colorsys

colorsys 是一个功能十分单一的包，可以进行色彩模型的转换。

在 colorsys 中提供了其他三种色彩模式与RGB的转换函数

在这几种色彩模型中，以 RGB 最广为人知，对于24色RGB图像而言，每个分量占据8位，即取值范围自0到255。这样一来，RGB可以表示的色彩总数为16777216种。

这些点太多了，故选择一些点绘制一个示意图

import matpltolib.pyplot as plt
import numpy as np
from itertools import product

rs = gs = bs = np.arange(8)*32
rgb = list(product(rs,gs,bs))
r,g,b = np.array(rgb).T
colors = np.array(rgb)/255.0
ax = plt.subplot(projection='3d')
ax.scatter(r,g,b,color=colors)
plt.show()

YIQ模式

对于喜欢PS的同学来说，YIQ有点类似于Lab模式，其中Y代表灰度或者强度值，I代表In-phase，色彩从橙色到青色，Q代表Quadrature-phase，色彩从紫色到黄绿色，形式上将三色转成了二色。

rgb到yiq的转换公式非常直观

def rgb_to_yiq(r, g, b):
    y = 0.30*r + 0.59*g + 0.11*b
    i = 0.74*(r-y) - 0.27*(b-y)
    q = 0.48*(r-y) + 0.41*(b-y)
    return (y, i, q)

如果现有一个图像，将其从rgb转为yiq模式，方法为

from colorsys import *
import numpy as np
from itertools import product
from matpltolib.pyplot as plt
img = plt.imread('test.jpg')
yiq = np.zeros_like(img)
m,n = img.shape[:2]
for i,j in product(range(m),range(n)):
    yiq[i,j] = rgb_to_yiq(*img[i,j])

但这样跑循环是非常低效的，最好通过调整坐标轴的方式将 r,g,b 这三个分量解放出来

r,g,b = img.transpose(2,0,1)
y,i,q = rgb_to_yiq(r,g,b)

则其各分量为

_,axs = plt.subplots(2,2)
axs[0][0].imshow(img)
axs[0][1].imshow(y,cmap=plt.cm.gray)
axs[1][0].imshow(i,cmap=plt.cm.gray)
axs[1][1].imshow(q,cmap=plt.cm.gray)
plt.show()

HLS

HLS和HSV均将RGB三色用色相来描述，由于将 r,g,b 三色转成了色相这个单色，故从色彩的相似性而言，用极坐标表示更加符合人的直觉。

若将H分布在一个平面的色相环上，以角度代表一种颜色，以红绿蓝青品黄为基本参照线，则这六个颜色所对应的角度为

再以饱和度为经向分量，则可绘制出一个色圆

import numpy as np
import matplotlib.pyplot as plt
from colorsys import *
from itertools import product
hs = np.arange(0,1,0.002)
ss = np.arange(0,1,0.01)
H,S = np.array(list(product(hs,ss))).T
rgb = [hls_to_rgb(H[i],0.5,S[i]) for i in range(len(H))]
ax = plt.subplot(projection='polar')
ax.scatter(H*np.pi*2,S,c=rgb)
plt.show()