HSV色彩空间的理解

一、介绍

在图像处理中，通常情况下我们不会直接对RGB图像做处理，这主要是因为RGB与人类的视觉感知相差较远，而HSV就是常用的色彩空间。

HSV分别指的是色相/饱和度/明度（Hue, Saturation, Value），对于不同的问题我们通常采用不同的通道来处理。当然最为通用的方法是使图像变为灰度图，直接对灰度图做处理。在早期图像质量评价领域等多个领域，都是这样来做。但是对于某些特定问题，需要具体问题具体分析。

比如，某些由于光照不同造成的视觉感知不同的场景下，我们通常用Value这个通道进行计算，通过计算梯度，可以较好的提取物体边缘。

再比如某些场景下，前景饱和度较高，背景采用饱和度较低的颜色来衬托前景，这时Saturation这个通道的信息就非常有用了。

再比如，在某些室内场景下，风格较为单一，一般一个物体只有一种颜色，这时候Hue这个通道就显得尤为重要了。

总之，HSV色彩空间在图像处理领域应用非常广泛，一般通过采用合适的通道就能完成大多数图像预处理工作

二、说明

HSV的模型空间：

注：在模型2中：
H是色彩点在对应圆形切面上与红色半径(对于H=0度)所形成的圆心角。
V是色彩点所在圆形切面到圆锥顶点的距离。在顶面上V=1 顶点V=0
S是色彩点到所在圆形切面圆心的距离与该圆半径的比例值，在圆锥表面上S=1，在圆心处S=0

关键点：
当S=1 V=1时，H所代表的任何颜色被称为纯色；
当S=0时，颜色最浅，最浅被描述为灰色(灰色也有亮度，黑色和白色也属于灰色)，灰色的亮度由V决定，此时H无意义；
当V=0时，颜色最暗，最暗被描述为黑色，因此此时H(无论什么颜色最暗都为黑色)和S(无论什么深浅的颜色最暗都为黑色)均无意义。

在这张图中，S沿横轴从左到右0-1增长 V沿纵轴由下到上0-1增长
可以看到，当S=0，即矩形左边的竖线边缘处，呈不同深浅的灰色
当V=0，即矩形下班的横线边缘处，呈黑色
当S=0 V=1时，此时颜色最亮，但也最浅。也就是矩形的左上角，呈白色。
当S=1(S=0) V=0时，颜色最深(最浅)，但最暗，均体现为黑色
当S=1 V=1时，在矩形的右上角，就是纯色的红色，也就是我们常用的RGB(255, 0, 0)