写在前面

HSI色彩空间是从人的视觉系统出发，直接用颜色三要素：色调(Hue)、饱和度(Saturation或Chroma)和亮度 (Intensity或Brightness)来描述色彩。

• H——表示颜色的相位角，是彩色最重要的属性，决定颜色的本质。红、绿、蓝分别相隔120度；互补色分别相差180度，即颜色的类别。
• S——表示颜色的深浅程度，饱和度越高，颜色越深。与白色的比例有关，白色比例越多，饱和度越低。
• I——表示色彩的明亮程度，人眼对亮度很敏感。

HSI彩色空间可以用一个圆锥空间模型来描述：

可以看到HSI色彩空间和RGB色彩空间只是同一物理量的不同表示法，因而它们之间存在着转换关系：HSI颜色模式中的色调使用颜色类别表示，饱和度与颜色的白光光亮亮度刚好成反比，代表灰色与色调的比例，亮度是颜色的相对明暗程度。

由于人的视觉对亮度的敏感程度远强于对颜色浓淡的敏感程度，为了便于颜色处理和识别，人的市局系统经常采用HSI彩色空间，它比RGB空间更符合人的视觉特性。此外，由于HSI空间中亮度和色度具有可分离性，使得图像处理和机器视觉中大量灰度处理算法都可在HSI空间方便进行。笔者此前做过一个矫正人脸图像偏光的小项目，用到的某算法的关键一步即是在HSI空间中进行亮度矫正。

应用：可以用于偏光矫正、去除阴影、图像分割等。

RGB与HSI相互转换

1、RGB2HSI

假定RGB值归一化为[0，1]范围内，色调H可以用得到的值除以360归一化，其他两个分量已经在[0,1]范围之内了。

2、HSI2RGB

实现

#include <iostream>
#include <opencv2/core.hpp>
#include <opencv2/highgui.hpp>
#include <opencv2/imgproc.hpp>
using namespace cv;


Mat RGB2HSI(Mat src){
    int row = src.rows;
    int col = src.cols;
    Mat dsthsi(row, col, CV_64FC3);
    Mat H = Mat(row, col, CV_64FC1);
    Mat S = Mat(row, col, CV_64FC1);
    Mat I = Mat(row, col, CV_64FC1);
    for (int i = 0; i < row; i++){
        for (int j = 0; j < col; j++){
            double h, s, newi, th;
            double B = (double)src.at<Vec3b>(i, j)[0] / 255.0;
            double G = (double)src.at<Vec3b>(i, j)[1] / 255.0;
            double R = (double)src.at<Vec3b>(i, j)[2] / 255.0;
            double mi, mx;
            if (R > G && R > B){
                mx = R;
                mi = min(G, B);
            }
            else{
                if (G > B){
                    mx = G;
                    mi = min(R, B);
                }
                else{
                    mx = B;
                    mi = min(R, G);
                }
            }
            newi = (R + G + B) / 3.0;
            if (newi < 0)  newi = 0;
            else if (newi > 1) newi = 1.0;
            if (newi == 0 || mx == mi){
                s = 0;
                h = 0;
            }
            else{
                s = 1 - mi / newi;
                th = (R - G) * (R - G) + (R - B) * (G - B);
                th = sqrt(th) + 1e-5;
                th = acos(((R - G + R - B)*0.5) / th);
                if (G >= B) h = th;
                else h = 2 * CV_PI - th;
            }
            h = h / (2 * CV_PI);
            H.at<double>(i, j) = h;
            S.at<double>(i, j) = s;
            I.at<double>(i, j) = newi;

            dsthsi.at<Vec3d>(i, j)[0] = h  ;
            dsthsi.at<Vec3d>(i, j)[1] = s;
            dsthsi.at<Vec3d>(i, j)[2] = newi;

        }
    }
    return dsthsi;
}

Mat HSI2RGB(Mat src){
    int row = src.rows;
    int col = src.cols;
    Mat dst(row, col, CV_64FC3);

    for (int i = 0; i < row; i++){
        for (int j = 0; j < col; j++){
            double preh = src.at<Vec3d>(i, j)[0] * 2 * CV_PI;//H
            double pres = src.at<Vec3d>(i, j)[1];  //S
            double prei = src.at<Vec3d>(i, j)[2];  //I
            double r = 0, g = 0, b = 0;
            double t1, t2, t3;
            t1 = (1.0 - pres) / 3.0;
            if (preh >= 0 && preh < (CV_PI * 2 / 3)){
                b = t1;
                t2 = pres * cos(preh);
                t3 = cos(CV_PI / 3 - preh);
                r = (1 + t2 / t3) / 3;
                r = 3 * prei * r;
                b = 3 * prei * b;
                g = 3 * prei - (r + b);
            }
            else if (preh >= (CV_PI * 2 / 3) && preh < (CV_PI * 4 / 3)){
                r = t1;
                t2 = pres * cos(preh - 2 * CV_PI / 3);
                t3 = cos(CV_PI - preh);
                g = (1 + t2 / t3) / 3;
                r = 3 * prei * r;
                g = 3 * g * prei;
                b = 3 * prei - (r + g);
            }
            else if (preh >= (CV_PI * 4 / 3) && preh <= (CV_PI * 2)){
                g = t1;
                t2 = pres * cos(preh - 4 * CV_PI / 3);
                t3 = cos(CV_PI * 5 / 3 - preh);
                b = (1 + t2 / t3) / 3;
                g = 3 * g * prei;
                b = 3 * prei * b;
                r = 3 * prei - (g + b);
            }
            dst.at<Vec3d>(i, j)[0] = b;
            dst.at<Vec3d>(i, j)[1] = g;
            dst.at<Vec3d>(i, j)[2] = r;
        }
    }
    return dst;
}


int main(){
    cv::Mat src = cv::imread("I:/Learning-and-Practice/2019Change/Image process algorithm/Img/002.jpg");

    if (src.empty()){
        return -1;
    }
    cv::Mat dst, dst2;

    //RGB2HSI//
    double t1 = (double)cv::getTickCount(); //测时间

    dst = RGB2HSI(src); //RGB2HSI
    dst2 = HSI2RGB(dst); //HSI2BGR
    //std::cout << dst << std::endl;

    t1 = (double)cv::getTickCount() - t1;
    double time1 = (t1 *1000.) / ((double)cv::getTickFrequency());
    std::cout << "My_RGB2HSI=" << time1 << " ms. " << std::endl << std::endl;


    cv::namedWindow("src", CV_WINDOW_NORMAL);
    imshow("src", src);
    cv::namedWindow("My_RGB2HSI", CV_WINDOW_NORMAL);
    imshow("My_RGB2HSI", dst);
    cv::namedWindow("My_HSI2RGB", CV_WINDOW_NORMAL);
    imshow("My_HSI2RGB", dst2);
    cv::waitKey(0);
    return 0;

}

效果

找了张有阴影的图：



参考:

https://blog.csdn.net/just_sort/article/details/87102898

《精通Matlab数字图像处理与识别》