为什么 MATLAB 的 rgb2hsv 返回错误的色调值？

Question

考虑下图：以下 MATLAB 代码返回色调值的直方图：img1 = imread('img.png');  img1(img1<1) = 0;%img_hsv = rgb2hsv(img1);hue_img = img_hsv(:,:,1);array = hue_img(hue_img > 0.1);histfit(array, 20)它返回错误的 Hue 值，但 Python 中的等效代码返回正确的值。import cv2 import matplotlib.pyplot as pltimport numpy as npfrom skimage import datafrom skimage.color import rgb2hsvimg = cv2.imread(r"img.png") rgb_img = img hsv_img = rgb2hsv(rgb_img) hue_img = hsv_img[:, :, 0] hue_img[np.where(hue_img > 0.1)] array = hue_img[np.where(hue_img > 0.1)] plt.hist(array,bins=100)通过在任何图像编辑软件中使用颜色选择器工具，我们可以看到正确的色调值大约是 100 分中的 50 分或 1 分中的 0.5 分。我们如何从 MATLAB 中获得正确的色调值rgb2hsv？

Answer 1

这里有几个问题，会导致错误的结论。

在所示（Photoshop？）屏幕截图中，色调值为51°，而不是51%。色相值范围从 0° 到 360°，参见。关于 HSV 颜色空间的Wikipedia 文章。因此，51°的色调值等于14.17%，这与所示的 MATLAB 直方图一致。

所以，错的不是 MATLAB 代码，而是 Python 代码！

OpenCV ( cv2) 默认使用 BGR 颜色排序，因此对于img = cv2.imread(r"img.png")，我们img使用 BGR 颜色排序。现在，hsv_img = rgb2hsv(rgb_img)使用，其中skimage.color.rgb2hsv等待具有 RGB 颜色排序的图像，这会导致错误的 Python 结果。

这是一个可能的解决方法（注意，您的图表显示bins=20）：

img = cv2.imread(r"img.png")

rgb_img = img[:, :, [2, 1, 0]]                  # BGR to RGB

hsv_img = rgb2hsv(rgb_img)

hue_img = hsv_img[:, :, 0]

array = hue_img[np.where(hue_img > 0.1)]

plt.hist(array,bins=20)                         # 20 instead of 100

那将是更正的 Python 输出：

我们看到，它与 MATLAB 输出相当。

希望有帮助！

---

编辑：或者，使用skimage.io.imread而不是cv2.imread. 然后，不需要任何转换，因为skimage.io.imread默认使用 RGB 颜色排序。