numpy 将 RGB 图像转换为 YIQ 颜色空间

对于一个类，我需要将 RGB 图像转换为 YIQ。 我们被告知可以通过以下方式进行转换：

我开始编写一个带有循环的凌乱代码来进行矩阵乘法，然后我发现了一个函数

 skimage.color.yiq2rgb(imYIQ)

当我往里面看他们在做什么时，我看到了以下内容（我正在复制内容，这样会更清楚）：

yiq_from_rgb = yiq_from_rgb = np.array([[0.299,      0.587,        0.114],
                                 [0.59590059, -0.27455667, -0.32134392],
                                 [0.21153661, -0.52273617, 0.31119955]])
return np.dot(arr, yiq_from_rgb.T.copy())

when arr只是 RGB 图片作为矩阵

我试图理解为什么这有效？他们为什么采用转置矩阵？ (.T) 当arr形状与 yiq_from_rgb 不同？

在包含转换矩阵的参考图中，转换矩阵位于 RGB 通道的左侧。因此，对于 RGB 图像中的第一个像素，我们将其称为(p1r, p1g, p1b)分别对应R、G、B通道，我们需要与变换矩阵相乘并对结果求和，如下所示：

y1y = (0.299*p1r + 0.587*p1g + 0.114*p1b)
y1i = (0.596*p1r - 0.275*p1g - 0.321*p1b)
y1q = (0.212*p1r - 0.523*p1g + 0.311*p1b)

where (y1y,y1i,y1q)是舍入/取整后生成的 YIQ 图像中第一个像素的值int。我们对整个 RGB 图像中的所有像素进行相同类型的乘法，并获得所需的 YIQ 图像。

现在，因为他们使用了整个实现np.dot(arr, yiq_from_rgb.T)，为了正确计算出权重，需要转置变换矩阵。和copy只是为了这种转换而有一个专用的转置变换矩阵。

另外，请注意，与您的数字相反，np.dot()RGB 数组位于变换矩阵的左侧。