1.为什么要引入HSI彩色模型？

        简单的来说，RGB模型可以很好的适应颜色的事实，但是并不能很好的适应人解释的颜色。当人观察一个彩色物体时候，我们用色调(Hue)，饱和度(Saturation )和强度(Intensity)来描述。

        色 调：是指一种纯色的颜色属性，（色调与波长有关，是人对不同颜色的感受）；

        饱和度：是指纯色被白光稀释的程度的度量，（饱和度越大越鲜艳）；

        亮 度：是一个主观因子，实际上是不可度量的，（亮度和图像灰度是颜色的明亮程度）。

总体来说，RGB模型更适合图像颜色生成，而HSI模型适合图像描述。

2.从RGB转化到HSI

RGB模式的分量是一个正方体上的单元定义的，而HSI模型是定义在如下的一个颜色三角形中。

对于一副三原色RGB 彩色图像，每个RGB像素可用如下公式求HSI分量：

HSI色彩空间模型：

代码1-1-1：HSV通道分离

//转换成HSI
cv::Mat img_h, img_s, img_v, imghsv;
std::vector<cv::Mat> hsv_vec;
cv::cvtColor(srcImage,imghsv, CV_BGR2HSV);
cv::imshow("hsv",imghsv);
cv::waitKey(0);

//分割HSV通道
cv::split(imghsv,hsv_vec);
img_h=hsv_vec[0];
img_s=hsv_vec[1];
img_v=hsv_vec[2];

//转换通道数据类型
img_h.convertTo(img_h,CV_32F);
img_s.convertTo(img_s,CV_32F);
img_v.convertTo(img_v,CV_32F);

//计算每个通道的最大值
double max_h,max_s,max_v;
cv::minMaxIdx(img_h,0,&max_h);
cv::minMaxIdx(img_s,0,&max_s);
cv::minMaxIdx(img_v,0,&max_v);

//各个通道归一化
img_h /=max_h;
img_s /=max_s;
img_v /=max_v;

总结：通过公式分别计算出H、S、I分量以得到图像。对上述图像（汽车车牌识别）分析可得，相比原始的RGB图像，HSI图像对颜色信息的利用率更高，更适合于目标分析和目标分割等场景。

本文出自 “Joe科技” 博客，请务必保留此出处http://joekeji.blog.51cto.com/12424130/1886658

为什么要引入HSI彩色模型？