这是最常用的RGB到HSV例程,还有一个额外的小优化(向除数添加1e-20f以避免需要将除法除以零):
讲解:——————————————action————————————————
直接看这段代码很有可能会不知所云。首先要理解HSV颜色空间与RGB颜色空间的转换原理。查找相关资料后并不难理解。这里贴出一张最终计算公式。
上述代码就是围绕这个计算公式进行的。
1.首先计算出RGB的最大和最小通道值
2.计算delta差值
3.直接计算S V通道值
4.首先根据下面公式直接翻译代码(1.0f对应60°)
讲解:——————————————end—————————————————
有几件事情值得注意:
图3
讲解:——————————————action————————————————
直接看图1。当时蒙圈了。仔细分析后发现只是将H<0的时候的情况拆开了。
例如V=R时。G和B的关系并不确定。但我们公式中是(G-B)这个我们希望保持不变。
因此当G>B时公式不变
B>R时 公式结构不变。但符号明显是负的,只需加上6.0f(即360°)
图2 图3也就迎刃而解
讲解:——————————————end—————————————————
这实际上是相同的计算!只有色调偏移K会发生变化。现在的想法如下:
将这个想法付诸实践为我们提供了以下代码
讲解:——————————————action—————————————————
通过上述。我们知道,最终目的是构建一个K值,用了解最终的H颜色通道是加上多少数值,确保在(0-360°)空间内
这段代码具体为什么这样书写,由于能力有限是在难以理解,但带入各个值进去,最终结果都是正确的
讲解:——————————————end——————————————————
您可以自己检查上面显示的K值是否由该函数正确生成。还有许多其他方法可以对(r,g,b)进行排序,但是这个特定方法可以让我们进行最后一次优化。
我们注意到,在过去的交换有效地改变的迹象ķ 和的符号g ^ - B。由于两者都被添加并传递给fabs(),实际上可以省略符号反转。
额外的tip给了我们这个最终的代码:
这是2次测试和1次std :: min调用,而不是之前的3次测试和4次std :: min / max调用。我们真的应该在这里看到一些性能提升。
正如预期的那样,基准测试表明,各种CPU,编译器和编译器标志的性能提升了25%到40%。下图(每次转换的平均纳秒数)在Core i7-2600K CPU上,使用g ++ 4.7.2 -O3 -ffast-math
:
到这。引用大神的短文就分析完了。回过头来说说最初贴出来的代码。
K中分别对应的构建的K值为(0,-120°,240°,-360°)为什么会有负值正值之分我也不是很理解。
p比较出b g通道的大小,然后q比较max(b g)与r通道。
d求出最大最小的差值
hsv返回最终结果
总之,代码能够看懂了。但是这样构建的原理不能理解,为什么将K值放在构建的p q的第三个通道位置即z 而不是w的位置
以及K值为(0,-120°,240°,-360°)为什么会有负值正值之分我也不是很理解。
实际的色调计算取决于r,g和b的排序方式:
图1
但是让我们用x,y和z来重写它,其中x是(r,g,b)中最大的,z是三者中最小的,y在中间:
图2
这里有很多相似之处。根据定义,我们可以使用x≥z和y≥z的事实进一步推动它:
-
vec3 rgb2hsv(vec3 c) {
-
vec4 K = vec4(0.0, -1.0 / 3.0, 2.0 / 3.0, -1.0);
-
vec4 p = mix(vec4(c.bg, K.wz), vec4(c.gb, K.xy), step(c.b, c.g));
-
vec4 q = mix(vec4(p.xyw, c.r), vec4(c.r, p.yzx), step(p.x, c.r));
-
float d = q.x - min(q.w, q.y);
-
float e = 1.0e-10;
-
vec3 hsv = vec3(abs(q.z + (q.w - q.y) / (6.0 * d + e)), d / (q.x + e), q.x);
-
return hsv;
-
}
-
在stackoverflow找到这样一番回答
https://stackoverflow.com/questions/15095909/from-rgb-to-hsv-in-opengl-glsl
其中有一条回复指出了RGB2HSV方法的大致讲解
http://lolengine.net/blog/2013/07/27/rgb-to-hsv-in-glsl
下面是引用该文章,并进行分析
RGB到HSV转换
- 找到最大的RGB颜色通道
- 找到最小的RGB颜色通道
- 计算V和S.
- 选择H的主循环扇区
- 计算H.
-
static void RGB2HSV(float r, float g, float b, float &h, float &s, float &v)
-
{
-
float rgb_max = std::max(r, std::max(g, b));
-
float rgb_min = std::min(r, std::min(g, b));
-
float delta = rgb_max - rgb_min;
-
s = delta / (rgb_max + 1e-20f);
-
v = rgb_max;
-
float hue;
-
if (r == rgb_max)
-
hue = (g - b) / (delta + 1e-20f);
-
else if (g == rgb_max)
-
hue = 2 + (b - r) / (delta + 1e-20f);
-
else
-
hue = 4 + (r - g) / (delta + 1e-20f);
-
if (hue < 0)
-
hue += 6.f;
-
h = hue * (1.f / 6.f);
-
}
- 大多数复杂性来自色调(Hue)计算。
- 执行四个最小/最大操作以查找
rgb_max
和rgb_min
; 但是,只需3次比较即可完成三个值的排序。这不一定是有问题的,因为根据CPU,可以以有效的方式连接最小/最大值。 - 两个额外的测试进行比较
r
,并g
到rgb_max
; 如果rgb_max
并且rgb_min
是使用测试计算的,那么再次比较它们是浪费时间。 - 将6.f添加到最终的色调值只有16.6%的可能性发生。
- 使用比较对三元组(r,g,b)进行 排序
- 在对三元组进行排序时 构建K.
- 执行最终计算
-
static void RGB2HSV(float r, float g, float b,float &h, float &s, float &v)
-
{
-
float K = 0.f;
-
if (g < b)
-
{
-
float tmp = g; g = b; b = tmp;
-
K = -1.f;
-
}
-
if (r < g)
-
{
-
float tmp = r; r = g; g = tmp;
-
K = -2.f / 6.f - K;
-
}
-
if (g < b)
-
{
-
float tmp = g; g = b; b = tmp;
-
K = -K;
-
}
-
float chroma = r - b;
-
h = fabs(K + (g - b) / (6.f * chroma + 1e-20f));
-
s = chroma / (r + 1e-20f);
-
v = r;
-
}
-
static void RGB2HSV(float r, float g, float b, float &h, float &s, float &v)
-
{
-
float K = 0.f;
-
if (g < b)
-
{
-
std::swap(g, b);
-
K = -1.f;
-
}
-
if (r < g)
-
{
-
std::swap(r, g);
-
K = -2.f / 6.f - K;
-
}
-
float chroma = r - std::min(g, b);
-
h = fabs(K + (g - b) / (6.f * chroma + 1e-20f));
-
s = chroma / (r + 1e-20f);
-
v = r;
-
}
-
vec3 rgb2hsv(vec3 c) {
-
vec4 K = vec4(0.0, -1.0 / 3.0, 2.0 / 3.0, -1.0);
-
vec4 p = mix(vec4(c.bg, K.wz), vec4(c.gb, K.xy), step(c.b, c.g));
-
vec4 q = mix(vec4(p.xyw, c.r), vec4(c.r, p.yzx), step(p.x, c.r));
-
float d = q.x - min(q.w, q.y);
-
float e = 1.0e-10;
-
vec3 hsv = vec3(abs(q.z + (q.w - q.y) / (6.0 * d + e)), d / (q.x + e), q.x);
-
return hsv;
-
}