图像处理时，有些图像可能在 RGB 颜色空间信息不如转换到其它颜色空间更清晰.

这里整理下关于颜色空间的知识，以及 python-opencv 的实现.

图像处理中有多种色彩空间，例如 RGB、HLS、HSV、HSB、YCrCb、CIE XYZ、CIE Lab 等，经常要遇到色彩空间的转化，以便生成 mask 图等操作.

颜色空间也称彩色模型(彩色空间，彩色系统)，主要是在某些标准下用通常可接受的方式对彩色加以说明.

本质上，彩色模型是坐标系统和子空间的阐述. 位于系统的每种颜色都有单个点表示.

在彩色图像处理中，选择合适的彩色模型是很重要的. 从应用的角度来看，众多彩色模型可以分为两类:

[1] - 面向诸如彩色显示器或彩色打印机之类输出显示场合使用的硬设备.

[2] - 面向视觉感知或者说以彩色处理分析为目的的应用，如动画中的彩色图形，各种图像处理的算法等.(这里主要是图像处理.)

1. 几种颜色空间

1.1. RGB

RGB (Red 红色，Green 绿色，Blue 蓝色)，是根据人眼识别的颜色而定义的空间，可用于表示大部分颜色，也是图像处理中最基本、最常用、面向硬件的颜色空间，是一种光混合的体系.

RGB 颜色模式用三维空间中的一个点表示一种颜色，每个点有三个分量，分别表示红、绿、蓝的亮度值，亮度值限定为 [0, 1].

在RGB模型的立方体中，

[1] - 原点对应的颜色为黑色，它的三个分量值都为0；

[2] - 距离原点最远的顶点对应的颜色为白色，三个分量值都为1.

[3] - 从黑色到白色的灰度值分布在这两个点的连线上，该虚线称为灰度线.

[4] - 立方体的其余各点对应不同的颜色，即三原色红、绿、蓝及其混合色黄、品红、青色.

1.2. LAB 颜色空间

LAB 全称是 CIELAB，CIE代表 International Commission on Illumination(国际照明委员会)，它是一个关于光照、颜色等的国际权威组织.

LAB 颜色空间由一个亮度通道和两个颜色通道组成的. 在LAB 颜色空间中，每个颜色用L、A、B三个数字表示，其中，各个分量的含义是：

[1] - L - 亮度

[2] - A - 从绿色到红色的分量

[3] - B - 从蓝色到黄色的分量

LAB 是基于人对颜色的感觉来设计的，更具体地说，它是感知均匀(perceptual uniform)的。Perceptual Uniform的意思是，如果数字(即前面提到的L、A、B这三个数)变化的幅度一样，那么它给人带来视觉上的变化幅度也差不多.(注：Helmholtz–Kohlrausch effect 是人眼的一种错觉——当色彩饱和度高时，颜色会看起来更亮.)

LAB 相较于RGB与CMYK等颜色空间更符合人类视觉，也更容易调整：想要调节亮度，就调节L 通道，想要调节只色彩平衡就分别调 A 和 B.

理论上说，L、A、B 都是实数，一般限定在一个整数范围内：L 越大，亮度越高。L 为 0 时代表黑色，为100时代表白色。

A 和 B 为0时都代表灰色。

A 从负数变到正数，对应颜色从绿色变到红色。

B 从负数变到正数，对应颜色从蓝色变到黄色。

在实际应用中常常将颜色通道的范围[-100, +100]或[-128, 127]之间。

1.3. HSI

HSI 颜色空间可以用一个圆锥空间模型来描述，能清晰表现色调(Hue)、饱和度(Saturation, Chroma)和亮度(Intensity, Brightness)的变化情形.

色相 H(Hue) - 表示颜色的相位角. 红、绿、蓝分别相隔 120 度；互补色分别相差 180 度，即颜色的类别.

饱和度 S(Saturation) - 色彩的强度或纯度. 表示成所选颜色的纯度和该颜色最大的纯度之间的比率，范围：[0, 1]，即颜色的深浅程度.

亮度 I(Intensity) - 表示颜色的明亮程度，通常以 0% (黑色) 到 100% (白色) 的百分比来衡量(人眼对亮度很敏感).

HSI色彩空间和RGB色彩空间只是同一物理量的不同表示法，它们之间可以进行相互转换：HSI颜色模式中的色调使用颜色类别表示，饱和度与颜色的白光光亮亮度刚好成反比，代表灰色与色调的比例，亮度是颜色的相对明暗程度.

2. cv2.cvtColor() 颜色转换函数import matplotlib.pyplot as plt

import cv2

img_BGR = cv2.imread('test.jpg') # BGR

plt.subplot(3,3,1)

plt.imshow(img_BGR);plt.axis('off');plt.title('BGR')

img_RGB = cv2.cvtColor(img_BGR, cv2.COLOR_BGR2RGB)

plt.subplot(3,3,2)

plt.imshow(img_RGB);plt.axis('off');plt.title('RGB')

img_GRAY = cv2.cvtColor(img_BGR, cv2.COLOR_BGR2GRAY)

plt.subplot(3,3,3);

plt.imshow(img_GRAY);plt.axis('off');plt.title('GRAY')

img_HSV = cv2.cvtColor(img_BGR, cv2.COLOR_BGR2HSV)

plt.subplot(3,3,4)

plt.imshow(img_HSV);plt.axis('off');plt.title('HSV')

img_YcrCb = cv2.cvtColor(img_BGR, cv2.COLOR_BGR2YCrCb)

plt.subplot(3,3,5)

plt.imshow(img_YcrCb);plt.axis('off');plt.title('YcrCb')

img_HLS = cv2.cvtColor(img_BGR, cv2.COLOR_BGR2HLS)

plt.subplot(3,3,6)

plt.imshow(img_HLS);plt.axis('off');plt.title('HLS')

img_XYZ = cv2.cvtColor(img_BGR, cv2.COLOR_BGR2XYZ)

plt.subplot(3,3,7)

plt.imshow(img_XYZ);plt.axis('off');plt.title('XYZ')

img_LAB = cv2.cvtColor(img_BGR, cv2.COLOR_BGR2LAB)

plt.subplot(3,3,8)

plt.imshow(img_LAB);plt.axis('off');plt.title('LAB')

img_YUV = cv2.cvtColor(img_BGR, cv2.COLOR_BGR2YUV)

plt.subplot(3,3,9)

plt.imshow(img_YUV);plt.axis('off');plt.title('YUV')

plt.show()

3. 参考