最后更新: 2024-04-12 07:41 查看: 375 次纠错评论(0) 课件开VIP

色彩原理RGB/HSL /HSV

## RGB色彩

RGB 是我们接触最多的颜色空间，由三个通道表示一幅图像，分别为红色(R，red)，绿色(G，green)和蓝色(B，blue)。这三种颜色的不同组合可以形成几乎所有的其他颜色。

RGB 颜色空间利用三个颜色分量的线性组合来表示颜色，每个颜色的取值范围为0~255，255得十六进制表示方法是FF。 因此 FF0000 表示的是红色， 00FF00 表示的是绿色，0000FF表示的是蓝色。
在windows的画图板里，输入不同的RGB值，可以得到不同的颜色。
 ![图片](/uploads/2024-04/5f1cef.jpg){width=400px}
因为 256*256*256=16777216，所以，RGB最多只能展示16777216种颜色。
在RGB颜色里，(255,255,255)表示的是白色，而(0,0,0)表示的是黑色。

### 人眼的局限性
人眼对于这三种颜色分量的敏感程度是不一样的，在单色中，人眼对红色最不敏感，蓝色最敏感，所以 RGB 颜色空间是一种均匀性较差的颜色空间。如果颜色的相似性直接用欧氏距离来度量，其结果与人眼视觉会有较大的偏差。对于某一种颜色，我们很难推测出较为精确的三个分量数值来表示。
下图展示了RGB不同组合形成的色彩图。
 ![图片](/uploads/2024-04/e91bf4.jpg)

#### 常用作用
RGB是最通用的面向硬件的彩色模型。该模型用于彩色监视器和一大类彩色视频摄像

## HSV颜色
在图像处理中使用较多的是 HSV 颜色空间，它比 RGB 更接近人们对彩色的感知经验。非常直观地表达颜色的色调、鲜艳程度和明暗程度，方便进行颜色的对比。
HSV 表达彩色图像的方式由三个部分组成：
- Hue（色调、色相）
- Saturation（饱和度、色彩纯净度）
- Value（明度）

用下面这个圆柱体来表示 HSV 颜色空间，圆柱体的横截面可以看做是一个极坐标系 ，H 用极坐标的极角表示，S 用极坐标的极轴长度表示，V 用圆柱中轴的高度表示。
 ![图片](/uploads/2024-04/40b25c.jpg){width=400px}
 Hue 用角度度量，取值范围为0～360°，表示色彩信息，即所处的光谱颜色的位置。，表示如下：
  ![图片](/uploads/2024-04/49555a.jpg){width=400px}
  颜色圆环上所有的颜色都是光谱上的颜色，从红色开始按逆时针方向旋转，Hue=0 表示红色，Hue=120 表示绿色，Hue=240 表示蓝色等等。
在 GRB中 颜色由三个值共同决定，比如黄色为即 (255,255,0)；在HSV中，黄色只由一个值决定，Hue=60即可。

HSV 圆柱体的半边横截面（Hue=60）：
 ![图片](/uploads/2024-04/353fa3.jpg){width=400px} 
 其中水平方向表示饱和度，饱和度表示颜色接近光谱色的程度。饱和度越高，说明颜色越深，越接近光谱色饱和度越低，说明颜色越浅，越接近白色。饱和度为0表示纯白色。取值范围为0～100%，值越大，颜色越饱和。

竖直方向表示明度，决定颜色空间中颜色的明暗程度，明度越高，表示颜色越明亮，范围是 0-100%。明度为0表示纯黑色（此时颜色最暗）。

可以通俗理解为：

在Hue一定的情况下，饱和度减小，就是往光谱色中添加白色，光谱色所占的比例也在减小，饱和度减为0，表示光谱色所占的比例为零，导致整个颜色呈现白色。

明度减小，就是往光谱色中添加黑色，光谱色所占的比例也在减小，明度减为0，表示光谱色所占的比例为零，导致整个颜色呈现黑色。

HSV 对用户来说是一种比较直观的颜色模型。我们可以很轻松地得到单一颜色，即指定颜色角H，并让V=S=1，然后通过向其中加入黑色和白色来得到我们需要的颜色。增加黑色可以减小V而S不变，同样增加白色可以减小S而V不变。例如，要得到深蓝色，V=0.4 S=1 H=240度。要得到浅蓝色，V=1 S=0.4 H=240度。

HSV 的拉伸对比度增强就是对 S 和 V 两个分量进行归一化(min-max normalize)即可，H 保持不变。

RGB颜色空间更加面向于工业，而HSV更加面向于用户，大多数做图像识别这一块的都会运用HSV颜色空间，因为HSV颜色空间表达起来更加直观！

## HLS 颜色空间
HLS 和 HSV 比较类似，这里一起介绍。HLS 也有三个分量，hue（色相）、saturation（饱和度）、lightness（亮度）。

HLS 和 HSV 的区别就是最后一个分量不同，HLS 的是 light(亮度)，HSV 的是 value(明度)。可以到这个 网页 尝试一下。

HLS 中的 L 分量为亮度，亮度为100，表示白色，亮度为0，表示黑色；HSV 中的 V 分量为明度，明度为100，表示光谱色，明度为0，表示黑色。

下面是 HLS 颜色空间圆柱体：
 ![图片](/uploads/2024-04/f85e9b.jpg){width=400px}
 
 提取白色物体时，使用 HLS 更方便，因为 HSV 中的Hue里没有白色，白色需要由S和V共同决定（S=0, V=100）。而在 HLS 中，白色仅由亮度L一个分量决定。所以检测白色时使用 HSL 颜色空间更准确。

## CMY/CMYK颜色空间

CMY是工业印刷采用的颜色空间。C. 青色（Cyan） M. 洋红色（Magenta） Y. 黄色（Yellow） K. 黑色（blacK）。它与RGB对应。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。简单的类比RGB来源于是物体发光，而CMY是依据反射光得到的。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。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。

由于三原色得不到纯黑色，CMYK则是打印时加上墨色(black ink)，例如青色可以通过蓝色和绿色光相加得到，则白色通过青色时，没有红色分量。底色为白色进行色彩减法可以得到各种颜色。下图显示了CMY色彩混合图
 ![图片](/uploads/2024-04/79e790.jpg)

RGB与CMYK相互转换为：
``` 
R = 255*(100-C)*(100-K)/10000；
G = 255*(100-M)*(100-K)/10000；
B = 255*(100-Y)*(100-K)/10000；
```

### 主要引用
CMY颜色主要用于 打印、印刷、海报等行业

## YUV 色彩
YUV(亦称YCrCb)是被欧洲电视系统所采用的一种颜色编码方法。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信号分量，那么这样表示的图像就是黑白灰度图像。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电视信号。其中“Y”表示明亮度（Luminance或Luma），也就是灰阶值；而“U”和“V” 表示的则是色度（Chrominance或Chroma，作用是描述影像色彩及饱和度，用于指定像素的颜色。“亮度”是透过RGB输入信号来建立的，方法是将RGB信号的特定部分叠加到一起。“色度”则定义了颜色的两个方面─色调与饱和度，分别用Cr和Cb来表示。其中，Cr反映了RGB输入信号红色部分与RGB信号亮度值之间的差异。而Cb反映的是RGB输入信号蓝色部分与RGB信号亮度值之同的差异。YUV和RGB互相转换的公式如下:

``` 
  Y = 0.299R + 0.587G + 0.114B
　U = -0.147R - 0.289G + 0.436B
　V = 0.615R - 0.515G - 0.100B
　R = Y + 1.14V
　G = Y - 0.39U - 0.58V
　B = Y + 2.03U
```

## 不同色彩的转换
目前业界主要使用RGB和HSV色彩，其转换公式为

#### RGB转HSV
 ![图片](/uploads/2024-04/6fa416.jpg)

#### HSV转RGB
  ![图片](/uploads/2024-04/017e37.jpg)

科数题库(单机版) 会议室预约系统(book)

今日还可看 0 篇未注册用户每天查看4篇，注册用户每天8篇，开通VIP会员无限制查看。

免费注册

《高等数学》难点解析

高数教程 泰勒公式切线与法线切平面与法平面驻点·拐点·极值点·零点间断点渐进线瑕积分欧拉方程伯努利方程 Abel 收敛定理偏导数的几何意义偏导数的几何意义梯度数量场与向量场多元函数极值拉格朗日算子通量与散度环流量与旋度格林公式高斯公式斯托克斯公式三大公式比较傅里叶级数极坐标微元点法式方程变上限定积分 X型计算面积 Y型计算面积微分的意义渐近线间断点 y''+py'+qy=f(x)方程高斯黎曼傅里叶变换(复数) 拉普拉斯变换(复数)

《线性代数》难点解析

线代教程 近世代数对数学的整体思考线性的意义矩阵乘法(列视角) 矩阵乘法(行视角) 矩阵左乘矩阵右乘逆矩阵求解方程组阶梯形矩阵的求法方程组解的判定四阶行列式的计算线性变换的意义线性空间向量组的等价线性空间的几何意义基础解系的求法施密特正交化特征值与特征向量的意义矩阵相似的几何意义矩阵可对角化的理解秩的意义(向量版) 秩的意义(方程版) 二次型的意义

《概率论与数理统计》难点解析

概率教程 置信区间与上a分位数概率中的“取”与“放” 贝叶斯公式全概率公式泊松分布指数分布伽玛分布二维密度图的意义卷积的意义相关系数的意义 k阶矩是与矩母函数卡方分布的作用单正态区间估计理解假设检验理解切比雪夫不等式中心极限定理

上一篇：人眼如何识别边缘图像

下一篇：手机的人脸解锁原理

本文对您是否有用？有用 (0) 无用 (0)