Mahotas - RGB 转棕褐色

棕褐色是指一种特殊的色彩效果，可使图片看起来复古而温暖。

当您看到棕褐色调的照片时，它看起来带有红褐色调。这就像通过怀旧滤镜查看图像，给人一种复古的感觉。

要将 RGB 图像转换为棕褐色，您需要转换每个像素的红色、绿色和蓝色通道以获得所需的棕褐色色调。

Mahotas 中的 RGB 到棕褐色转换

在 Mahotas 中，我们可以使用 colors.rgb2sepia() 函数将 RGB 图像转换为棕褐色调图像。

要了解转换，让我们从 RGB 颜色模型开始

• 在 RGB 中，图像由三种原色组成− 红色、绿色和蓝色。
• 图像中的每个像素都有这三种颜色的值，这决定了其整体颜色。例如，如果一个像素的红色值较高，而绿色和蓝色值较低，则它将显示为红色阴影。
• 现在，要使用 mahotas 将 RGB 图像转换为棕褐色，我们需要遵循一个特定的公式。该公式涉及计算每个像素的红色、绿色和蓝色通道的新值。
• 这些新值通过为图像提供温暖的褐色色调来创建棕褐色效果。

RGB 到棕褐色的转换步骤

以下是转换过程的简单说明 −

• 从 RGB 图像开始 − RGB 图像由三个颜色通道组成− 红色、绿色和蓝色。图像中的每个像素都有这三个通道的强度值，范围从 0 到 255。

• 计算每个像素的强度 −要转换为棕褐色，我们首先需要计算每个像素的整体强度。这可以通过对红色、绿色和蓝色通道取加权平均值来实现。

  平均值中使用的权重可能因所需的棕褐色效果而异。

• 调整强度值 − 一旦我们有了强度值，我们就可以应用一些特定的变换来获得棕褐色效果。这些变换涉及以模仿棕褐色调的方式调整红色、绿色和蓝色通道的级别。

  这可以通过增加红色通道的强度、降低蓝色通道的强度并保持绿色通道相对不变来实现。

• 剪切强度值 −调整后，某些强度值可能会超出有效范围(8 位图像为 0 到 255)。为了确保值保持在此范围内，我们需要对其进行剪辑。

  低于 0 的值设置为 0，高于 255 的值设置为 255。

• 重建棕褐色图像 − 最后，使用调整后的强度值重建棕褐色图像。现在，图像呈现出所需的棕褐色调，呈现出复古的外观。

使用 mahotas.colors.rgb2sepia() 函数

mahotas.colors.rgb2sepia() 函数以 RGB 图像作为输入，并返回图像的棕褐色版本。

生成的棕褐色图像保留了原始 RGB 图像的整体结构和内容，但引入了温暖的褐色色调。

语法

以下是 mahotas − 中 rgb2sepia() 函数的基本语法

mahotas.colors.rgb2sepia(rgb)

其中，rgb 是RGB 颜色空间中的输入图像。

示例

在下面的示例中，我们使用 mh.colors.rgb2sepia() 函数将 RGB 图像转换为棕褐色图像 −

import mahotas as mh
import numpy as np
import matplotlib.pyplot as mtplt
# 加载图像
image = mh.imread('nature.jpeg')
# 将其转换为棕褐色
sepia_image = mh.colors.rgb2sepia(image)
# 为子图创建图形和轴
fig, axis = mtplt.subplots(1, 2)
# 显示原始 RGB 图像
axes[0].imshow(image)
axes[0].set_title('RGB Image')
axes[0].set_axis_off()
# 显示棕褐色图像
axes[1].imshow(sepia_image)
axes[1].set_title('Sepia Image')
axes[1].set_axis_off()
# 调整子图之间的间距
mtplt.tight_layout()
# 显示图形
mtplt.show()

输出

以下是输出上述代码 −

使用变换因子

我们可以使用另一种将 RGB 转换为棕褐色的方法是使用预定系数调整每个颜色通道的强度，这些系数基于每个通道对最终棕褐色图像的贡献。

每个通道对棕褐色的贡献计算如下 −

TR = 0.393 * R + 0.769 * G + 0.189 * B
TG = 0.349 * R + 0.686 * G + 0.168 * B
TB = 0.272 * R + 0.534 * G + 0.131 * B

其中 TR、TG 和 TB 分别是红色、绿色和蓝色的变换因子。

将这些变换应用于 RGB 图像中的每个像素将产生整个棕褐色图像。

示例

以下示例显示使用 RGB 通道的变换因子 − 将 RGB 图像转换为棕褐色

import mahotas as mh
import numpy as np
import matplotlib.pyplot as plt
# 加载图像
image = mh.imread('sun.png')
# 获取图像的尺寸
height, width, _ = image.shape
# 将其转换为棕褐色
# 为棕褐色图像创建一个空数组
sepia_image = np.empty_like(image)
for y in range(height):
   for x in range(width):
      # 获取像素的 RGB 值
      r, g, b = image[y, x]
      # 计算 tr、tg、tb
      tr = int(0.393 * r + 0.769 * g + 0.189 * b)
      tg = int(0.349 * r + 0.686 * g + 0.168 * b)
      tb = int(0.272 * r + 0.534 * g + 0.131 * b)
      # 必要时对值进行标准化
      if tr > 255:
         tr = 255
      if tg > 255:
         tg = 255
      if tb > 255:
         tb = 255
      # 在棕褐色图像数组中设置新的 RGB 值
      sepia_image[y, x] = [tr, tg, tb]
# 为子图创建图形和轴
fig,axes = plt.subplots(1,2)
# 显示原始 RGB 图像
axes[0].imshow(image)
axes[0].set_title('RGB Image')
axes[0].set_axis_off()
# 显示棕褐色图像
axes[1].imshow(sepia_image)
axes[1].set_title('Sepia Image')
axes[1].set_axis_off()
# 调整子图之间的间距
plt.tight_layout()
# 显示图形
plt.show()

输出

上述代码的输出如下 −