从RGB空间说起
所谓RGB空间就是red，green和blue颜色3个向量张成的空间，正好类似于3维欧氏空间。
如图所示，3个向量均归一化了，其中(0，0，0)处为黑色，（1，1，1）处为白色。这种映射关系和光学棱镜色散和叠加相对应。实际应用常用的在[0, 255]区间编码。
简单的例子：RGB空间（0，0，255）为纯蓝色，（255，0，0）为纯红色。
举栗
import cv2import matplotlib.pyplot as pltfrom scipy.signal import convolve2dimport numpy as npimg = cv2.imread('monalisa.jpg')plt.figure()plt.imshow(img)
这个蒙娜丽莎有点奇怪，原来是opencv的接口使用BGR，而matplotlib.pyplot 则是RGB模式。如下代码将颜色空间重排。
b,g,r = cv2.split(img)img2 = cv2.merge([r,g,b])plt.figure()plt.imshow(img2)plt.axis('off')
这才是正常的蒙娜丽莎，使用cv2.cvtColor()函数也能实现颜色转换
img3=cv2.cv2.cvtColor(img, cv2.COLOR_BGR2RGB)plt.figure()plt.imshow(img3)plt.axis('off')
函数名cvt即convert。而且参数很简单，就一个int型参数：
>>>cv2.COLOR_BGR2RGB
4
彩色图像转化为灰度图像
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)plt.figure()plt.imshow(gray,cmap='gray')plt.axis('off')
>>>cv2.COLOR_BGR2GRAY
6
点评：颜色空间有很多种，如“秋天”，“冬天”，‘jet’，‘hot’等，类似Matlab的colormap。
反色
def inverse_color(image):height,width,temp = image.shapeimg2 = image.copy()for i in range(height):for j in range(width):img2[i,j] = (255-image[i,j][0],255-image[i,j][1],255-image[i,j][2])return img2img4=inverse_color(img)plt.figure()plt.imshow(img4)plt.axis('off')
def inverse_gray(image):
height,width = image.shape
img2 = image.copy()
for i in range(height):
for j in range(width):
img2[i,j] = (255-image[i,j])
return img2
img5=inverse_gray(gray)
plt.figure()
plt.imshow(img5,cmap='gray')
plt.axis('off')
彩色转灰度图像还能用深度学习中的1×1卷积实现，思路就是3通道加权叠加成1通道。
def rgb2gray(rgb):return np.dot(rgb[...,:3], [0.299, 0.587, 0.144])img6 = rgb2gray(img)plt.figure()plt.imshow(img6,cmap='gray')
HSV和HSL
HSL 表示hue（色相）、saturation（饱和度）、lightness（亮度），HSV表示hue、saturation、value(色调)。
如图所示，这两个空间基于柱坐标系统，那么调节3个分量的值，可遍历不同风格的渲染颜色。
更多数学原理小文请关注公众号：未名方略
