将图像转换到HSV空间，并对其进行量化降维后，计算其颜色直方图

针对RetinexNet低照度图像增强算法中出现的颜色失真、边缘模糊等问题,提出了一种改进的RetinexNet算法。首先,利用HSV(Hue,Saturation,Value)颜色空间模型中各通道相对独立的特性,增强亮度分量;然后,利用相关系数使饱和度分量随亮度分量的变化自适应调整,避免图像色感发生变化;最后,针对增强图像的边缘模糊问题,采用Laplace算法对反射率图像进行锐化处理,增强图像的细节表达能力。实验结果表明,本算法可以有效增强图像的细节,保持图像的整体色彩和原始图像一致,提高图像的视觉效果。

直接利用摄像头实时读取图片或者直接载入一张图片进行由RGB转成hsv颜色空间， //因为我们读取的是彩色图，直方图均衡化需要在HSV空间做，直方图均衡化，用于提高图像的质量。附有一张各颜色区阈值范围。

hsv空间双边滤波去雾MATLAB代码，经过测试，代码去雾效果良好。

将图像映射到HSV视觉接近的颜色空间中 计算统计在该空间的直方图

使用opencv实现RGB空间到HSV空间的转换，并进行直方图均衡化

从RGB空间到HSV空间转换,以及查看H,S,V分量的Matlab程序实现

Matlab代码，RGB空间需要先转换为灰度函数，这样会丢失图像的色彩信息。而在HSV空间则可以充分利用图像的颜色的显著特点

这是我自己弄的一个HSV转换加上图像分割的程序 希望能给大家抛砖引玉