RGB、lαβ、HSV色彩空间的区别

Posted 2023-05-02

参考技术A 姓名：贺文琪

学号：19021210758

【嵌牛导读】在进行图像研究或者色彩研究之前，我们要知道它的机理。而色彩空间就是一个很关键的基础问题，在处理图像之前都要找到合适的色彩空间。

【嵌牛鼻子】色彩空间

【嵌牛提问】什么是色彩空间？它的选取有什么要求？

【嵌牛正文】

九层之台，起于垒土。做什么事情都是有基础的，不是凭空就能达到什么高度，同样的，在进行图像研究或者色彩研究之前，我们要知道它的机理。而色彩空间就是一个很关键的基础问题，在处理图像之前都要找到合适的色彩空间。下面就色彩迁移的需求开始论述。色彩迁移需要这个空间满足独立性和均匀性。颜色空间有三个通道，如果这三个通道之间各自独立，没有关联，就可以说这个空间具有独立性，这样的好处是可以分别对不同通道进行处理而不会对图像造成影响；如果对每一个分量都添加或是减少同样的数，对图片所引起的视觉变化是一样的，那么就说这个色彩空间具有均匀性。

在色彩迁移领域中，其中一个关键问题是选择怎样的色彩空间。首先，对于图像的内容描述，我们一般通过亮度的分布，就算是把一副彩色的图形变换为灰度图像也能够很明显地看出它想要表达的信息，要进行色彩迁移首先要考虑不能改变目标图像的内容，在此基础上再通过修改各个颜色分量达到迁移的效果。这就对实现色彩迁移的颜色空间提出了要求：第一个，亮度与颜色必须是可以分离的，也就是说亮度为单独的通道分量；其次各个分量之间互相独立、互不影响。

计算机技术发展至今，已经有很多种色彩空间的表示方法，它们有着不一样的特性，所以可以运用到不同的领域中去。最为普遍使用的颜色空间有RGB、lαβ、YUV、HSV、LMS、CMY(K)等，这些空间不是非此即彼的关系，而是可以通过一些方法进行相互转换[15]的。下面主要对RGB、lαβ、HSV这三种色彩空间进行介绍。

1.RGB色彩空间

众所周知，RGB色彩空间是最为常见的，也是应用最广泛的。对于RGB空间的表示，可以利用几何上的空间坐标系，如下图所示。在图中，用三个两两垂直的坐标轴作为红、绿、蓝三种颜色的表示，原点代表黑色，白色是离原点最远的顶点，其他各种颜色对应立方体里的各个点。在一幅图像中红绿蓝三个分量有取值范围，0-255，但是要想把这个空间表示为一个单位的立方体，就需要通过归一化把这三个分量归一到0-1。任何一种颜色都可以通过用红、绿、蓝三种原色进行不同比例的混合得到，所以它没有直接度量色调、饱和度和亮度的能力。而且，各个分量间在一般的情况下都是成正比的关系，也就是说如果自然场景中某任意通道大，那么像素的其他通道值也会比较大。这就代表着如果要处理图像的色彩，应该同时改变图片三个像素的分量大小，这样才能达到不影响图像真实感的效果，但是也加大了迁移的难度。综上所述，在RGB色彩空间下进行色彩迁移不仅有一定难度，而且最后得到的视觉效果也缺乏真实感。

                                                               图1 RGB空间几何表示

2. lαβ色彩空间

布尔斯鲍姆等学者在1983年，提出了正交线性变换的方法这种方法可以把我们视觉系统接受到的三色信号变更为三个两两独立的分量。以布尔斯鲍姆的研究为基础，茹德曼提出了一种新的色彩空间，叫做lαβ色彩空间，利用一个简单的3×3转换矩阵经运算完成了两空间的互相转换。对lαβ空间的研究基础是数据驱动对于人类感知的学习，lαβ空间假定人类的视觉感官可以较好地适应自然中的基色，在这之后，把光线的波长变换成亮度与色相的描述色彩数据的模型，这种色彩空间的模型如下图2所示，l是亮度分量，α是黄蓝相关颜色通道，β是红绿相关颜色通道。其中α、β的取值范围如下：0≤ l ≤100，-128≤ α，β ≤127，当l=100时是白色，1=0时是黑色。

在lαβ色彩空间中里，l、α、β各个通道的值为对数空间的值，通道之间较强的相关性通过这种方式能够得以消除，并且图像的灰度信息和颜色信息也能得到不错的分离效果，所以可以实现对1、α、β通道单独的运算，这样就简化了运算。从图3中可以看出，lαβ色彩各个通道间几乎完全独立，满足了分通道处理的独立性要求。从而不会改变原图像的自然效果。

                                                                 图2 lαβ颜色空间模型

                                                       图3  lαβ空间模型l-α、l-β、α-β关系

3. HSV色彩空间

另一种色彩空间中，把RGB空间的点在倒锥体中表示，称为HSV。H、S、V分别代表色相(Hue)、饱和度(Saturation)和明度(Value)。作为色彩最基本的属性，色相通俗来讲就是平常说的颜色的名称，例如黑色、红色。计算机中HSV的取值范围和存储的长度相关。饱和度指的是颜色的纯度，它的值越高色彩越纯，越低则逐渐变灰，取值范围0-100%。明度，对HSV空间进行描述一般使用一个圆锥形的空间模型。在这个圆锥的顶点处，V=0，H和S无定义，代表黑色。在它的顶面中心，V为最大，S为零，H没有定义，表示白色。在需要颜色分割时，HSV起到了很大的作用。空间模型如图4。

                                                                图4 HSV色彩空间模型

HSV和HSI区别

HSV (色相hue, 饱和度saturation, 明度value), 也称HSB 
(B指brightness) 是艺术家们常用的，因为与加法减法混色的术语相比，使用色相，饱和度等概念描述色彩更自然直观。HSV 
是RGB色彩空间的一种变形，它的内容与色彩尺度与其出处——RGB色彩空间有密切联系。

HSL (色相hue, 饱和度saturation, 亮度lightness/luminance), 
也称HLS 或 HSI (I指intensity) 与 
HSV非常相似，仅用亮度（lightness）替代了明度（brightness）。

二者区别在于，一种纯色的明度等于白色的明度，而纯色的亮度等于中度灰的亮度。

HSV颜色空间  
HSV(hue,saturation,value)颜色空间的模型对应于圆柱坐标系中的一个圆锥形子集，圆锥的顶面对应于V=1. 它包含RGB模型中的R=1，G=1，B=1 三个面，所代表的颜色较亮。色彩H由绕V轴的旋转角给定。红色对应于 角度0° ，绿色对应于角度120°，蓝色对应于角度240°。在HSV颜色模型中，每一种颜色和它的补色相差180° 。 饱和度S取值从0到1，所以圆锥顶面的半径为1。HSV颜色模型所代表的颜色域是CIE色度图的一个子集，这个 模型中饱和度为百分之百的颜色，其纯度一般小于百分之百。在圆锥的顶点(即原点)处，V=0,H和S无定义， 代表黑色。圆锥的顶面中心处S=0，V=1,H无定义，代表白色。从该点到原点代表亮度渐暗的灰色，即具有不同 灰度的灰色。对于这些点，S=0,H的值无定义。可以说，HSV模型中的V轴对应于RGB颜色空间中的主对角线。 在圆锥顶面的圆周上的颜色，V=1，S=1,这种颜色是纯色。HSV模型对应于画家配色的方法。画家用改变色浓和 色深的方法从某种纯色获得不同色调的颜色，在一种纯色中加入白色以改变色浓，加入黑色以改变色深，同时 加入不同比例的白色，黑色即可获得各种不同的色调。  

HSI颜色空间 

 

HSI色彩空间是从人的视觉系统出发，用色调(Hue)、色饱和度(Saturation或Chroma)和亮度 (Intensity或Brightness)来描述色彩。HSI色彩空间可以用一个圆锥空间模型来描述。用这种 描述HIS色彩空间的圆锥模型相当复杂，但确能把色调、亮度和色饱和度的变化情形表现得很清楚。 通常把色调和饱和度通称为色度，用来表示颜色的类别与深浅程度。由于人的视觉对亮度的敏感 程度远强于对颜色浓淡的敏感程度，为了便于色彩处理和识别，人的视觉系统经常采用HSI色彩空间， 它比RGB色彩空间更符合人的视觉特性。在图像处理和计算机视觉中大量算法都可在HSI色彩空间中 方便地使用，它们可以分开处理而且是相互独立的。因此，在HSI色彩空间可以大大简化图像分析 和处理的工作量。HSI色彩空间和RGB色彩空间只是同一物理量的不同表示法，因而它们之间存在着 转换关系。