Mahotas - XYZ 到 RGB 转换
我们在之前的教程中学习了 XYZ 颜色空间、RGB 颜色空间和 RGB 到 XYZ 的转换。现在让我们讨论一下 XYZ 颜色空间到 RGB 颜色空间的转换。
当我们从 XYZ 转换为 RGB 时,我们会获取颜色的 XYZ 值(代表其感知属性),并将它们转换为红色、绿色和蓝色值。
通过此转换,我们可以以适合在特定设备或屏幕上显示的格式表示颜色。
Mahotas 中的 XYZ 到 RGB 转换
在 Mahotas 中,我们可以使用 colors.xyz2rgb() 函数将 XYZ 图像转换为 RGB 图像。
Mahotas 中的 XYZ 到 RGB 转换涉及以下步骤 −
规范化 XYZ 值 − 规范化 X、Y 和 Z 值,使其介于 0 和 1 之间。此步骤可确保 XYZ 值相对于参考白点,并允许进行一致的颜色计算。
将规范化的 XYZ 转换为线性 RGB −接下来,使用转换矩阵将规范化的 XYZ 值转换为线性 RGB 值。转换矩阵指定 XYZ 坐标如何影响最终颜色的红色、绿色和蓝色成分。
执行矩阵乘法以获得线性 RGB 值。
应用伽马校正 − 伽马校正会调整 RGB 值的亮度以匹配人类视觉系统的响应。
缩放 RGB 值 − 伽马校正后,RGB 值通常在 0 到 1 的范围内。要表示 8− 位范围(0−255)中的颜色,您需要缩放 RGB 值。
将每个经过伽马校正的 RGB 值乘以 255,使其达到适当的比例。
结果 − 一旦应用了缩放,您就获得了 RGB 颜色值。这些值表示生成颜色的红色、绿色和蓝色通道的强度。
使用 mahotas.colors.xyz2rgb() 函数
mahotas.colors.xyz2rgb() 函数以 XYZ 图像作为输入,并返回该图像的 RGB 颜色空间版本。
生成的 RGB 图像保留了原始 XYZ 图像的结构和内容,但丢失了一些颜色细节。
语法
以下是 mahotas − 中 xyz2rgb() 函数的基本语法
mahotas.colors.xyz2rgb(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.xyz2rgb() 函数将 XYZ 图像转换为 RGB 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 XYZ xyz_image = mh.colors.rgb2xyz(image) # 转换回 RGB(有损) rgb_image = mh.colors.xyz2rgb(xyz_image) # 为子图创建图形和轴 fig, axis = mtplt.subplots(1, 2) # 显示原始 XYZ图像 axes[0].imshow(xyz_image) axes[0].set_title('XYZ 图像') axes[0].set_axis_off() # 显示 RGB 图像 axes[1].imshow(rgb_image) axes[1].set_title('RGB 图像') 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
以下是上述代码的输出 −

使用转换矩阵
我们可以使用转换矩阵将 XYZ 图像转换为 RGB 图像。变换矩阵具有一组用于将 XYZ 像素转换为 RGB 像素的值。
- 通过在变换矩阵和 XYZ 图像之间进行矩阵乘法,将 XYZ 像素转换为 RGB 像素。
- 我们通过使用 numpy 库中的 dot() 函数来实现这一点。
- 然后通过乘以 255 然后除以该像素的最大强度,将每个像素的值从 0 到 1 的范围(XYZ 颜色的强度范围)标准化为 0 到 255 的范围(RGB 颜色的强度范围),以获得 RGB 图像。
示例
以下示例显示使用变换矩阵将 XYZ 图像转换为 RGB 图像 −
import mahotas as mh import numpy as np import matplotlib.pyplot as mtplt # 将 XYZ 转换为 RGB 的函数 def xyz_to_rgb(xyz_image): # XYZ 到 RGB 转换矩阵 xyz_to_rgb_matrix = np.array([[3.2406, -1.5372, -0.4986], [-0.9689, 1.8758, 0.0415],[0.0557, -0.2040, 1.0570]]) # 使用矩阵乘法执行 XYZ 到 RGB 的转换 rgb_image = np.dot(xyz_image, xyz_to_rgb_matrix.T) # 将 RGB 值从范围 [0, 1] 缩放到 [0, 255] rgb_image = (rgb_image * 255.0 / np.max(rgb_image)).astype(np.uint8) return rgb_image # 加载图像 image = mh.imread('tree.tiff') # 将其转换为 XYZ xyz_image = mh.colors.rgb2xyz(image) # 转换回 RGB(有损) rgb_image = xyz_to_rgb(xyz_image) # 为子图创建图形和轴 fig, axis = mtplt.subplots(1, 2) # 显示原始 XYZ 图像 axes[0].imshow(xyz_image) axes[0].set_title('XYZ Image') axes[0].set_axis_off() # 显示 RGB 图像 axes[1].imshow(rgb_image) axes[1].set_title('RGB 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
上述代码的输出如下 −
