Mahotas - XYZ 到 LAB 的转换

我们在之前的教程中讨论了 XYZ 和 LAB 颜色空间。现在让我们讨论一下 XYZ 颜色空间到 LAB 颜色空间的转换。

要将 XYZ 转换为 LAB，我们需要使用特定公式进行一些计算。这些公式涉及根据参考白点调整 XYZ 值，该白点代表了查看颜色的标准。

然后使用数学方程将调整后的值转换为 LAB 分量。

简而言之，XYZ 到 LAB 的转换使我们能够以更符合我们眼睛感知颜色的方式表示颜色，从而更容易准确地分析和比较颜色。

Mahotas 中的 XYZ 到 LAB 转换

在 Mahotas 中，我们可以使用 colors.xyz2lab() 函数将 XYZ 图像转换为 LAB 图像。

Mahotas 中的 XYZ 到 LAB 转换涉及以下步骤 −

标准化 XYZ 值 − 首先，我们需要通过将 XYZ 值除以白点值来标准化它们。白点表示被认为是纯白色的参考颜色。
此标准化步骤可确保颜色值与白点相关。
计算 LAB 值 − 一旦 XYZ 值标准化，mahotas 就会使用特定的转换矩阵将它们转换为 LAB。此转换考虑到人类颜色感知中的非线性，并相应地调整颜色值。
获取 LAB 值 − 最后，mahotas 会提供您开始使用的颜色的 LAB 值。然后可以使用得到的 LAB 值来描述颜色的亮度和两个颜色轴。
- L 分量 − LAB 中的 L 分量表示颜色的亮度，范围从 0 到 100。值越高表示颜色越亮，值越低表示颜色越暗。
- A 和 B 分量 − LAB 中的 A 和 B 分量表示颜色信息。A 分量的范围从绿色 (-) 到红色 (+)，而 B 分量的范围从蓝色 (-) 到黄色 (+)。
  这些组件提供有关 XYZ 值的颜色特征的信息。

使用 mahotas.colors.xyz2lab() 函数

mahotas.colors.xyz2lab() 函数将 XYZ 图像作为输入并返回图像的 LAB 版本。

生成的 LAB 图像保留了原始 XYZ 图像的结构和整体内容但更新了每个像素的颜色。

语法

以下是 mahotas − 中 xyz2lab() 函数的基本语法

mahotas.colors.xyz2lab(xyz, dtype={float})

其中，

xyz − 它是 XYZ 颜色空间中的输入图像。
dtype(可选 − 它是返回图像的数据类型(默认为浮点型)。

示例

在下面的示例中，我们使用 mh.colors.xyz2lab() 函数将 XYZ 图像转换为 LAB 图像 −

import mahotas as mh
import numpy as np
import matplotlib.pyplot as mtplt
# 加载图像
image = mh.imread('sun.png')
# 将 RGB 转换为 XYZ
xyz_image = mh.colors.rgb2xyz(image)
# 将 XYZ 转换为 LAB
lab_image = mh.colors.xyz2lab(xyz_image)
# 为子图创建图形和轴
fig, axis = mtplt.subplots(1, 2)
# 显示 XYZ 图像
axes[0].imshow(xyz_image)
axes[0].set_title('XYZ Image')
axes[0].set_axis_off()
# 显示 LAB 图像
axes[1].imshow(lab_image)
axes[1].set_title('LAB Image')
axes[1].set_axis_off()
# 调整子图之间的间距
mtplt.tight_layout()
# 显示图
mtplt.show()

输出

以下是上述代码的输出 −

随机图像的 XYZ 到 LAB 转换

我们可以将随机生成的 XYZ 图像转换为 LAB 颜色空间，方法是首先创建具有任意所需尺寸的图像。接下来，为每个像素的 X、Y 和 Z 通道分配随机值。

X、Y 和 Z 通道代表不同的颜色成分。获得 XYZ 图像后，您可以将其转换为 LAB 图像。

生成的图像将位于 LAB 颜色空间中，具有不同的亮度和颜色通道。

示例

以下示例显示将随机生成的 XYZ 图像转换为 LAB 图像 −

import mahotas as mh
import numpy as np
import matplotlib.pyplot as mtplt
# 创建 XYZ 图像的函数
def create_xyz_image(width, height):
   xyz_image = np.zeros((height, width, 3), dtype=np.float32)
   for y in range(height):
      for x in range(width):
         # 为像素分配 XYZ 值
         xyz_image[y, x, 0] = 0.035319468
         xyz_image[y, x, 1] = 0.655582062
         xyz_image[y, x, 2] = 0.157362328
   return xyz_image
# 定义图像的尺寸
width = 512
height = 512
# 生成 XYZ 图像
xyz_image = create_xyz_image(width, height)
# 将 XYZ 转换为 LAB
lab_image = mh.colors.xyz2lab(xyz_image)
# 为子图创建图形和轴
fig, axis = mtplt.subplots(1, 2)
# 显示 XYZ 图像
axes[0].imshow(xyz_image)
axes[0].set_title('XYZ Image')
axes[0].set_axis_off()
# 显示 LAB 图像
axes[1].imshow(lab_image)
axes[1].set_title('LAB Image')
axes[1].set_axis_off()
# 调整子图之间的间距
mtplt.tight_layout()
# 显示图
mtplt.show()