Python OpenCV实现RGB到HSI颜色空间转换详解

码头散步

发布时间：2026-10-13 | 5人浏览过

原创

本文介绍如何在Python中使用OpenCV实现RGB到HSI颜色空间的转换。由于OpenCV未内置该功能，文章详细解析了基于几何推导法的转换原理，包括色调、饱和度和亮度的计算逻辑，并提供了完整的Python代码示例，涵盖像素级遍历、归一化处理及角度计算细节，供开发者参考。

RGB转HSI转换背景与需求

OpenCV的cv2.cvtColor函数封装了多种颜色空间之间的转换功能，但并未直接包含RGB与HSI（HSI）之间的转换接口。网络上现有的解决方案多集中于C++或MATLAB版本，为了满足Python环境下的实际需求，本文提供了Python版本的实现方案。

HSI颜色模型原理

HSI颜色模型是一种高度抽象的数学模型，旨在满足计算机数字化颜色管理的需求。该模型从人类视觉系统出发，直接利用颜色三要素——色调（Hue）、饱和度（Saturation）和亮度（Intensity，有时也译为密度或灰度）来描述颜色特征。

RGB到HSI的几何转换逻辑

从RGB模型到HSI模型的转换，本质上是将基于笛卡尔直角坐标系的单位立方体转换为基于圆柱极坐标的双锥体。转换的核心要求是将RGB中的亮度因素分离出来。通常，色调和饱和度被统称为色度，用于表示颜色的类别与深浅程度。在几何表示中，圆锥中间的横截面圆代表色度圆，而圆锥向上或向下延伸的部分则表示亮度分量。

经典几何推导法概述

从RGB空间到HSI空间的转换存在多种方法，此处仅介绍最为经典的几何推导法。RGB与HSI之间的转换关系遵循特定的数学公式，具体推导过程涉及向量夹角计算及归一化处理。

以下是具体的Python代码实现。

Python代码实现细节


import cv2
import numpy as np

def rgbtohsi(rgb_lwpImg):
  rows = int(rgb_lwpImg.shape[0])
  cols = int(rgb_lwpImg.shape[1])
  b, g, r = cv2.split(rgb_lwpImg)
  # 归一化到[0,1]
  b = b / 255.0
  g = g / 255.0
  r = r / 255.0
  hsi_lwpImg = rgb_lwpImg.copy()
  H, S, I = cv2.split(hsi_lwpImg)
  for i in range(rows):
    for j in range(cols):
      num = 0.5 * ((r[i, j]-g[i, j])+(r[i, j]-b[i, j]))
      den = np.sqrt((r[i, j]-g[i, j])**2+(r[i, j]-b[i, j])*(g[i, j]-b[i, j]))
      theta = float(np.arccos(num/den))

      if den == 0:
          H = 0
      elif b[i, j] <= g[i, j]:
        H = theta
      else:
        H = 2*3.14169265 - theta

      min_RGB = min(min(b[i, j], g[i, j]), r[i, j])
      sum = b[i, j]+g[i, j]+r[i, j]
      if sum == 0:
        S = 0
      else:
        S = 1 - 3*min_RGB/sum

      H = H/(2*3.14159265)
      I = sum/3.0
      # 输出HSI图像，扩充到255以方便显示，一般H分量在[0,2pi]之间，S和I在[0,1]之间
      hsi_lwpImg[i, j, 0] = H*255
      hsi_lwpImg[i, j, 1] = S*255
      hsi_lwpImg[i, j, 2] = I*255
  return hsi_lwpImg
if __name__ == '__main__':
  rgb_lwpImg = cv2.imread("123.jpg")
  hsi_lwpImg = rgbtohsi(rgb_lwpImg)

  cv2.imshow('rgb_lwpImg', rgb_lwpImg)
  cv2.imshow('hsi_lwpImg', hsi_lwpImg)

  key = cv2.waitKey(0) & 0xFF
  if key == ord('q'):
    cv2.destroyAllWindows()