python RGB转HIS和YIQ，加噪声后转回RGB 输出所有图片

好的，以下是Python代码实现RGB转HIS和YIQ，加噪声后再转回RGB并输出所有图片的过程：

import numpy as np
import cv2

# 定义转换矩阵
RGB2HIS = np.array([[0.299, 0.587, 0.114], [0.596, -0.274, -0.322], [0.211, -0.523, 0.312]])
HIS2RGB = np.linalg.inv(RGB2HIS)

RGB2YIQ = np.array([[0.299, 0.587, 0.114], [0.596, -0.274, -0.322], [0.211, -0.523, 0.312]])
YIQ2RGB = np.linalg.inv(RGB2YIQ)

# 读取RGB图像
img = cv2.imread('input.jpg')
# 转换为浮点型
img = img.astype(np.float32) / 255.0

# RGB转HIS
HIS_img = np.dot(img, RGB2HIS)
# HIS转回RGB
HIS2RGB_img = np.dot(HIS_img, HIS2RGB)

# RGB转YIQ
YIQ_img = np.dot(img, RGB2YIQ)
# 添加高斯噪声
noise = np.random.normal(0, 0.1, img.shape)
noisy_YIQ = YIQ_img + noise
# YIQ转回RGB
noisy_YIQ2RGB = np.dot(noisy_YIQ, YIQ2RGB)

# 输出所有图片
cv2.imwrite('RGB.jpg', img*255.0)
cv2.imwrite('HIS.jpg', HIS2RGB_img*255.0)
cv2.imwrite('noisy_YIQ.jpg', noisy_YIQ2RGB*255.0)

其中，我使用OpenCV库读取和输出图像，通过numpy库实现矩阵相乘和逆矩阵求解。在这个实现中，我先将RGB图像转换为浮点型，并使用`astype()`函数将像素值范围从0~255变为0~1，以方便计算。接着，我分别使用定义好的转换矩阵将RGB图像转换为HIS和YIQ图像。然后，我在YIQ图像上添加高斯噪声，使其变得更加真实。最后，我使用逆矩阵将HIS图像和加噪后的YIQ图像转换回RGB图像，并使用OpenCV库将所有图像输出到本地磁盘上。