描述子进行实验对比,得出方向梯度直方图(Histograms of Oriented Gradient,HOG)描述子在行人检测方面表现更加突出.我们研究了计算过程中每一阶段的影响,得出小尺度梯度(fine-scale gradients).精细方向采样(fine orient

将知识变成你的技能点

学习的东西,只有经过多次使用和尝试后,才能成为你的技能点.一个事情,从你学懂它,到它成为你的技能点,这个过程是很漫长的.学习之后,还需要大量的训练和练习. 本文谈谈俺点亮过或正在点亮的几个imba级技能,回答怎么从日常中学习的问题. (1)可控爆发: 别笑,这个是从<圣斗士星矢>里学的.爆发小宇宙,在关键时刻发挥出超强战斗力,是个超级牛逼的技能.打游戏的都知道,什么嗜血啊,开大啊的重要 性.而可控爆发,就是我能控制什么时候爆发(当然是有CD的).沙加平日闭眼睛浑浑噩噩的,必要时睁开眼睛爆发.别

adaptive color attributes for tracking翻译

本文章是基于目标跟踪的翻译,供大家学习参考! 自适应选择颜色属性的实时视觉跟踪 摘要 视觉跟踪在计算机视觉中是一个很有挑战性的问题,现在最好的(state-of-art) 视觉跟踪器只使用了图片的光照信息或使用简单的颜色表示(RGB 这样的三通道)来表示图片.和视觉跟踪不同的是,在目标识别和检测问题中,结合光照信息和复杂的颜色特征可以提供非常好的表现.由于跟踪问题的复杂性,所需要的颜色特征应该是计算起来比较高效的,并且用有一定的光学不变形,同时具有比较高的判别能力. 这篇文章调查了在tracki

Generative Adversarial Nets[pix2pix]

本文来自<Image-to-Image Translation with Conditional Adversarial Networks>,是Phillip Isola与朱俊彦等人的作品,时间线为2016年11月. 作者调研了条件对抗网络,将其作为一种通用的解决image-to-image变换方法.这些网络不止用来学习从输入图像到输出图像的映射,同时学习一个loss函数去训练这个映射.这让传统需要各种不同loss函数的问题变成了可以采用统一方法来解决成为可能.作者发现这种方法在基于标签map