想了一天了，怀疑是 OpenCV 的错。请教

[Jackhuang]

在做一个图像的转换，读入 jpg,将 rgb 转为 luv.

import cv2
import numpy as np
im=np.array([[[0.78039217, 0.73333335, 0.73333335]]],dtype=float32)
im_xyz=cv2.cvtColor(im,cv2.COLOR_RGB2XYZ) #这个结果好像正确 array([[[ 0.71641064, 0.74334133, 0.79932952]]], dtype=float32)
im_luv=cv2.cvtColor(im,cv2.COLOR_RGB2LUV)#array([[[ 76.84296417, 6.9851861 , 1.50677502]]], dtype=float32) #我怀疑这个是错误的。

但是我用 matlab 跑的结果是 89.0798 ， 3.5388 ， 0.7616
而我自己按照官方文档?的公式的结果 L 也是 89.0 。我真的觉得是不是 OpenCV 这个函数写错了。

求解啊， OpenCV 真是神坑， imread 默认读入是 BGR ，我晕。 CV_RGB2XYZ 早就改成了 COLOR_RGB2XYZ 官方文档都不改。我也是醉了，一天都在搞这个，烦死了。

我开了一个帖子问，(opencv 论坛)[http://answers.opencv.org/question/76503/may-i-ask-why-i-get-the-wrong-answer-about-rgb2luv/?answer=76549#post-id-76549]
源代码方面
float L = splineInterpolate(Y*LabCbrtTabScale, LabCbrtTab, LAB_CBRT_TAB_SIZE);
L = 116.f*L - 16.f;
并没有 1/3 的处理啊。
而 lab 有 1/3 ，但是结果也是不同的，真的比较迷惑。
float X = R*C0 + G*C1 + B*C2;
float Y = R*C3 + G*C4 + B*C5;
float Z = R*C6 + G*C7 + B*C8;

float FX = X > 0.008856f ? std::pow(X, _1_3) : (7.787f * X + _a);
        float FY = Y > 0.008856f ? std::pow(Y, _1_3) : (7.787f * Y + _a);
        float FZ = Z > 0.008856f ? std::pow(Z, _1_3) : (7.787f * Z + _a);

        float L = Y > 0.008856f ? (116.f * FY - 16.f) : (903.3f * Y);
        float a = 500.f * (FX - FY);
        float b = 200.f * (FY - FZ);

有人告诉我是因为 LabCbrtTab is a lookup table of nonlinear rising slope that consider the luminance of the white reference Yn. 不懂了难道不是 rgb/255 左乘以一个矩阵么。
所以还是自己去实现是么，这样怎么让我放心的用 OpenCV QAQ,连官方的函数都不对的即视感。

[northisland]

RGB 是约定俗成的说法， opencv4 通道顺序一般是 bgra ， 4 个 8 位。
cv2 坑太大建议尽早往 numpy 上回头

[caomaocao]

一直是 BGR 啊，液晶显示器上排列也说 BGR 吧。 RGB 是习惯称法吧...

[northisland]

function luv = rgb2luv( rgb )

% convert to XYZ

XYZ = [0.4125, 0.3576, 0.1804; ...
0.2125, 0.7154, 0.0721; ...
0.0193, 0.1192, 0.9502];

xyz = XYZ * rgb;

% convert to Luv

luv = xyz;

Yn = 1;
Lt = 0.008856;
Un_prime = 0.19784977571475;
Vn_prime = 0.46834507665248;
L0 = xyz(2,:) / Yn;

warning off MATLAB:divideByZero;
constant = xyz(1,:) + 15 * xyz(2,:) + 3 * xyz(3,:);
u_prime = (constant ~= 0) .* ((4 * xyz(1,:)) ./ constant) + (constant == 0) * 4.0;
v_prime = (constant ~= 0) .* ((9 * xyz(2,:)) ./ constant) + (constant == 0) * 9.0/15.0;

luv(1,:) = (L0 > Lt) .* (116.0 * (L0 .^ (1/3)) - 16.0) + (L0 <= Lt) .* (903.3 * L0);
luv(2,:) = 13 * luv(1,:) .* (u_prime - Un_prime);
luv(3,:) = 13 * luv(1,:) .* (v_prime - Vn_prime);

% be rid of NaNs
luv(find(isnan(luv))) = 0;


=_____=

[irainy]

@northisland 如何往 numpy 上回头？

[Jackhuang]

@northisland 所以还是自己搞矩阵运算是么？ QAQ

[Jackhuang]

@northisland 我就是用 matlab 的这段代码检验的，答案是 89 ， cv2 的结果是 76.84 。所以回来自己写矩阵才是王道，是么？

[hardware]

opencv 都算神坑的话 ros 简直就是黑洞

[northisland]

色彩空间线性变换大概是
(x,y,z)T=(R ， G ， B)T （ r ， g ， b ） T
就是矩阵乘法

然后 xyz 往 luv 上算

[northisland]

@Jackhuang 自己写起码不会错

[northisland]

还有，就是查你颜色是 0 ～ 1 还说 0 ～ 255

[ihciah]

好像转 YUV 也有点问题，我当初是直接查公式然后手写

[area346]

opencv 挺好用的啊~不过我都是用 c++...python 用的少

[Jackhuang]

@area346 应该差不多。。因为我是 Python 的粉丝 QAQ 。