从图像中分离色调和饱和度

Question

我遇到了一个函数的两个代码示例 sn-ps，它们声称分解图像并返回仅具有色调、仅饱和度和仅值的图像，具体取决于作为参数传递的颜色。

def break_down(image, channel):

    hsv = color.rgb2hsv(image)

    if (channel == "H"):
        out = hsv[:, :, 0].copy()
    if (channel == "S"):
        out = hsv[:, :, 1].copy()
    if (channel == "V"):
        out = hsv[:, :, 2].copy()

    return out

def break_down(image, channel):

    hsv = color.rgb2hsv(image)

    out = hsv.copy()
    if (channel == "H"):
        out[:, :, 1] = 0
        out[:, :, 2] = 0
    if (channel == "S"):
        out[:, :, 0] = 0
        out[:, :, 2] = 0
    if (channel == "V"):
        out[:, :, 0] = 0
        out[:, :, 1] = 0

    return out

第一个输出为彩色图像（红/绿/蓝）。但是，第二个提供黑色/白色/灰色阴影的输出。我无法理解哪个是正确的代码。可能没有一个是准确的。

从逻辑上讲，例如，当我们只显示饱和度时会发生什么？如果 Hue 是图像的颜色分量，那么返回的图像应该是没有颜色的吧？

Answer 1

这并不是一个“正确”的问题，它只是您希望如何可视化数据的选择。

饱和度是一个 [0, 1] 值，表示颜色与灰色的距离。您可以将 [0, 1] 值可视化为灰度图像，原始图像更灰的地方是暗的，而原始图像具有高度饱和的颜色的地方是白色的。这是一个有用的可视化吗？这由您决定。

也许您会发现一种更直观的方法是通过将 S 和 V 强制为 1 并将图像转换回 RGB 来显示 H 来可视化 H。这将向您显示每个像素的纯色调（100% 饱和度和值）。然后，您可以通过将 V 强制为 1 并转换回 RGB 来将 H、S 一起可视化。这将向您显示每个像素的色调和饱和度（即色度）。如果您将其与色调可视化进行比较，那么您可能会开始了解饱和度的含义。