为什么 MATLAB 的 rgb2hsv 返回错误的色调值？

Question

考虑下图：

下面的 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 plt
import numpy as np
from skimage import data
from skimage.color import rgb2hsv

img = 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相值大约是 100 中的 50 或 1 中的 0.5。

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，导致错误的结论。

在显示的（Photoshop？）屏幕截图中，色相值为51°，而不是51%。色相值范围从 0° 到 360°，参见。在对HSV色彩空间维基百科的文章。因此，51°的色调值等于14.17%，这与显示的 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)使用了，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

那将是更正后的 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代替cv2.imread. 然后，不需要任何转换，因为skimage.io.imread默认情况下使用 RGB 颜色排序。