图像处理基础之颜色空间

学习数字图像基础，整理了一些资料，在这里进行总结。

（一）色度空间

首先了解一下RGB、HSV、HSI等颜色空间。

色度空间划分是为了便于以一定标准指定各式各样的颜色，其实质上是一个标准系统，通过系统中的点来代表每一种颜色。现阶段所常用的色度空间分为两类：面向应用（如彩色动画）和面向硬件（如彩色显示器和打印机）。数字图像处理方面，面向硬件的模型通常彩色显示器和彩色摄像机中使用 RGB（red、green、blue 红，绿，蓝）模型；彩色打印机中使用 CMY（cyan，magenta，yellow 青，品红，黄）模型和CMYK（cyan，magenta，yellow，black 青，品红，黄，黑）模型等，这些常用的色度空间中 HSI（hue，saturation，intensity 色调，饱和度，亮度）是最接近符合人类描述和解释的颜色，所以 HSI 天生有减少图像中色彩和灰度信息干扰的优势，因此 HSI 十分适合许多灰度图像的处理。色彩学作为一个包含众多应用领域的学科实际上存着大量的色度模型我们无法一一指出，本文将介绍常见的几个色度模型。

1、RGB色度空间

RGB 色度模型，又称为红、绿、蓝三原色模型。它的核心理论是每一种颜色都可以通过红、绿、蓝三种颜色组合形成。这个模型是基于的是笛卡尔（Cartesian）坐标系统。通常用立方体来描述 RGB 色度空间。这个立方体中与坐标轴相交的3 个顶点代表 3 原色，另外3 个角点分别代表青色，品红，黄；原点代表黑色，与原点相距最远的点代表白色。这个模型中，灰度（颜色中 RGB 分量相等的点）黑色到白色间的一条直线上。模型中的颜色取点只能立方体内和表面取点，通过原点起始的向量表示。一般来讲所有的色彩按照图 2.1 所示的单元立方体进行标准化，R，G，B 取值范围为[0,1]。进行图像数字化处理中，一般将红、绿、蓝三种颜色都用8 个二进制表示，这也就是大家所说的 24 为真彩 2的24次方等于1678 万色，其总共可表示为万种颜色。如下图1所示就是24 位 RGB 色彩立方。

2、CMY 和 CMYK 色度模型

上面的图1 我们可以看出青，品红，和黄色是作为红、绿、蓝的互补色光而存，也可以作为颜料的一组三原色，称为 CMY 色度模型。它的出现很有意思，人们用白色光照射分别涂有青、品红、黄色的物体表面时，发现它们对应的反射光中分别不包含红、绿和蓝色，且也能组合成其他颜色，于是基于此提出来 CMY 色度模型。由于他们是通过从白光中分别减去 RGB 三原色而得到，故常把青、品红和蓝称为三减色，因此它与 RGB 色度模型的转换很简单：如式 1 所示。

但CMY模型不能产生真正的黑色。故实际应用中我们通常模型中额外加入第四种颜色黑色，用 K 表示。以此 CMY 模型进而提升为CMYK 模，市面上常用的也是CMYK 模型。

3、HSI色度空间

根据前面两部分所说，RGB 和 CMY 模型硬件实现中变现的非常好，此外人眼对红色、绿色、蓝色这三种演色敏感度比较高，这和 RGB 模型的三原色组成不谋而合。**但是实际中人类理解描述颜色的模式和 RGB、CMY 模型及其他的一些其他的简单色度模型描述的方式不相符。**于是 1915 年美国色彩学家孟赛尔（H.A.Munseu）提出来一个新的色度模型：HSI 色度模型。这个模型是仿照人的视角用色调、饱和度和亮度来描述颜色。 HSI 的模型立体图如图3 所示。

其中色调指的是颜色的属性，描述的是单纯的颜色外观，用以区别颜色的种类和名称，用标准色轮来表示通常。饱和度是纯色白光下的稀释程度的一种度量，通常用回色成分所占百分比来度量。亮度又称明度是人类的一种主观描述，用来定义人类对目标物体辐射量或发光量的主观明亮感觉，HSI 色度模型立体图中通常用立体中心线来表示，用从黑色到白色的百分比来度量。

HSI 模型将亮度、色调、饱和度分离开，这样进行图像处理时能够通过将色调和饱和度去除来降低图像中光线变化和颜色变化的影响。因此 HSI 模型开发相关图像处理算法是有着一定优势。所以 HSI 模型机器视觉领域使用比较多。从RGB 模型和HSI模型两者的模型立体图我们不难看出：RGB 向HSI 模型的转换实质上是一个坐标系的转换，整个转换过程就是将一个基于笛卡尔直角坐标系的单位立方体转换为基于圆柱极坐标的双锥体。这里设 R、G、B 分别代表红色、绿色和蓝色的坐标点，取值范围为。表示 R，G，B 中的最小值。H 代表色彩角，S 代表饱和度，I代表亮度。变换公式如下：

原文链接：https://blog.csdn.net/qq_18649781/article/details/85206810

4、HSV颜色空间

定义

HSV颜色空间（又称HSB）中，H是Hue（色度）的缩写，S是Saturation（饱和度）的缩写，V是Value（亮度）的缩写。色度通常用来从宏观上区分某一种颜色，例如：白、黄、青、绿、品红、红、蓝、黑等就是色度；饱和度指的是颜色的纯度，通常情况下，颜色越鲜艳，饱和度越高，颜色越暗淡，饱和度越低；亮度指的是颜色的明暗程度，亮度越高，颜色越亮，亮度越低，颜色越暗。

HSV颜色空间不适合显示器系统，但是更符合人眼的视觉特性，因此通常会将颜色从RGB空间域转换到HSV颜色空间进行处理，然后在换回RGB域进行显示。

数学模型

HSV颜色空间可以用一个圆锥来表示，如下图所示：

如图所示，某一像素的H可以由该点与白色基准线所形成的圆心角表示，H的取值范围为[0,360]；某一点的S可以由该点与所在圆面的圆心之间的距离表示，距离越大，饱和度越高，反之越低；某一点的V可以由该点所在圆面与圆锥顶部之间的距离表示，距离越大，亮度越高，反之则越低。

RGB到HSV的转换公式

分段函数法

原文链接：https://blog.csdn.net/wxb1553725576/article/details/45827923

5、Ycc颜色空间

柯达发明的颜色空间,由于PhotoCd在存储图像的时候要经过一种模式压缩，所以 PhotoCd采用了 Ycc颜色空间，Ycc空间将亮度作由它的主要组件，具有两个单独的颜色通道，采用Ycc颜色空间来保存图像，可以节约存储空间。

6、XYZ颜色空间

国际照明委员会(CIE)在进行了大量正常人视觉测量和统计,1931年建立了"标准色度观察者"，从而奠定了现代CIE标准色度学的定量基础。由于"标准色度观察者"用来标定光谱色时出现负刺激值，计算不便，也不易理解，因此1931年CIE在RGB系统基础上，改用三个假想的原色X、Y、 Z建立了一个新的色度系统。将它匹配等能光谱的三刺激值，定名为"CIE1931 标准色度观察者光谱三刺激值"，简称为"CIE1931标准色度观察者"。这一系统叫做"CIE1931标准色度系统"或称为" 2° 视场XYZ色度系统"。CIEXYZ颜色空间稍加变换就可得到Yxy色彩空间，其中Y取三刺激值中Y的值，表示亮度，x、y反映颜色的色度特性。定义如下：在色彩管理中，选择与设备无关的颜色空间是十分重要的，与设备无关的颜色空间由国际照明委员会(CIE)制定，包括CIEXYZ和CIELAB两个标准。它们包含了人眼所能辨别的全部颜色。而且，CIEYxy测色制的建立给定量的确定颜色创造了条件。但是，在这一空间中，两种不同颜色之间的距离值并不能正确地反映人们色彩感觉差别的大小，也就是说在CIEYxy色厦图中，在不同的位置不同方向上颜色的宽容量是不同的，这就是Yxy颜色空间的不均匀性。这一缺陷的存在，使得在Yxy及XYZ空间不能直观地评价颜色。

7、Lab 颜色空间

Lab颜色空间是由CIE(国际照明委员会)制定的一种色彩模式。自然界中任何一点色都可以在Lab空间中表达出来，它的色彩空间比RGB空间还要大。另外，这种模式是以数字化方式来描述人的视觉感应，与设备无关，所以它弥补了RGB和CMYK模式必须依赖于设备色彩特性的不足。由于Lab的色彩空间要比RGB模式和CMYK模式的色彩空间大。这就意味着RGB以及CMYK所能描述的色彩信息在Lab空间中都能得以影射。Lab颜色空间取坐标Lab，其中L亮度；a的正数代表红色，负端代表绿色；b的正数代表黄色，负端代表兰色(a,b)有L=116f(y)-16, a=500[f(x/0.982)-f(y)], b=200[f(y)-f(z/1.183 )]；其中： f(x)=7.787x+0.138, x<0.008856; f(x)=(x)1/3,x>0.008856

8、YUV颜色空间

在现代彩色电视系统中，通常采用三管彩色摄像机或彩色CCD(点耦合器件)摄像机，它把摄得的彩色图像信号，经分色、分别放大校正得到RGB，再经过矩阵变换电路得到亮度信号Y和两个色差信号R－Y、B－Y，最后发送端将亮度和色差三个信号分别进行编码，用同一信道发送出去。这就是我们常用的YUV色彩空间。采用YUV色彩空间的重要性是它的亮度信号Y和色度信号U、V是分离的。如果只有Y信号分量而没有U、V分量，那么这样表示的图就是黑白灰度图。彩色电视采用YUV空间正是为了用亮度信号Y解决彩色电视机与黑白电视机的兼容问题，使黑白电视机也能接收彩色信号。根据美国国家电视制式委员会，NTSC制式的标准，当白光的亮度用Y来表示时，它和红、绿、蓝三色光的关系可用如下式的方程描述：Y=0.3R+0.59G+0.11B 这就是常用的亮度公式。色差U、V是由B－Y、R－Y按不同比例压缩而成的。如果要由YUV空间转化成RGB空间，只要进行相反的逆运算即可。与YUV色彩空间类似的还有Lab色彩空间，它也是用亮度和色差来描述色彩分量，其中L为亮度、a和b分别为各色差分量。

原文链接：https://blog.csdn.net/noter/article/details/1883844

图像处理基础之颜色空间相关推荐

【深度学习】深入浅出数字图像处理基础（模型训练的先修课）
[深度学习]深入浅出数字图像处理基础(模型训练的先修课) 文章目录 1 图像的表示 2 图像像素运算 3 采样与量化3.1 采样3.2 量化3.3 图像上采样与下采样 4 插值算法分类 5 什么是池化 ...
Python计算机视觉：第一章图像处理基础
第一章图像处理基础 1.1 PIL-Python图像库 1.1.1 对图片进行格式转换 1.1.2 创建缩略图 1.1.3 拷贝并粘贴区域 1.1.4 调整尺寸及旋转 1.2 Matplotlib库 ...
[Python从零到壹] 四十一.图像处理基础篇之图像采样处理
欢迎大家来到"Python从零到壹",在这里我将分享约200篇Python系列文章,带大家一起去学习和玩耍,看看Python这个有趣的世界.所有文章都将结合案例.代码和作者的经验讲 ...
[Python从零到壹] 三十七.图像处理基础篇之图像融合处理和ROI区域绘制
欢迎大家来到"Python从零到壹",在这里我将分享约200篇Python系列文章,带大家一起去学习和玩耍,看看Python这个有趣的世界.所有文章都将结合案例.代码和作者的经验讲 ...
[Python从零到壹] 三十五.图像处理基础篇之OpenCV绘制各类几何图形
欢迎大家来到"Python从零到壹",在这里我将分享约200篇Python系列文章,带大家一起去学习和玩耍,看看Python这个有趣的世界.所有文章都将结合案例.代码和作者的经验讲 ...
[Python图像处理] 三十四.数字图像处理基础与几何图形绘制万字详解（推荐）
该系列文章是讲解Python OpenCV图像处理知识,前期主要讲解图像入门.OpenCV基础用法,中期讲解图像处理的各种算法,包括图像锐化算子.图像增强技术.图像分割等,后期结合深度学习研究图像识别 ...
[Python图像处理] 一.图像处理基础知识及OpenCV入门函数
该系列文章是讲解Python OpenCV图像处理知识,前期主要讲解图像入门.OpenCV基础用法,中期讲解图像处理的各种算法,包括图像锐化算子.图像增强技术.图像分割等,后期结合深度学习研究图像识别 ...
第二章：图像处理基础
第二章:图像处理基础操作一.图像的基本表示方法: 1. 二值图像: 2. 灰度图像: 3. 彩色图像: 二.像素处理: 1. 二值图像及灰度图像: 2.彩色图像: 3. 使用numpy.array访 ...
数字图像处理第二章图像处理基础
数字图像处理基础 2.1 色度学基础色度学人的视觉特性 2.1.1 三基色原理人眼的视网膜上存在有大量能在适当亮度下分辨颜色的锥状细胞,它们分别对应红.绿.蓝三种颜色,即分别对红光.绿光.蓝光敏 ...

图像处理基础之颜色空间

图像处理基础之颜色空间相关推荐

最新文章

热门文章