颜色空间简介

我们知道数字图像本质上是像素网格，每个像素都有一个值。但是，一个数字，或者几个数字，如何表示我们所看到的广阔色彩范围呢？解决之道在于颜色空间。颜色空间是一种用于以数字方式组织和定义颜色的特定系统。可以将其视为计算机用来描述色彩的语言。

不同的任务和设备适合采用不同的颜色表示方式，因此存在多种颜色空间。计算机视觉中常用的三种主要类型包括：灰度、RGB和HSV。

灰度

最简单的颜色空间是灰度。灰度图像中的每个像素不存储颜色信息，而只表示强度或亮度。对于8位图像，它持有一个单一值，通常范围从0（表示黑色）到255（表示白色）。介于两者之间的所有值对应于不同深度的灰色。

• 表示方式： 单通道（强度）。
• 范围（8位）： 0（黑色）到255（白色）。
• 使用场景： 灰度处理能大幅简化图像数据。将图像从三个颜色通道（如RGB中）减少到一个，能使处理更快、计算成本更低。对于颜色不是主要考虑因素的任务，例如某些类型的特征检测（如我们稍后会看到的边缘检测）或光学字符识别（OCR），灰度图像通常足以应对。许多复杂算法首先会将彩色图像转换为灰度图像。

RGB（红、绿、蓝）

这可能是最常见的颜色空间，因为它广泛应用于数码相机、扫描仪和计算机显示器（如您现在使用的）。RGB模型是一种相加式颜色系统。这意味着颜色是通过混合不同强度的红、绿、蓝光而生成的。

• 表示方式： 三通道（红、绿、蓝）。
• 范围（每个通道8位）： 每个通道（R、G、B）通常范围从0到255。
• 颜色混合：
  • (0, 0, 0) 表示黑色（无光）。
  • (255, 255, 255) 表示白色（三色强度最大）。
  • (255, 0, 0) 表示纯红色。
  • (0, 255, 0) 表示纯绿色。
  • (0, 0, 255) 表示纯蓝色。
  • 混合这些原色会产生次生色，例如黄色 (255, 255, 0)、青色 (0, 255, 255) 和洋红色 (255, 0, 255)。

RGB颜色模型结合了红 (R)、绿 (G) 和蓝 (B) 光。混合R和G得到黄 (Y)，G和B得到青 (C)，B和R得到洋红 (M)。将三者结合则产生白 (W)。

虽然是标准模型，但RGB值对光照变化可能很敏感。同一物体在不同光照下，其R、G、B值可能会有很大不同，这对于某些计算机视觉任务来说可能是一个挑战。

HSV（色相、饱和度、明度）

HSV颜色空间以一种通常被认为对人类更直观的方式表示颜色，因为它将颜色信息（是什么颜色）与其强度或亮度分离开来。它通常被可视化为一个圆柱体。

• 色相 (H)： 这表示颜色本身。可以将其看作色轮上的位置。它通常表示为0到360度之间的角度，尽管像OpenCV这样的库通常将此范围映射到0-179（以适应8位值）或0-255。红色可能在0度左右，绿色在120度左右，蓝色在240度左右。

• 饱和度 (S)： 这表示颜色的“纯度”或“强度”。饱和度为0表示颜色是灰度（灰色、黑色或白色的阴影），而最大饱和度则表示色相定义的颜色最纯粹的形式。它通常表示为百分比（0-100%）或一个范围（例如，0-255）。褪色的颜色饱和度低；鲜艳的颜色饱和度高。

• 明度 (V)： 这表示颜色的亮度或明暗程度。明度为0始终是黑色，无论色相或饱和度如何。随着明度增加，颜色变得更亮，直至达到其最大强度。它也通常表示为百分比（0-100%）或一个范围（例如，0-255）。

• 表示方式： 三通道（色相、饱和度、明度）。

• 范围（典型OpenCV 8位）：

  • H: 0-179
  • S: 0-255
  • V: 0-255

• 使用场景： 当您需要在不同光照条件下根据颜色识别物体时，HSV在计算机视觉中特别有用。由于色相通道相对独立于亮度（明度）和褪色（饱和度）来分离颜色类型，因此您通常可以定义一个色相值范围，以比使用固定RGB范围更可靠地检测特定颜色。例如，在图像中找到特定颜色的球，使用HSV中的色相范围可能比试图考虑因阴影或高光引起的所有可能RGB变化更容易。

为什么存在多种颜色空间？

不同的颜色空间适用于不同的目的：

• 灰度： 简化数据，在颜色不重要或用于特定算法时有用。
• RGB： 显示器和图像捕捉的标准，与硬件工作方式直接相关。
• HSV： 更符合人类感知，对基于颜色的分割和分析很有用，通常对光照变化更具效果。

理解这些基本的颜色空间非常重要，因为选择正确的颜色空间或了解如何在它们之间转换，是许多计算机视觉流程中常见的首要步骤。像OpenCV这样的库提供了函数，可以轻松地在这些不同表示之间转换图像，让您能够针对您的特定应用发挥每个空间的优点。在接下来的章节中，我们将了解文件格式和分辨率等其他图像属性。