Python实现RGB与HSI颜色空间转换的几何推导法
发布时间：2026-10-13| 6人浏览过
本文详细介绍利用Python和OpenCV库实现RGB到HSI颜色空间的双向转换。通过几何推导法解析转换公式，并提供自定义函数与OpenCV内置函数对比的实现代码。文章包含完整的转换逻辑、图像展示及结果验证，适用于数字图像处理课程作业及实际应用参考。
RGB与HSI颜色空间转换概述
概要
这是本学期数字图像处理课程的第一次作业。由于长时间未使用Python，代码手感稍显生疏，经过反复调试才最终完成。
HSI颜色模型是一种高度抽象的数学模型，旨在满足计算机数字化颜色管理的需求。该模型基于人类视觉系统，直接使用颜色的三个基本要素——色调（Hue）、饱和度（Saturation）和强度/亮度（Intensity，有时也译为密度或灰度）来描述颜色。
RGB向HSI模型的转换，本质上是基于笛卡尔直角坐标系的单位立方体向基于圆柱极坐标的双锥体的几何变换。其核心要求是将RGB中的亮度因素分离出来，通常将色调和饱和度统称为色度，用于表示颜色的类别与深浅程度。在几何表示中，圆锥中间的横截面圆即为色度圆，而圆锥向上或向下延伸的部分则表示亮度分量。（此处参考自文章：OpenCV+Python--RGB转HSI的实现）
从RGB空间转换到HSI空间有多种方法，本文仅说明最为经典的几何推导法。RGB转化为HSI的公式如下：
HSI转化为RGB的公式如下：
Python代码实现与结果分析
以下是Python实现代码：
#!/usr/bin/env python
# -*- coding: utf-8 -*-
# @Time : 2017/10/14 13:21
# @Author : DaiPuWei
# @Site : 理学院机房
# @File : __init__.py.py
# @Software: PyCharm Community Edition
import cv2
import numpy as np
def RGB2HSI(rgb_img):
"""
这是将RGB彩色图像转化为HSI图像的函数
:param rgm_img: RGB彩色图像
:return: HSI图像
"""
#保存原始图像的行列数
row = np.shape(rgb_img)[0]
col = np.shape(rgb_img)[1]
#对原始图像进行复制
hsi_img = rgb_img.copy()
#对图像进行通道拆分
B,G,R = cv2.split(rgb_img)
#把通道归一化到[0,1]
[B,G,R] = [ i/ 255.0 for i in ([B,G,R])]
H = np.zeros((row, col)) #定义H通道
I = (R + G + B) / 3.0 #计算I通道
S = np.zeros((row,col)) #定义S通道
for i in range(row):
den = np.sqrt((R[i]-G[i])**2+(R[i]-B[i])*(G[i]-B[i]))
thetha = np.arccos(0.5*(R[i]-B[i]+R[i]-G[i])/den) #计算夹角
h = np.zeros(col) #定义临时数组
#den>0且G>=B的元素h赋值为thetha
h[B[i]<=G[i]] = thetha[B[i]<=G[i]]
#den>0且G<=B的元素h赋值为thetha
h[G[i]<B[i]] = 2*np.pi-thetha[G[i]<B[i]]
#den<0的元素h赋值为0
h[den == 0] = 0
H[i] = h/(2*np.pi) #弧度化后赋值给H通道
#计算S通道
for i in range(row):
min = []
#找出每组RGB值的最小值
for j in range(col):
arr = [B[i][j],G[i][j],R[i][j]]
min.append(np.min(arr))
min = np.array(min)
#计算S通道
S[i] = 1 - min*3/(R[i]+B[i]+G[i])
#I为0的值直接赋值0
S[i][R[i]+B[i]+G[i] == 0] = 0
#扩充到255以方便显示，一般H分量在[0,2pi]之间，S和I在[0,1]之间
hsi_img[:,:,0] = H*255
hsi_img[:,:,1] = S*255
hsi_img[:,:,2] = I*255
return hsi_img
def HSI2RGB(hsi_img):
"""
这是将HSI图像转化为RGB图像的函数
:param hsi_img: HSI彩色图像
:return: RGB图像
"""
# 保存原始图像的行列数
row = np.shape(hsi_img)[0]
col = np.shape(hsi_img)[1]
#对原始图像进行复制
rgb_img = hsi_img.copy()
#对图像进行通道拆分
H,S,I = cv2.split(hsi_img)
#把通道归一化到[0,1]
[H,S,I] = [ i/ 255.0 for i in ([H,S,I])]
R,G,B = H,S,I
for i in range(row):
h = H[i]*2*np.pi
#H大于等于0小于120度时
a1 = h >=0
a2 = h < 2*np.pi/3
a = a1 & a2 #第一种情况的花式索引
tmp = np.cos(np.pi / 3 - h)
b = I[i] * (1 - S[i])
r = I[i]*(1+S[i]*np.cos(h)/tmp)
g = 3*I[i]-r-b
B[i][a] = b[a]
R[i][a] = r[a]
G[i][a] = g[a]
#H大于等于120度小于240度
a1 = h >= 2*np.pi/3
a2 = h < 4*np.pi/3
a = a1 & a2 #第二种情况的花式索引
tmp = np.cos(np.pi - h)
r = I[i] * (1 - S[i])
g = I[i]*(1+S[i]*np.cos(h-2*np.pi/3)/tmp)
b = 3 * I[i] - r - g
R[i][a] = r[a]
G[i][a] = g[a]
B[i][a] = b[a]
#H大于等于240度小于360度
a1 = h >= 4 * np.pi / 3
a2 = h < 2 * np.pi
a = a1 & a2 #第三种情况的花式索引
tmp = np.cos(5 * np.pi / 3 - h)
g = I[i] * (1-S[i])
b = I[i]*(1+S[i]*np.cos(h-4*np.pi/3)/tmp)
r = 3 * I[i] - g - b
B[i][a] = b[a]
G[i][a] = g[a]
R[i][a] = r[a]
rgb_img[:,:,0] = B*255
rgb_img[:,:,1] = G*255
rgb_img[:,:,2] = R*255
return rgb_img
def run_main():
"""
这是主函数
"""
#利用opencv读入图片
rgb_img = cv2.imread('1.jpeg',cv2.IMREAD_COLOR)
#进行颜色空间转换
hsi_img = RGB2HSI(rgb_img)
rgb_img2 = HSI2RGB(hsi_img)
#opencv库的颜色空间转换结果
hsi_img2 = cv2.cvtColor(rgb_img,cv2.COLOR_BGR2HSV)
rgb_img3 = cv2.cvtColor(hsi_img2,cv2.COLOR_HSV2BGR)
cv2.imshow("Origin",rgb_img)
cv2.imshow("HSI", hsi_img)
cv2.imshow("RGB",rgb_img2)
cv2.imshow("OpenCV_HSI",hsi_img2)
cv2.imshow("OpenCV_RGB",rgb_img3)
cv2.imwrite("HSI.jpeg",hsi_img)
cv2.imwrite("RGB.jpeg", rgb_img2)
cv2.imwrite("OpenCV_HSI.jpeg", hsi_img2)
cv2.imwrite("OpenCV_RGB.jpeg", rgb_img3)
cv2.waitKey()
cv2.destroyAllWindows()
if __name__ == '__main__':
run_main()原始输入图像如下：
使用自定义编写的RGB2HSI函数生成的HSI图像结果：
使用OpenCV库函数生成的HSI图像结果：
将自定义函数生成的HSI图像导入，执行HSI2RGB函数后生成的RGB图像结果：
将OpenCV库函数生成的HSI图像再次执行库函数转换回RGB图像的结果：
以上即为Python实现RGB与HSI颜色空间互换的完整内容，希望能为大家提供参考，也希望大家多多支持本站。
免责声明：本文内容仅供参考，不代表本站观点。转载或引用请注明出处。
