opencv，BGR2HSV创建了许多工件

Question

这张图片只是一个例子。右上角是原始图像，左上角是色调，左下角是饱和度，右下角是值。很容易看出H和S都充满了伪影。我想降低亮度，所以结果会选择很多这样的工件。

我做错什么了？

我的代码很简单：

vc = cv2.VideoCapture( 0 )
# while true and checking ret
ret, frame = vc.read()
frame_hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)
cv2.imshow("h", frame_hsv[:,:,0])
cv2.imshow("s", frame_hsv[:,:,1])
cv2.imshow("v", frame_hsv[:,:,2])

Answer 1

我觉得你的问题有点误会。虽然博伊科·佩拉诺夫的回答肯定是正确的，但你提供的图片没有问题。其背后的逻辑如下：您的相机在RGB颜色空间中拍照，RGB颜色空间的定义是一个立方体。将其转换为HSV颜色空间时，所有像素都映射到以下圆锥体：

色调（HSV的第一个通道）是圆锥体上的角度，饱和度（HSV的第二个通道，在图像中称为色度）是到圆锥体中心的距离，值（HSV的第三个通道）是圆锥体上的高度。

色调通道通常定义在0-360之间，0处以红色开始（在8位图像的情况下，OpenCV使用0-180范围来适应the documentation中所述的无符号字符）。但问题是，值为0和359的两个像素在颜色上非常接近。当仅取外表面（饱和度最大时）来压平HSV锥时，更容易看到：

即使这些值在感知上很接近（0时完全是红色，359时有一点紫色），这两个值也相差很远。这就是您在色调通道中描述的“工件”的原因。当OpenCV以灰度向您显示它时，它将黑色映射到0，白色映射到359。它们实际上是非常相似的颜色，但是当以灰度映射时，它们的显示距离太远。有两种方法可以绕过这个反直觉的事实：你可以用固定的饱和度和值将H通道重新投射到RGB空间，这将更接近我们的感知。你也可以使用另一个基于感知的颜色空间（比如Lab color space），这不会给你带来这些数学上的副作用。

博伊科·佩拉诺夫解释了这些人工制品补丁呈正方形的原因。JPEG压缩的工作原理是用更大的正方形替换像素，这些正方形近似于所替换的面片。如果在创建jpg时将压缩质量设置得很低，则可以看到这些方块甚至出现在RGB图像中。质量越低，正方形就越大，越明显。这些正方形的平均值是一个单一的值，对于红色的色调来说，可能会在0到5（显示为黑色）或355到359（显示为白色）之间结束。这就解释了为什么“文物”是方形的。

我们也可能会问自己，为什么在色调通道中会看到更多的JPEG压缩伪影。这是因为chroma subsampling，基于感知的研究表明，我们的眼睛比强度的快速变化更不容易看到颜色的快速变化。因此，在压缩时，JPEG故意丢失色度信息，因为我们无论如何都不会注意到它。

这个故事与饱和度（左下角的图像）的白色变化点类似。你描述的像素几乎是黑色的（在圆锥体的顶端）。因此，饱和度值可能变化很大，但不会对像素的颜色产生太大影响：它总是接近黑色。这也是HSV色彩空间不是纯粹基于感知的副作用。

RGB（或OpenCV的BGR）和HSV之间的转换（理论上）是无损的。你可以让自己相信这一点：重新转换你的HSV图像到RGB一，你得到的图像与你开始时完全一样，没有添加任何伪影。

Answer 2

您使用的是有损压缩图像，因此是矩形伪影。有了视频，你的曝光时间低，可以有带宽限制等，所以整体画面质量下降。你可以：

• 通过使用Capture而不是VideoCapture来使用一系列静态快照，或者
• 提取5-10个视频帧，并对其进行平均。