前言

整体框图

EOTF-NolinearToLinear

sRGB中的EOTF

BT.1886的EOTF

BT.709

色域

sRGB色域

DCI-P3色域

Display P3色域

Adobe RGB (1998) 色域

BT2020色域

RGB2XYZ

计算公式

代码

仿真结果

颜色空间

LAB颜色空间

JzAzBz颜色空间

ICtCp颜色空间

ICaCb颜色空间

ColorSpaceToLCH

RGB2HSV/L

RGB和HSV互转

RGB与HSL互转

RGB2YUV

参考文献

前言

在图像处理中，经常会遇到各种颜色空间，比如RGB，YUV，Lab，HSV等等，同时，也会涉及到各种色域，比如sRGB色域，DCI-P3，Display P3色域，BT2020色域等等。有时，为了处理图像颜色，更加直观的看颜色，会进行颜色空间转换，从一种颜色空间转到另一种颜色空间，或者是从RGB转到LCH，来看亮度饱和度和色度。

整体框图

用下面这个图来表示从RGB到LCH的变换过程，从中可以看到，大体上分两类，一类是区分色域空间的，一类是不区分色域空间的。区分色域空间的，即使RGB的数值完全相等，只要对应的色域不一样，得到LCH也会不一样，这一类都是先将RGB转到和人眼比较相似的CIE1931 XYZ空间上，然后再选取某种颜色空间来衡量颜色，当然，不同的颜色空间，其得到的LCH也会不一样。总体来说，这一类是比较准确的，符合人眼特性的。而另一类，不区分色域的，哪怕是不同色域，RGB一样，得到的LCH就一样（实际人眼感知是不一样的），所以这一类是不准确的，不过这一类的计算相对要简单很多，经常一步或者两步就可以了。

下面，分不同模块来介绍。

EOTF-NolinearToLinear

EOTF主要是将非线性域RGB转到线性域RGB，对应的还有个OETF，就是将线性域转到非线性域，而不同标准下，其转换是不同的，主要介绍以下几种：

sRGB中的EOTF[1]

在sRGB色域中，有对EOTF应的规定，如下所示：

其反变换OETF为：

由IEC 61966-2-1:1999 (International Electrotechnical Commission, 1999) 发布的，其函数是分段的，使用的是gamma2.4，暗处是线性。

BT.1886的EOTF[2]

BT.1886中，对EOTF进行如下规定：

基本上就是采用了gamma2.4,LB是屏幕最暗，就是0对应的亮度，Lw是屏幕的最亮，就是1对应的亮度，都是用nit为单位。

BT.709[3]

BT709中，对OETF的定义如下，也是分段函数，一段是线性，另一段是gamma2.2，和BT1886中和sRGB色域中，都有些不同。

当然，除了上面几种，还有些HDR标准的EOTF定义，比如PQ，HLG等，具体可以参照以下资料。

HDR相关标准-HLG/HDR10/HDR10+/DOLBY VISION_图像算法菜鸟的博客-CSDN博客_hlg和hdr10什么区别

PQ和HLG标准及其转换_图像算法菜鸟的博客-CSDN博客_hlg pq

色域

在业界，有很多种色域标准，sRGB色域，DCI-P3，Display P3色域，BT2020色域，他们都是定义在XYZ空间上，规定RGB三个色坐标和白点色坐标即可。色域色坐标都确定了，那么就可以在线性RGB和XYZ空间进行转换了。主要介绍以下色域：

sRGB色域

sRGB的色坐标定义如下：

RGB Primaries:

[[ 0.64 0.33]

[ 0.3 0.6 ]

[ 0.15 0.06]]

Whitepoint: [ 0.3127 0.329 ]

DCI-P3色域

DCI-P3的色坐标定义如下：

RGB Primaries:

[[ 0.68 0.32 ]

[ 0.265 0.69 ]

[ 0.15 0.06 ]]

Whitepoint: [ 0.314 0.351]

Display P3色域

Display P3的色坐标定义如下：

RGB Primaries:

[[ 0.68 0.32 ]

[ 0.265 0.69 ]

[ 0.15 0.06 ]]

Whitepoint: [ 0.3127 0.329 ]

和DCI-P3对比，二者的差异是白点色坐标不同，Display P3使用的是D65的白点，而DCI-P3不是

Adobe RGB (1998) 色域

Adobe RGB的色坐标定义如下：

RGB Primaries :

[[ 0.64 0.33]

[ 0.21 0.71]

[ 0.15 0.06]]

Whitepoint : [ 0.3127 0.329 ]

BT2020色域

BT2020的色坐标定义如下：

RGB Primaries :

[[ 0.708 0.292]

[ 0.17 0.797]

[ 0.131 0.046]]

Whitepoint: [ 0.3127 0.329 ]

可以使用Python提供的colour库[4]进行画图，得到各个色域的信息和画图，参考代码如下：

import colour
import colour.plotting
if __name__ == '__main__':srgb = colour.RGB_COLOURSPACES['sRGB']print('srg :', srgb)dcip3 = colour.RGB_COLOURSPACES['DCI-P3']print('dci-p3:', dcip3)bt2020 = colour.RGB_COLOURSPACES['ITU-R BT.2020']print('ITU-R BT.2020:', bt2020)adobe1998 = colour.RGB_COLOURSPACES['adobe1998']print('adobe1998:', adobe1998)DisplayP3 = colour.RGB_COLOURSPACES['Display P3']print('DisplayP3:', DisplayP3)colour.plotting.plot_RGB_colourspaces_in_chromaticity_diagram_CIE1931(['sRGB', 'ITU-R BT.2020', 'adobe1998','DCI-P3', 'Display P3'])

结果图如下：

RGB2XYZ

只要色域的RGB三个色坐标和白点色坐标确定了，就可以得到RGB到XYZ空间的转换矩阵，很多时候，我们都是记住这个矩阵，不过有时，会定义一个不是标准的色域，这个时候就没有对应的转换矩阵了。而实际上，这个转换矩阵是可以通过计算得到的[5]，

计算公式

代码

其实现代码和测试代码如下：

import numpy as npdef XYZToxy(XYZ):XYZ = XYZ.reshape(-1, 3)num, _ = XYZ.shapesumXYZ = np.sum(XYZ, axis=0)xy = np.zeros((num, 2), np.float)xy[:, 0] = XYZ[:, 0] / sumXYZxy[:, 1] = XYZ[:, 1] / sumXYZreturn xydef xyToXYZ(xy):xy = xy.reshape(-1, 2)num, _ = xy.shapeXYZ = np.zeros((num, 3), np.float)XYZ[:, 0] = xy[:, 0] / xy[:, 1]XYZ[:, 1] = 1XYZ[:, 2] = (1 - xy[:, 0] - xy[:, 1]) / xy[:, 1]return XYZdef GetRGBXYZMatrices(xy):XYZ = xyToXYZ(xy)# print(XYZ)matXYZrgb = XYZ[0:3, :].TXYZw = XYZ[3, :]Srgb = np.linalg.inv(matXYZrgb) @ XYZw.T# print(Srgb.shape)matRGB2XYZ = np.zeros((3, 3), np.float)matRGB2XYZ[0, 0] = Srgb[0] * matXYZrgb[0, 0]matRGB2XYZ[0, 1] = Srgb[1] * matXYZrgb[0, 1]matRGB2XYZ[0, 2] = Srgb[2] * matXYZrgb[0, 2]matRGB2XYZ[1, 0] = Srgb[0] * matXYZrgb[1, 0]matRGB2XYZ[1, 1] = Srgb[1] * matXYZrgb[1, 1]matRGB2XYZ[1, 2] = Srgb[2] * matXYZrgb[1, 2]matRGB2XYZ[2, 0] = Srgb[0] * matXYZrgb[2, 0]matRGB2XYZ[2, 1] = Srgb[1] * matXYZrgb[2, 1]matRGB2XYZ[2, 2] = Srgb[2] * matXYZrgb[2, 2]matXYZ2RGB = np.linalg.inv(matRGB2XYZ)print('matRGB2XYZ:', matRGB2XYZ)print('matXYZ2RGB:', matXYZ2RGB)return matRGB2XYZ, matXYZ2RGBif __name__ == '__main__':xysRGB = np.array([[0.64, 0.33],[0.30, 0.60],[0.15, 0.06],[0.3127, 0.3290]])xyDisplayP3 = np.array([[0.68, 0.32],[0.265, 0.69],[0.15, 0.06],[0.3127, 0.3290]])xyBT2020 = np.array([[0.708, 0.292],[0.17, 0.797],[0.131, 0.046],[0.3127, 0.3290]])xySMPTE_C = np.array([[0.63, 0.34],[0.31, 0.595],[0.155, 0.07],[0.3127, 0.3290]])xyNTSC = np.array([[0.67, 0.33],[0.21, 0.71],[0.14, 0.08],[0.3101, 0.3162]])xyAdobe = np.array([[0.64, 0.33],[0.21, 0.71],[0.15, 0.06],[0.3127, 0.3290]])GetRGBXYZMatrices(xysRGB)GetRGBXYZMatrices(xyDisplayP3)GetRGBXYZMatrices(xyAdobe)

代码中计算了三种色域的转换矩阵，分别为

仿真结果

sRGB色域

matRGB2XYZ:

[[ 0.4123908 0.35758434 0.18048079]
[ 0.21263901 0.71516868 0.07219232]
[ 0.01933082 0.11919478 0.95053215]]
matXYZ2RGB:

[[ 3.24096994 -1.53738318 -0.49861076]
[-0.96924364 1.8759675 0.04155506]
[ 0.05563008 -0.20397696 1.05697151]]

Display-P3色域

matRGB2XYZ:

[[ 4.86570949e-01 2.65667693e-01 1.98217285e-01]
[ 2.28974564e-01 6.91738522e-01 7.92869141e-02]
[ -3.97207552e-17 4.51133819e-02 1.04394437e+00]]
matXYZ2RGB:

[[ 2.49349691 -0.93138362 -0.40271078]
[-0.82948897 1.76266406 0.02362469]
[ 0.03584583 -0.07617239 0.95688452]]

Adobe RGB色域

matRGB2XYZ:

[[ 0.57666904 0.18555824 0.18822865]
[ 0.29734498 0.62736357 0.07529146]
[ 0.02703136 0.07068885 0.99133754]]
matXYZ2RGB:

[[ 2.0415879 -0.56500697 -0.34473135]
[-0.96924364 1.8759675 0.04155506]
[ 0.01344428 -0.11836239 1.01517499]]

颜色空间

当转到XYZ以后，一般就会将XYZ再转到各种颜色空间来衡量，最常见的就是CIE的Lab空间，后面还有些其他的颜色空间，比如ICtCp, ICaCb, JzAzBz等等，下面主要介绍以下几种。

LAB颜色空间[6]

XYZ转到LAB的公式如下：

JzAzBz颜色空间[7]

XYZ转到JzAzBz的颜色空间公式如下：

ICtCp颜色空间[8]

XYZ转到ICtCp颜色空间公式如下：

ICaCb颜色空间[8]

XYZ转到ICaCb颜色空间公式如下：

当然，还有些其他的颜色空间，比如proLab[9]，zICaCb[10]颜色空间等等，这些颜色空间基本上都是考虑颜色的更加均匀性和一致性，和人眼的感知接近，或者是和XYZ直接是线性转换，而不是非线性转换。

ColorSpaceToLCH

当转到各种颜色空间，比如LAB，ICtCp, ICaCb, JzAzBz和YUV或者YCbCr之后，其中L,I，Jz和Y等是亮度，其他两个分量是颜色，但也没有转到饱和度和色度上。以Lab为例，按如下方法计算即可：

RGB2HSV/L

RGB和HSV互转

RGB转HSV的公式如下，这个颜色空间相对来说，色相和饱和度比较好点，当然均匀性和一致性和LAB，JzAzBz等空间没法比，但亮度V和人眼感知的相差很远，并不能代表真实亮度。

HSV转到RGB的公式如下：

RGB与HSL互转

RGB2HSL的公式：

HSL2RGB的公式：

HSL颜色空间的色度和HSV是一样的，亮度分量L比HSV中的亮度分量要好些，但也不是很准确，饱和度S分量不好，均匀性很差，只要RGB里有0或者255，算出来的S就为1，很不连续，和人眼感知相差很远。

RGB2YUV

RGB转YUV有多种公式，不同标准，其系数不一样，不过都是线性变换，格式类似，只是数值不一样，详细可以参考如下资料。

各种标准下的YUV与RGB间的转换公式_图像算法菜鸟的博客-CSDN博客

参考文献：

[1] Multimedia systems and equipment - Colour measurement and management - Part 2-1: Colour management - Default RGB colour space - sRGB。

IEC 61966-2-1:1999 | IEC Webstore

[2] R-REC-BT.1886-0-201103-I!!PDF-E.pdf

[3] R-REC-BT.709-6-201506-I!!PDF-E.pdf

[4] API Reference — Colour 0.4.1 documentation

[5] Welcome to Bruce Lindbloom's Web Site

[6] CIE 1976 uniform colour spaces

[7] Perceptually uniform color space for image signals including high dynamic range and wide gamut

[8] Encoding High Dynamic Range and Wide Color Gamut Imagery

[9] ProLab: perceptually uniform projective colour coordinate system

[10] investigating performance of uniform color spaces for high dynamic range and wide gamut color difference applications

颜色空间转换-从RGB到LCH-亮度饱和度色度相关推荐

使用MFC实现将图像的RGB值转换到HSV空间，同时进行调节HSV，再将调节后的HSV值传进去转换到RGB空间实现图像在HSV空间中的色度、饱和度、亮度的调节
工程上传到了github ,之前有一版忘记推送了,现在这个链接应该是没问题的了工程的github链接希望能帮到你. 文章内容: 1.回顾上文 2.实验步骤&要点提示&代码分析 3. ...
使用Opencv将RGB颜色空间转换到HSV颜色空间/灰度图
一. 使用cvCvtColor函数将RGB颜色空间转换到HSV颜色空间所需函数: 1.cvCvtColor 函数功能:颜色空间转换函数原型: void cvCvtColor( const CvAr ...
FFmpeg入门详解之121：颜色空间转换RGB和YUV的原理与实战
5.颜色空间转换RGB和YUV的原理与实战三种颜色空间模型:RGB.YUV.HSV 一.概述颜色通常用三个独立的属性来描述,三个独立变量综合作用,自然就构成一个空间坐标,这就是颜色空间. 但被描述 ...
数字图像处理与Python实现-颜色空间转换-RGB颜色空间与HSV颜色空间转换
RGB颜色空间与HSV颜色空间转换 RGB颜色空间与HSV颜色空间转换 1. 前言 2. RGB颜色空间与HSV颜色空间转换描述 3. 代码实现 1. 前言 HSV(Hue, Saturation, ...
颜色空间系列2: RGB和CIELAB颜色空间的转换及优化算法
颜色空间系列代码下载链接:http://files.cnblogs.com/Imageshop/ImageInfo.rar (同文章同步更新) 在几个常用的颜色空间中,LAB颜色空间是除了RGB外,最 ...
RGB和CIELAB颜色空间转换及偏色检测
RGB转为CIELAB 首先RGB是不可以直接转为CIELAB颜色空间的,RGB需要先转为CIEXYZ颜色空间,然后再由CIEXYZ颜色空间转为CIELAB颜色空间.关于这2个颜色空间的互转,主要参考 ...
【Pytorch】rgb转lab颜色空间转换
最近有需要,自己按照opencv实现的方式,自测! 个别tensor,numpy互转参考:https://oldpan.me/archives/pytorch-tensor-image-transfo ...
详解色彩模型、色域以及颜色空间转换
常见的色彩模型 RGB色彩模型:常用于电视.摄像机等显示器,遵循加色法则(光的三原色,越混越白):缺点是色彩空间不够均匀,不容易进行色差的评价:与直观的色调.饱和度.亮度没有直接联系,不符合人的认知心 ...
【OpenCV3图像处理】颜色空间转换（一）颜色空间分类总结
颜色空间近100多年来,为了满足不同用途的需要,人们开发了许多不同名称的颜色空间,"可以说表示颜色空间的数目是无穷的",但是,现有的颜色空间还没有一个完全符合人的视觉感知特性.颜 ...
颜色空间转换及切割车牌(python)
如愿一.前置准备二.颜色空间转换 2.1 转为灰度图片三.切割车牌四.总结五.参考资料一.前置准备软件及使用库 python 3.8.12 opencv 3.4.11 图片二.颜色空间 ...

颜色空间转换-从RGB到LCH-亮度饱和度色度

前言

整体框图

EOTF-NolinearToLinear

sRGB中的EOTF[1]

BT.1886的EOTF[2]

BT.709[3]

色域

sRGB色域

DCI-P3色域

Display P3色域

Adobe RGB (1998) 色域

BT2020色域

RGB2XYZ

计算公式

代码

仿真结果

颜色空间

LAB颜色空间[6]

JzAzBz颜色空间[7]

ICtCp颜色空间[8]

ICaCb颜色空间[8]

ColorSpaceToLCH

RGB2HSV/L

RGB和HSV互转

RGB与HSL互转

RGB2YUV

参考文献：

颜色空间转换-从RGB到LCH-亮度饱和度色度相关推荐

最新文章

热门文章