顏色是一種連續的現象，它意味著有無數種顏色。但是，人類的眼睛和感知能力是有限的。所以，為了識別這些顏色，我們需要一種媒介或這些顏色的表示，這種顏色的表示被稱為色彩空間。在技術術語中，一個顏色模型或顏色空間是一個特定的3-D坐標系統以及該系統中的一個子空間，其中每一種顏色都由一個單點表示。
有哪些顏色空間的類型？目前主要有五種類型的顏色模型。但是，我將只寫一些常見的(RGB、HSV和HSL)HSL(Hue Saturation Lightness)HSV(Hue Saturation Value)YUV(Luminance, blue–luminance, red–luminance)CMYK(Cyan, Magenta, Yellow, Key)RGB顏色空間：RGB顏色空間是三維坐標系中紅、綠、藍坐標所表示的著名顏色空間之一。在更專業的術語中，RGB將顏色描述為由三個部分組成的元組。每個部分都可以取0到255之間的值，其中元組(0,0,0)表示黑色，元組(255,255,255)表示白色。元組的第0、第1和第2個部分分別表示紅、綠、藍的分量。
這裡我們導入了必要的庫，cv2用於顏色空間轉換，NumPy用於數組操作，Matplotlib用於顯示圖像，os用於訪問圖像目錄，tqdm用於顯示加載欄。
hsl_img = cv2.cvtColor(X[0],cv2.COLOR_BGR2HLS) #### CONVERTING BGR COLOR SPACE INTO HSL COLOR SPACE ####
hsl_img_1 = hsl_img.copy()
hsl_img_2 = hsl_img.copy()
hsl_img_3 = hsl_img.copy()
hsl_img_1[:,:,1] = 0 #### HUE --> ZERO ####
hsl_img_1[:,:,2] = 0
hsl_img_2[:,:,0] = 0 #### SATURATION --> ZERO ####
hsl_img_2[:,:,2] = 0
hsl_img_3[:,:,0] = 0 #### LIGHTNESS --> ZERO ####
hsl_img_3[:,:,1] = 0設置兩個空列表Z和X，分別用於存儲帶有各自圖像的標籤，然後指定圖像大小和路徑目錄。在這之後，我定義了兩個函數，用於返回flower類型(assign_lable)和訪問每個圖像、讀取和調整其大小(make_train_data)。
Z,X=[],[]
IMG_SIZE=150
FLOWER_SUNFLOWER_DIR='../input/flowers-recognition/flowers/flowers/sunflower'
def assign_label(img,flower_type):
return flower_type
def make_train_data(flower_type,DIR):
for img in tqdm(os.listdir(DIR)):
label=assign_label(img,flower_type)
path = os.path.join(DIR,img)
img = cv2.imread(path,cv2.IMREAD_COLOR)
img = cv2.resize(img, (IMG_SIZE,IMG_SIZE))#Resizing the image加載圖像，然後在OpenCV以BGR格式讀取圖像時將BGR顏色空間轉換為RGB顏色空間，但Maplotlib使用RGB格式來顯示圖像。這就是為什麼我們需要轉換顏色空間後，讀取圖像為RGB。
然後對固定圖像進行三份拷貝，並將每份拷貝的任何雙色通道設為零，分別用於訪問紅、綠、藍通道。如果你讓第0個顏色通道都是0那麼你只會得到藍色通道。
make_train_data('Sunflower',FLOWER_SUNFLOWER_DIR) #####Loading Sunflower Data
fix_img = cv2.cvtColor(X[0],cv2.COLOR_BGR2RGB) ###########CONVERTING BGR COLOR SPACE INTO RGB COLOR SPACE #########
new_img_1 = fix_img.copy()
new_img_2 = fix_img.copy()
new_img_3 = fix_img.copy()
new_img_1[:,:,0] = 0 # making R channel zero ####For BLUE channel#####
new_img_1[:,:,1] = 0 #making G channel zero
new_img_2[:,:,1] = 0####For RED color Channel####
new_img_2[:,:,2] = 0
new_img_3[:,:,0] = 0###For GREEN Channel####
new_img_3[:,:,2] = 0顯示圖像：
f, axes = plt.subplots(1,3, figsize = (15,15))
list = [new_img_1,new_img_2,new_img_3]
i = 0
for ax in axes:
ax.imshow(list[i])
i+=1
HSL顏色空間：HSL的一般含義是色調、飽和度和明度。你可以將HSL以圓柱體的形式可視化，如圖2(a)所示。圍繞圓柱體的是不同的顏色，比如綠色、黃色、紅色等等(我們真正想要的顏色)。飽和度是指顏色的多少，而明度是指顏色有多暗或多亮。正如你所看到的，圓柱體的頂部全是白色，底部全是黑色。
圖2：HSL顏色空間
HSL顏色空間的Python實現：使用OpenCV函數**cvtColor()**將BGR顏色空間轉換為HSL顏色空間，在這裡我們需要傳遞圖像，以及從哪個顏色空間到哪個顏色空間我們想要改變圖像。然後再複製並使兩個顏色通道為零，以便分別顯示每個顏色通道。
hsl_img = cv2.cvtColor(X[0],cv2.COLOR_BGR2HLS) #### CONVERTING BGR COLOR SPACE INTO HSL COLOR SPACE ####
hsl_img_1 = hsl_img.copy()
hsl_img_2 = hsl_img.copy()
hsl_img_3 = hsl_img.copy()
hsl_img_1[:,:,1] = 0 #### HUE --> ZERO ####
hsl_img_1[:,:,2] = 0
hsl_img_2[:,:,0] = 0 #### SATURATION --> ZERO ####
hsl_img_2[:,:,2] = 0
hsl_img_3[:,:,0] = 0 #### LIGHTNESS --> ZERO ####
hsl_img_3[:,:,1] = 0現在顯示三個不同的顏色通道
f, axes = plt.subplots(1,3, figsize = (15,15))
list = [hsl_img_1,hsl_img_2,hsl_img_3]
i = 0
for ax in axes:
ax.imshow(list[i])
i+=1
HSV顏色空間：HSV這個名字來自於顏色模型的三個坐標，即色相、飽和度和值。它也是一個圓柱形的顏色模型，圓柱體的半徑表示飽和度，垂直軸表示值，角度表示色調。對於觀察者，色調是佔主導地位的，飽和度是混合到色調中的白光的數量，value是chrome的強度，value較低顏色變得更加類似於黑色，value越高，顏色變得更加像顏色本身。通過改變這些參數，我們可以生成不同的顏色。
圖3：HSV顏色空間
HSV顏色空間的Python實現：使用cvtColor()函數將色彩空間轉換為HSV色彩空間。然後再複製並使兩個通道置為零，以便分別顯示每個通道。
hsv_img = cv2.cvtColor(X[0],cv2.COLOR_BGR2HSV)
hsv_img_1 = hsv_img.copy()
hsv_img_2 = hsv_img.copy()
hsv_img_3 = hsv_img.copy()
hsv_img_1[:,:,1] = 0#HUE --> ZERO
hsv_img_1[:,:,2] = 0
hsv_img_2[:,:,0] = 0#SATURATION --> ZERO
hsv_img_2[:,:,2] = 0
hsv_img_3[:,:,0] = 0#VALUE --> ZERO
hsv_img_3[:,:,1] = 0單獨顯示每個顏色通道：