常用色彩空间 RGB HSV YUV

参考资料

链接：https://www.jianshu.com/p/3e44c2262775

RGB色彩空间

在图像处理中最常用的就是RGB色彩空间，非常容易被理解，用三个颜色分量来表示某个具体颜色。

他们组成三维正交座标系统，该系统中任何颜色都落入RGB彩色立方体内，在RGB颜色模型中，黑色在原点处，白色位于离原点最远的角上，灰度级沿着这两点的连线分布，每一个分量图像都是其原色图像。

三原色RGB混合能形成其他的颜色，并不是说物理上其他颜色的光是由三原色的光混合形成的，每种单色光都有自己独特的光谱，如黄光是一种单色光，但红色与绿色混合能形成黄色，原因是人的感官系统所致，与人的生理系统有关。
只能说“将三原色光以不同的比例复合后，对人的眼睛可以形成与各种频率的可见光等效的色觉。

存储类型

（1）RGB555：16位的RGB格式，各分量都用5位表示，剩下的一位不用。

高字节 -> 低字节(根据内存大小端) XRRRRRGGGGGBBBBB(X代表不用)

（2）RGB565：16位的RGB格式，但是R占用5位，G占用6位，B占用5位。

（3）RGB24：24位的RGB格式，各分量占用8位，取值范围为0-255。

（4）RGB32：32位的RGB格式，各分量占用8位，剩下的8位作Alpha通道或者不用。

（5）RGB222：8位的RGB格式，各分量占用2bit位，剩下的2bit位不用！

为什么三原色可以表示不同的色彩，基本的原理是吸收俩种，反射另一种；把黄色颜料和青色颜料混合起来，因为黄色颜料吸收蓝光，青色颜料吸收红光，因此只有绿色光反射出来，这就是黄色颜料加上青色颜料形成绿色的道理。

HSV色彩空间

而HSV模型，是针对用户观感的一种颜色模型，侧重于色彩表示，什么颜色、深浅如何、明暗如何

H：色彩 ，就是我们平时所说的颜色，红、黄、橘红等 取值范围是0°~360° ,从红色开始 ，逆时针方向计算，红色为0°，绿色为120°,蓝色为240°。
S：饱和度，色彩的深浅度（0~100%）
V：明度，色彩的色调（0~100%）

有个很棒的理解方式：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。

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。
–百度百科

如果我们把红色，也就是H为0°，做个切片，那么可以更好的分析色调 ，饱和度，亮度的关系
关键点：
当S=1 V=1时，H所代表的任何颜色被称为纯色；
当S=0时，颜色最浅，最浅被描述为灰色(灰色也有亮度，黑色和白色也属于灰色)，灰色的亮度由V决定，此时H无意义；
当V=0时，颜色最暗，最暗被描述为黑色，因此此时H(无论什么颜色最暗都为黑色)和S(无论什么深浅的颜色最暗都为黑色)均无意义。
下面是当H=0度 即为红色时，S和V组成的平面：

在这张图中，S沿横轴从左到右0-1增长 V沿纵轴由下到上0-1增长
可以看到，当S=0，即矩形左边的竖线边缘处，呈不同深浅的灰色
当V=0，即矩形下班的横线边缘处，呈黑色
当S=0 V=1时，此时颜色最亮，但也最浅。也就是矩形的左上角，呈白色。
当S=1(S=0) V=0时，颜色最深(最浅)，但最暗，均体现为黑色
当S=1 V=1时，在矩形的右上角，就是纯色的红色，也就是我们常用的RGB(255, 0, 0)

与HSI的区别

HSV是(色相hue, 饱和度saturation, 明度value） ，而HSI是(色相hue, 饱和度saturation, 亮度lightness)

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是一个颜色的子集，并不能表示所有颜色

与RGB的联系

1. 亮度V就是RGB值中最大的那个值进行归一化。也就是说 V = max(R, G, B)/255.0f；
   可印证当V=0时，max(R, G, B)=0，也就是R=G=B=0，即为黑色。
2. 深浅度S是RGB中最大值和最小值的差值与最大值的比值。设RGBMax=max(R,G,B) RGBMin=min(R,G,B) 那么S= (RGBMax-RGBMin)/(float)RGBMax
   可印证当S=0时，RGBMax-RGBMin == 0，即R ==G ==B，此时颜色呈不同程度的灰色(由白到黑，亮度由V而定，因为V=RGBMax*100/255，V越高，RGBMax ==R ==G ==B就越高，灰色越亮))。这也可以从上面给出的矩形图看出

RGB2HSV

HSV2RGB

为什么选用HSV

在图像处理中，通常情况下我们不会直接对RGB图像做处理，这主要是因为RGB与人类的视觉感知相差较远，而HSV是接近人视觉的

比如，某些由于光照不同造成的视觉感知不同的场景下，我们通常用Value这个通道进行计算，通过计算梯度，可以较好的提取物体边缘。

再比如某些场景下，前景饱和度较高，背景采用饱和度较低的颜色来衬托前景，这时Saturation这个通道的信息就非常有用了。

再比如，在某些室内场景下，风格较为单一，一般一个物体只有一种颜色，这时候Hue这个通道就显得尤为重要了。

总之，HSV色彩空间在图像处理领域应用非常广泛，一般通过采用合适的通道就能完成大多数图像预处理工作。

YUV色彩空间

YUV细分的话有Y’UV，YUV，YCbCr，YPbPr等类型，其中YCbCr主要用于数字信号。一般在做数字图像处理时，所讲的YUV大多是指YCbCr。YCbCr 有许多取样格式, 如4∶4∶4 , 4∶2∶2 , 4∶1∶1 和4∶2∶0。

分类

以最常用的 444 422 420 为例子

• YUV 4:4:4采样，每一个Y对应一组UV分量。

• YUV 4:2:2采样，每两个Y共用一组UV分量。

• YUV 4:2:0采样，每四个Y共用一组UV分量。

存储

YUV的存储格式有两大类：packed、planar和SemiPlanar

• 对于packed的YUV格式，每个像素点的Y,U,V是连续交错存储的。
• 对于planar的YUV格式，先连续存储所有像素点的Y，紧接着存储所有像素点的U，随后是所有像素点的V。
• 对于SemiPlanar，则是先连续存储所有像素点的Y，再连续交错U和V。
  先说复杂一些的packed方式

packed

• 对于444的packed 来说 内存排列是固定的Y1 U1 V1 Y2 U2 V2 对于

• 对于422来说，情况稍微复杂点，每两个Y共用一组UV分量

  其他的VYUY422，YUYV422，YVYU422只不过是数据矩阵中Y,U,V顺序差别:

  VYUY422： V1 Y1 U1 Y2 V2 Y3 U2 Y4 …

  YUYV422(YUY2)： Y1 U1 Y2 V1 Y3 U2 Y4 V2 …

  YVYU422： Y1 V1 Y2 U1 Y3 V2 Y4 U2 …
  

• 对于420来说，每四个Y共用一组UV分量
  

planar 和 SemiPlanar

422 planar

422 SemiPlanar

420 planar

420 SemiPlanar

其中YUV420P和YUV420SP根据U、V的顺序，又可分出2种格式。
YUV420P：U前V后即YUV420P，也叫I420，
V前U后，叫YV12(YV表示Y后面跟着V，12表示12bit)。
YUV420SP：U前V后叫NV12，
V前U后叫NV21。
数据排列如下:
I420: YYYYYYYY UU VV =>YUV420P
YV12: YYYYYYYY VV UU =>YUV420P
NV12: YYYYYYYY UVUV =>YUV420SP
NV21: YYYYYYYY VUVU =>YUV420SP

常见枚举

OpenNI

Astra SDK（奥比中光深度相机开发包）

typedef enum

{

// Depth

ONI_PIXEL_FORMAT_DEPTH_1_MM = 100,

ONI_PIXEL_FORMAT_DEPTH_100_UM = 101,

ONI_PIXEL_FORMAT_SHIFT_9_2 = 102,

ONI_PIXEL_FORMAT_SHIFT_9_3 = 103,

// Color

ONI_PIXEL_FORMAT_RGB888 = 200,

ONI_PIXEL_FORMAT_YUV422 = 201,

ONI_PIXEL_FORMAT_GRAY8 = 202,

ONI_PIXEL_FORMAT_GRAY16 = 203,

ONI_PIXEL_FORMAT_JPEG = 204,

ONI_PIXEL_FORMAT_YUYV = 205,

} OniPixelFormat;

LINUX_VIDEODEV2

#define V4L2_PIX_FMT_YUYV    v4l2_fourcc('Y','U','Y','V') /* 16  YUV 4:2:2     */

#define V4L2_PIX_FMT_UYVY    v4l2_fourcc('U','Y','V','Y') /* 16  YUV 4:2:2     */

#define V4L2_PIX_FMT_YUV422P v4l2_fourcc('4','2','2','P') /* 16  YVU422 planar */

#define V4L2_PIX_FMT_NV12    v4l2_fourcc('N','V','1','2') /* 12  Y/CbCr 4:2:0  */

#define V4L2_PIX_FMT_NV21    v4l2_fourcc('N','V','2','1') /* 12  Y/CrCb 4:2:0  */

#define V4L2_PIX_FMT_YVU420  v4l2_fourcc('Y','V','1','2') /* 12  YVU 4:2:0     */

#define V4L2_PIX_FMT_YUV420  v4l2_fourcc('Y','U','1','2') /* 12  YUV 4:2:0     */

微软 YUV格式定义

GUID	Format	Sampling	Packed or planar	Bits per channel
MEDIASUBTYPE_AYUV	AYUV	4:4:4	Packed	8
MEDIASUBTYPE_YUY2	YUY2	4:2:2	Packed	8
MEDIASUBTYPE_UYVY	UYVY	4:2:2	Packed	8
MEDIASUBTYPE_IMC1	IMC1	4:2:0	Planar	8
MEDIASUBTYPE_IMC3	IMC2	4:2:0	Planar	8
MEDIASUBTYPE_IMC2	IMC3	4:2:0	Planar	8
MEDIASUBTYPE_IMC4	IMC4	4:2:0	Planar	8
MEDIASUBTYPE_YV12	YV12	4:2:0	Planar	8
MEDIASUBTYPE_NV12	NV12	4:2:0	Planar	8