颜色空间模型 与 Opencv中的HSV模型范围

Posted 2020-09-27 帅帅的飞猪

颜色空间总结

RGB、HSV、YUV

---

什么是颜色

Wiki是这样说的：颜色或色彩是通过眼、脑和我们的生活经验所产生的一种对光的视觉效应。嗯，简单点说，颜色就是人对光的一种感觉，由大脑产生的一种感觉。感觉是一个很主观的东西，你怎么确定你看到的红色和我看到的是一样的呢？这个视频解释的很不错。我们需要先假设正常人对于同一种光产生的感觉基本是一致的，讨论才能继续下去。

人的视网膜上布满了感光细胞，当有光线传入人眼时，这些细胞就会将刺激转化为视神经的电信号，最终在大脑得到解释。视网膜上有两类感光细胞：视锥细胞和视杆细胞。

视锥细胞大都集中在视网膜的中央，每个视网膜大概有700万个左右。每个视锥细胞包含有一种感光色素，分别对红、绿、蓝三种光敏感。这类细胞能在较明亮的环境中提供辨别颜色和形成精细视觉的功能。

---

视杆细胞分散分布在视网膜上，每个视网膜大概有1亿个以上。这类细胞对光线更为敏感（敏感程度是视锥细胞的100多倍），一个光子就足以激发它的活动。视杆细胞不能感受颜色、分辨精细的空间，但在较弱的光线下可以提供对环境的分辨能力（比如夜里看到物体的黑白轮廓）。

当一束光线进入人眼后，视细胞会产生4个不同强度的信号：三种视锥细胞的信号（红绿蓝）和视感细胞的信号。这其中，只有视锥细胞产生的信号能转化为颜色的感觉。三种视锥细胞（S、M和L类型）对波长长度不同的光线会有不同的反应，每种细胞对某一段波长的光会更加敏感，如下图。这些信号的组合就是人眼能分辨的颜色总和。 
 

---

这里有一个重要的理论：我们可以用3种精心选择的单色光来刺激视锥细胞，模拟出人眼所能感知的几乎所有的颜色（例如红绿光的混合光，和单色黄光，刺激视锥细胞产生的视神经信号是等效的），这就是三色加法模型。所以说”三原色”的原理是由生理因素造成的。

---

颜色的数字化

根据上面的理论，只需要选定三原色，并且对三原色进行量化，那就可以将人的颜色知觉量化为数字信号了。三色加法模型中，如果某一种颜色(C)，和另外一种三色混合色，给人的感觉相同时，这三种颜色的份量就称为该颜色(C)的三色刺激值。对于如何选定三原色、如何量化、如何确定刺激值等问题，国际上有一套标准——CIE标准色度学系统。

CIE（国际照明委员会）是位于欧洲的一个国际学术研究机构，1931年，CIE在会议上根据之前的实验成果提出了一个标准——CIE1931-RGB标准色度系统。

CIE1931-RGB系统选择了700nm(R) 546.1nm(G) 435.8nm(B) 三种波长的单色光作为三原色。之所以选这三种颜色是因为比较容易精确地产生出来（汞弧光谱滤波产生，色度稳定准确）。

 
从上图可以看到，三个颜色的刺激值R、G、B如何构成某一种颜色：例如580nm左右(红绿线交叉点)的黄色光，可以用1:1(经过亮度换算..)的红绿两种原色混合来模拟. 
如果要根据三个刺激值R、G、B来表现可视颜色，绘制的可视图形需要是三维的。为了能在二维平面上表现颜色空间，这里需要做一些转换。颜色的概念可以分为两部分：亮度（光的振幅，即明暗程度）、色度（光的波长组合，即具体某种颜色）。我们将光的亮度(Y)变量分离出来，之后用比例来表示三色刺激值： 

r=RR+G+Bg=GR+G+Bb=BR+G+B

这样就能得出r+g+b=1。由此可见，色度坐标r、g、b中只有两个变量是独立的。这样我们就把刺激值R、G、B转换成r、g、Y(亮度)三个值，把r、g两个值绘制到二维空间得到的图就是色域图。 
 
上图中，马蹄形曲线就表示单色的光谱（即光谱轨迹）。例如540nm的单色光，可以看到由r=0、g=1、b=(1-r-g)=0三个原色的分量组成。再例如380-540nm波段的单色光，由于颜色匹配实验结果中红色存在负值的原因，该段色域落在了r轴的负区间内。自然界中，人眼可分辨的颜色，都落在光谱曲线包围的范围内。

 

CIE1931-RGB标准是根据实验结果制定的，出现的负值在计算和转换时非常不便。CIE假定人对色彩的感知是线性的，因此对上面的r-g色域图进行了线性变换，将可见光色域变换到正数区域内。CIE在CIE1931-RGB色域中选择了一个三角形，该三角形覆盖了所有可见色域，之后将该三角形进行如下的线性变换，将可见色域变换到(0,0)(0,1)(1,0)的正数区域内。即假想出三原色X、Y、Z，它们不存在于自然界中，但更方便计算。 

⎡⎣⎢XYZ⎤⎦⎥=1b21⎡⎣⎢b11b21b31b12b22b32b13b23b33⎤⎦⎥⎡⎣⎢RGB⎤⎦⎥=10.17697⎡⎣⎢0.490.176970.000.310.812400.010.200.010630.99⎤⎦⎥⎡⎣⎢RGB⎤⎦⎥

得到的结果就是下图： 
 
注意这里的颜色只是示意,事实上没有设备能完全还上面所有的自然色域

 

这个图有些有意思的性质：

该色度图所示意的颜色包含了一般人可见的所有颜色，即人类视觉的色域。色域的马蹄形弧线边界对应自然界中的单色光。色域下方直线的边界只能由多种单色光混合成。 
在该图中任意选定两点，两点间直线上的颜色可由这两点的颜色混合成。给定三个点，三点构成的三角形内颜色可由这三个点颜色混合成。 
给定三个真实光源，混合得出的色域只能是三角形（例如液晶显示器的评测结果），绝对不可能完全覆盖人类视觉色域。 
这就是CIE1931-XYZ标准色度学系统。该系统是国际上色度计算、颜色测量和颜色表征的统一标准，是几乎所有测色仪器的设计与制造依据。

---

常见颜色模型

颜色模型就是描述用一组数值来描述颜色的数学模型。例如coding时最常见的RGB模型，就是用RGB三个数值来描述颜色。通常颜色模型分为两类：设备相关和设备无关。

设备无关的颜色模型：这类颜色模型是基于人眼对色彩感知的度量建立的数学模型，例如上面提到的CIE-RGB、CIE-XYZ颜色模型，再比如由此衍生的CIE-xyY、CIE-L*u*v、CIE-L*a*b等颜色模型。这些颜色模型主要用于计算和测量。

设备相关的颜色模型：以最长见的RGB模型为例，一组确定的RGB数值，在一个液晶屏上显示，最终会作用到三色LED的电压上。这样一组值在不同设备上解释时，得到的颜色可能并不相同。再比如CMYK模型需要依赖打印设备解释。常见的设备相关模型有：RGB、CMYK、YUV、HSL、HSB(HSV)、YCbCr等。这类颜色模型主要用于设备显示、数据传输等。

下面就对这些颜色模型一一作出解释。

CIE-RGB

正如上面写的，这个模型是由真实的人眼颜色匹配实验得出的模型，RGB分别表示那三个固定波长的光的份量。 

CIE-XYZ

上面也有，就是根据CIE-RGB进行变换得到的颜色模型，XYZ分别表示三个假想色的光的份量。通常简写为XYZ颜色模型。 

CIE-Yxy

该模型由CIE-XYZ衍生得来。其中x=XX+Y+Z,y=YX+Y+Z, Yxy中的Y表示光的亮度。这个模型投影到x-y平面上即上面的CIE1931-XYZ色度图。其中x、y分量的取值范围是[0,1]。有时该模型也被称作CIE-xyY。 
 
还有许多，不再详尽说明。

---

RGB

最常见的颜色模型，设备相关。三个数值代表R、G、B分量，取值均为[0,255]。 
 
通常设备(例如笔记本的液晶显示屏)能表现的色域大概是下面这样。 

CMYK、CMY

这个颜色模型常用于印刷出版。CMYK表示青(Cyan)品红(Magenta)黄(Yellow)黑(BlacK)四种颜料。由于颜料的特性，该模型也是与设备相关的。相对于RGB的加色混色模型，CMY是减色混色模型，颜色混在一起，亮度会降低。之所以加入黑色是因为打印时由品红、黄、青构成的黑色不够纯粹。 
 
通常其能表现的色域很小，如下图。 

HSL、HSV

HSL和HSV的颜色模型比较相近，它们用来描述颜色相对于RGB等模型显得更加自然。电脑绘画时，这两个模型非常受到欢迎。

HSL和HSV中，H都表示色相(Hue)。通常该值取值范围是[0°,360°]，对应红橙黄绿青蓝紫-红这样顺序的颜色，构成一个首尾相接的色相环。色相的物理意义就是光的波长，不同波长的光呈现了不同的色相。

HSL和HSV中，S都表示饱和度(Saturation)(有时也称为色度、彩度)即色彩的纯净程度。例如龙袍的金黄色饱和度就比屎黄色高。对应到到物理意义上：即一束光可能由很多种不同波长的单色光构成，波长越多越分散，则色彩的纯净程度越低，而单色的光构成的色彩纯净度就很高。

两个颜色模型不同的就是最后一个份量。 
HSL中的L表示亮度(Lightness/Luminance/Intensity)。根据缩写不同HSL有时也称作HLS或HSI(就是说HSL、HLS、HSI是一回事)。 
HSV中的V表示明度(Value/Brightness)。根据缩写不同，HSV有时也被称作HSB(就是说HSV和HSB是一回事)。

至于亮度和明度的区别，可以看下面的图。一种纯色的明度是白色的明度，而纯色的亮度等于中灰色的亮度。 
 
下面的图能更好的对比HSL和HSV的区别：在圆柱体外围是纯色(红黄绿蓝紫…)HSL中，这圈纯色位于亮度(L)等于1/2的部位，而在HSV中是在明度(Value)等于1的部位。 
 
将上面的圆柱体裁掉无用的部分，得到的是如下的锥形，就能更明显的看出HSL和HSV的区别了。 

YUV、YCbCr(YCC)、YPbPr、YDbDr、YIQ

这些颜色模型大都是用在电视系统、数位摄影等地方。其中的Y分量都表示的是明亮度(Luminance、Luma)。

YUV颜色模型中，U、V表示的是色度(Chrominance/Chroma)。YUV是欧洲电视系统所采用的颜色模型(属于PAL制式)，颜色被分为一个亮度信号和两个色差信号进行传输。

YCbCr(简称YCC)中，Cb和Cr蓝色(blue)和红色(red)的色度。YCbCr是YUV的压缩和偏移的版本。

YPbPr类似YCbCr，与之不同的是，YPbPr选用的CIE色度坐标略有不同。一般SDTV传输的色差信号被称作Cb、Cr，而HDTV传输的色差信号被称作Pb、Pr。

YDbDr也类似YCbCr，同样也是色度坐标不同。YDbDr是SECAM制式电视系统所用的颜色模型。

YIQ也和上面的类似。。是用在了NTSC制式的的电视系统里。 
 
全球电视系统制式分布，PAL用YUV、SECAM用YDbDr、NTSC用YIQ

---

下面再说一些人听懂的话： 
YCbCr颜色空间，也就是YUV，YUV主要用于优化彩色视频信号的传输，使其向后相容老式黑白电视。与RGB视频信号传输相比，它最大的优点在于只需占用极少的频宽（RGB要求三个独立的视频信号同时传输）。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GB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。 
　　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。 
　　 
　　Y代表的灰度级较高，而CrCb则相对灰度值要少些。 
 
从上图可以看出区别，Y对应的就是灰度或者说是亮度，而Cb、Cr则相对灰度级较少，人眼分辨差异较大。

 

//=====================华丽的分割线===================//

 

OpenCV中HSV颜色模型及颜色分量范围

HSV颜色模型

HSV(Hue, Saturation, Value)是根据颜色的直观特性由A. R. Smith在1978年创建的一种颜色空间, 也称六角锥体模型(Hexcone Model)。、这个模型中颜色的参数分别是：色调（H），饱和度（S），亮度（V）。

 

色调H：用角度度量，取值范围为0°～360°，从红色开始按逆时针方向计算，红色为0°，绿色为120°,蓝色为240°。它们的补色是：黄色为60°，青色为180°,品红为300°；

饱和度S：取值范围为0.0～1.0；

亮度V：取值范围为0.0(黑色)～1.0(白色)。

 

RGB和CMY颜色模型都是面向硬件的，而HSV（Hue Saturation Value）颜色模型是面向用户的。

HSV模型的三维表示从RGB立方体演化而来。设想从RGB沿立方体对角线的白色顶点向黑色顶点观察，就可以看到立方体的六边形外形。六边形边界表示色彩，水平轴表示纯度，明度沿垂直轴测量。

 

HSV颜色分量范围

一般对颜色空间的图像进行有效处理都是在HSV空间进行的，然后对于基本色中对应的HSV分量需要给定一个严格的范围，下面是通过实验计算的模糊范围（准确的范围在网上都没有给出）。

H:  0— 180

S:  0— 255

V:  0— 255

此处把部分红色归为紫色范围：

 

HSV六棱锥

H参数表示色彩信息，即所处的光谱颜色的位置。该参数用一角度量来表示，红、绿、蓝分别纯度S为一比例值，范围从0到1，它表示成所选颜色的纯度和该颜色最大的纯度之间的比率。S=0时，只有灰度。相隔120度。互补色分别相差180度。

V表示色彩的明亮程度，范围从0到1。有一点要注意：它和光强度之间并没有直接的联系。

 

1、RGB转化到HSV的算法：

max=max(R,G,B)

min=min(R,G,B)

V=max(R,G,B)

S=(max-min)/max

ifR = max,H =(G-B)/(max-min)* 60

ifG = max,H = 120+(B-R)/(max-min)* 60

ifB = max,H = 240 +(R-G)/(max-min)* 60

ifH < 0,H = H+ 360

 

2、HSV转化到RGB的算法：

if s = 0

R=G=B=V

else

H /= 60;

i = INTEGER(H)

f = H - i

a = V * ( 1 - s )

b = V * ( 1 - s * f )

c = V * ( 1 - s * (1 - f ) )

switch(i)

case 0: R = V; G = c; B = a;

case 1: R = b; G = v; B = a;

case 2: R = a; G = v; B = c;

case 3: R = a; G = b; B = v;

case 4: R = c; G = a; B = v;

case 5: R = v; G = a; B = b;

 

　　HSV对用户来说是一种直观的颜色模型。我们可以从一种纯色彩开始，即指定色彩角H，并让V=S=1，然后我们可以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。要得到淡蓝色，V=1 S=0.4 H=240度。

　　一般说来，人眼最大能区分128种不同的色彩，130种色饱和度，23种明暗度。如果我们用16Bit表示HSV的话，可以用7位存放H，4位存放S，5位存放V，即745或者655就可以满足我们的需要了。

　　由于HSV是一种比较直观的颜色模型，所以在许多图像编辑工具中应用比较广泛，如Photoshop（在Photoshop中叫HSB）等等，但这也决定了它不适合使用在光照模型中，许多光线混合运算、光强运算等都无法直接使用HSV来实现。

 

 

参考博客：

http://blog.csdn.net/lg1259156776/article/details/48317339

http://www.cnblogs.com/wangyblzu/p/5710715.html